得益于三维堆叠、多级存储单元等技术的进步,闪存存储密度快速提升,基于四级存储单元闪存的固态盘（Quad-Level Cell Solid State Drive,QLC SSD）成为主流存储设备之一。然而,一方面I/O负载的多样性和复杂性导致盘内缓存效率低下;另一方面QLC闪存容量的提升带来了闪存页间差异、读写性能差异加剧和寿命衰减等问题,导致QLC SSD无法满足应用的需求。结合I/O负载特征和QLC闪存特征对SSD内缓存算法进行优化,是提升SSD性能和寿命的关键,具有重要价值和意义。在QLC SSD内部,包括四种不同类型的闪存页（NAND Page,NP）1-4,不同闪存页的读性能差异最大可达4.8倍,传统读缓存策略因没有感知不同闪存页差异特性而效率低下。针对该问题,提出闪存页类型感知的读缓存算法PACA。通过将读缓存（Read Cache,RC）划分为4个区1-4,建立44))与44))间的对应关系,依据闪存页特性在运行期间动态调整44))的容量大小,优先缓存高热度数据和高延迟页中的数据,从而获取最大的读缓存收益。基于FEMU仿真器进行实验,实验结果表明,与传统未感知闪存页类型的缓存算法相比,基于PACA算法构建的固态盘平均读延迟最高可降低44.5%。针对固态盘内缓存效率低下的问题,提出I/O负载特征感知的读写缓存分区算法BDP。根据用户指定参数及闪存磨损状态设置写缓存最小占比,以保障固态盘寿命;通过周期性监测读、写缓存的收益,并依据I/O负载特征自适应调整读、写缓存分配比例,提升数据缓存收益。实验结果表明,与读写混合缓存算法相比,BDP算法读写请求的平均延迟最高降低46.1%;与读写静态分区缓存算法相比,BDP算法读写请求的平均延迟最高降低25.5%。为进一步优化固态盘寿命和性能,将PACA与BDP算法相结合,提出闪存页类型和I/O负载特性感知的QLC固态盘数据缓存算法HCA。通过有效兼顾读缓存内部、读写缓存之间的资源分配,使数据缓存收益最大化。实验结果表明,与读写静态分区缓存算法相比,HCA算法读写请求的平均延迟最高降低57.17%。