随着互联网和在线社交网络应用的不断发展,数以十亿计的用户活跃在大型社交网络平台并产生大量的社交网络数据。在线社交网络数据放置作为社交网络后台支撑系统的关键技术,是社交网络数据管理中一个非常值得研究的方向。面对海量的社交网络数据,如何使资源调度方案更加合理是在线社交网络数据放置问题的首要研究目标。然而现有的数据放置方案中存在大量冗余数据副本,因此本文将在线社交网络数据放置问题转化为最小集合覆盖问题,以改善数据副本效益为重点进行深入研究。本文通过构建相关矩阵首次将最小集合覆盖模型应用到在线社交网络数据放置问题中,针对在线社交网络静态社区和动态社区做了以下两个方面的研究。首先针对在线社交网络静态社区系统开销巨大及系统响应慢的问题,提出一种全新启发式的基于最小集合覆盖模型的在线社交网络数据放置策略(Latency-Constrained Matrix-Based Data Placement Algorithm for Online Social Network,LDS)。此策略通过构建用户时间延迟约束矩阵并进行集合运算从而输出满足时间延迟约束的最小数据副本集合进而减少冗余数据副本数量、改善数据副本效益来达到优化运营成本、提高系统性能的目的。接着针对在线社交网络动态社区的资源分配问题,本文提出基于最小集合覆盖模型的在线社交网络动态数据放置策略(Latency-Constrained Matrix-Based Dynamic Data Placement Algorithm for Online Social Network,LDD),解决了社交网络用户增减、朋友关系增减情景下的资源调度问题从而优化动态社区数据放置费用和系统性能。本文提出了基于最小集合覆盖模型的在线社交网络数据放置策略,并分别针对在线社交网络静态社区和动态社区进行了深入研究。最终通过实验证明了本文策略能够有效地改善数据副本效益、优化运营成本、提高系统性能并保证用户访问质量(Quality of Service,Qo S),这对于降低能源消耗和促进节能减排,具有一定的理论和实践意义。