随着Web2.0时代的到来,云计算的兴起,大数据成为业界所关注的焦点。如何高效地处理、存储海量数据成为互联网企业最棘手的难题。Key-Value存储因其结构简单,易于扩展的特点很好地适应了这一需求。Memcached作为一款典型的Key-Value存储,在各大互联网公司中得到了广泛的应用,学术界的研究也是非常火热。由于Memcached使用Slab内存分配器进行内存管理,当负载大小特性发生变化时,无法对当前的内存分配方案进行调整,导致命中率下降,出现内存“钙化”现象。现有的解决方案都是通过内存的重新分配来解决内存“钙化”问题,但是在进行内存重分配时,这些方案对参与重分配的数据进行简单的抛弃,导致重分配后一段时间内命中率的显著下降。针对这一问题,设计并实现了一套高频数据识别与交换算法,在内存重分配之前,对高频数据进行识别,并将参与重分配的高频数据与不参与重分配的低频数据的位置进行交换,使那些对性能影响较大的高频数据在重分配时可以保留下来。算法对数据的频率信息进行收集,按照访问时间的先后顺序对访问设置相应的权重;根据负载的特性调整高低频分界线,使算法可以适用于不同的负载;在交换过程中将高频数据集中存储,降低高低频数据交换的开销,并为超高频数据专门开辟了一块存储空间进行管理,使其不受高低频数据交换的影响。实验结果表明,使用论文方案对现有的两个钙化问题解决方案进行优化后,两个方案的失效率由原来的13.2%、11.6%下降至11.5%、9.8%。响应时间由原来的142毫秒、191毫秒下降为130毫秒、164毫秒,优化效果明显。