伴随着移动互联网、物联网和云计算等信息技术的飞速发展,数据量呈爆炸性增长,多样化的大数据应用对存储系统的性能和可靠性提出了更大的挑战。基于闪存的固态盘(Solid State Drive,简称SSD)因具有高性能、高可靠性、低能耗等特性成为主流存储设备,被广泛应用于嵌入式设备、个人电脑、企业存储系统和数据中心中。如何降低闪存的磨损写和异地更新等特征对闪存存储设备的性能和寿命的影响,成为了研究的热点。垃圾回收是固态盘内对闪存脏块进行碎片整理的算法,其效能对闪存的性能和寿命有直接的影响。传统基于回拷贝的垃圾回收算法面临回拷贝的可执行性(回拷贝是否能可靠执行)检测开销大的问题,成为垃圾回收性能的瓶颈。针对此问题,提出基于回拷贝的快速垃圾回收算法(Fast Garbage Collection,简称FastGC)。通过建立闪存回拷贝执行次数与数据失效的量化关联关系,提出了一种基于量化关联关系的回拷贝的可执行性检测算法。利用回拷贝执行次数作为可执行性的判断依据,有效减少传统回拷贝可执行性检测中的传输延迟。实验结果显示,与传统基于回拷贝的垃圾回收算法相比,FastGC算法最高可将系统读、写响应时间分别提高66.3%和44.2%。损耗均衡是对闪存块磨损差异进行平衡的算法,其效能对闪存的寿命有直接的影响。为了解决回拷贝引发的分组间磨损不均衡而导致的闪存寿命下降问题,优化FastGC算法,提出基于FastGC的高效损耗均衡算法(FastGC-based Wear Leveling,简称FastGC-WL)。分析垃圾回收过程中的数据迁移特征,设计了一种基于分组内数据冷度和擦除次数的损耗均衡策略,通过均衡每次垃圾回收过程中迁移的数据量,保证分组间的擦除次数以相同的速率增长,减少分组间的磨损差异。实验结果表明,与其他损耗均衡算法相比,FastGC-WL算法可以有效减小闪存磨损差异。