随着各行各业数字化进程的不断加速,大规模分布式云存储系统中的数据量持续性爆发增长。针对廉价存储设备的失效问题,云存储系统通常采用编码方案实现修复,保证系统可用性。由于在修复单个故障时,连接节点少、修复磁盘I/O开销低,局部重构码（Local Reconstruction Code,LRC）适应云存储系统需求,已在微软公司Azure等云平台广泛应用。然而,数据呈现多元化发展趋势,热数据在系统中被频繁访问、更新,将使得系统局部读取压力过大,进而引出系统超载、暂时性故障、网络带宽消耗大等一系列问题。传统的降级读取（Degraded Read,DR）操作与现有的局部重构码字的设计方法还难以有机结合予以应对。因此,面向冷热数据共存的分布式云存储系统,亟需提出具有可扩展能力的存储编码方案。目前,冷热数据块共存的局部重构编码存储系统仍存在以下问题:第一,现有局部重构码,大多认为所有数据块都是同质的,无法为局部热数据块提供局部高吞吐量,和较低的暂时故障修复带宽消耗;第二,缺乏准确衡量现有存储系统对局部热数据读取需求的应对能力的性能指标,并且没能基于实际需求给出适配编码方案的参数选择算法。基于上述两方面问题,本文提出了可扩展局部重构码（Scalable Local Reconstruction Code,SLRC）设计方案,定义了新的存储编码性能衡量指标,并给出了码字参数选择算法,开展的研究内容和主要贡献包括:本文引入了读取到达率（Read Arrival Rate,RAR）这一概念,来有效评价读取单个数据块读取负载能力。通过分析各个数据块相互完成读取任务的过程,本文推导了LRC存储系统修复暂时故障的降级读取过程中每秒内单个数据块负担的读取请求任务数量的变化。在此基础上,研究了在降级读取时如何减少降级读取操作的流量代价,为提出可扩展的编码方案提供了理论基础。针对第一个问题,本文基于局部重构码的编码原理,给出了可扩展局部重构码的设计方案。可扩展局部重构码的结构基于上述对降级读取的分析,符合信息编码理论。其能够为局部数据块提供更高的吞吐量,且通过降级读取解决暂时故障时的资源消耗更低。本文推导了SLRC存储负载和重构代价之间的对应关系,将其与RS码和LRC码的可达性能下界进行了对比,证实SLRC可以实现优于RS码的下界。针对第二个问题,建立了局部最大吞吐量（Local Maximum Throughput,LMT）和实现代价两个指标,分别衡量了系统可以满足的单个数据块在单位时间内的最大读取量和局部热数据块进行降级读取时的资源消耗。这两个指标基于读取到达率这一概念,保证了设计的合理性。本文针对多个编码参数的LRC码和SLRC码的LMT和实现代价性能进行了仿真,证实了SLRC局部热数据块存储在局部最大吞吐量和实现代价的优越性。此外,针对第二个问题中缺乏基于数据读取需求的具体参数选择算法的问题,基于实际应用场景中存储空间、重构代价和降级读取流量消耗等条件的限制,给出了不同情况下SLRC参数选择算法。分别得到了最小重构代价、最小存储负载、最小实现代价和最小综合性能评价指标条件下的算法,给出了具有可扩展能力的SLRC码字参数设计方案。本文还针对典型参数的LRC码和SLRC码进行了吞吐量和处理时延的仿真比较。