随着计算机技术的飞速发展,数据资源共享的极大便利,数据的来源及其安全性受到了越来越多的关注。数据起源记录数据的产生和发展过程,可以对数据追溯和重现。因此数据起源在数据重建上有着得天独厚的优势。但起源数据的开销随着数据增加而倍增。尤其是在文件重建上。起源重建方式细粒度记录着溯源(元数据和环境信息)和数据(实际文件写入数据),因此溯源中存在大量冗余,数据中小数据较多,额外开销巨大。重建时通过溯源“回放”的方式对文件重建。这导致重建的过程较为繁琐,重建开销大。本文针对以上问题提出两种应对策略。本文主要工作和创新之处如下:(1)一种起源重建过程中自适应合并存储策略。为了解决起源重建过程中,细粒度收集到的溯源信息存在大量冗余的问题,数据信息存在大量小数据的问题。本文提出了一种起源重建框架下的自适应合并存储策略。该策略通过对溯源信息进行类字典编码压缩,删减溯源信息中的冗余。对数据信息中的小数据进行自适应合并存储:将数据中的小数据根据溯源的相关性合并存储。由于使用了定长键值数据库,同时减少了溯源和数据的存储开销。在重建查询数据时,提升数据查询速度。经实验表明,该算法相比直接存储数据能够减少50%的存储开销,15%的重建查询开销。(2)一种起源重建过程的选择性重建策略。现重建方案利用溯源对文件“回放”,文件是由若干条溯源和数据组成的,文件每加入一条数据被称为文件的一个版本。文件的产生和发展是不断添加或删除数据,因此存在很多版本文件。当前方法重建文件时,从文件创建时开始溯源回放写入数据生成目标版本文件,删除现存的或重建中间生成的差异版本文件。这忽略了差异版本文件之间存在着相同数据。本文针对上述情况提出了一种选择性重建策略,通过查询文件是否存在差异版本来选择性重建文件,当存在差异版本,选择性重建方法计算溯源,查询所需文件和现有文件之间的差异,并利用差异选择性修改现有文件,达到重建文件的目的。通过和现有重建策略相比,存在差异版本的选择性重建方法,有效减少了重建的数据量,减少60%以上的重建文件的时间,提升了重建的效率。