近几年,数据量急剧膨胀,主存储系统和小型移动设备都面临着数据存储能力不足的挑战。重复数据删除技术可以有效地减少需要存储的数据量,缓解存储设备的空间压力。但是在节省存储空间的同时,重复数据删除技术会带来一定的额外开销,主要包括元数据的查找和管理、数据碎片化引起的读放大问题等,在一定程度上制约了重复数据删除技术在大数据环境下的性能和系统的可扩展性。对主存储系统和移动设备中的读写数据内容的分析结果表明,在主存储系统和移动设备上,应用所产生的数据存在着大量的冗余,但是这些冗余数据均存在着局部性现象,即数据冗余基本上存在于同种应用产生的数据中,不同应用的数据之间的冗余率很低。在主存储系统中,提出一种应用感知的重删性能优化方法AA-Plus,利用数据冗余的局部性现象将重复数据删除后的非冗余数据块按照应用类型分开存储和管理,使得同种应用类型的数据块在存储设备上的存放位置更加集中,减轻了数据的碎片化问题,缓解了主存储系统中重复数据删除造成的读放大问题。性能测试结果表明,AA-Plus显著提升了单个应用的数据块的集中程度,减少了数据的碎片化程度,提高了重复数据删除存储系统的吞吐量。在处理器和内存资源紧缺的移动设备中,提出一种应用感知的智能手机存储性能优化方法APP-Dedupe,按照应用分别管理重复数据删除的元数据缓存,根据系统需求对重复数据删除的元数据缓存进行换入和换出,减小了单次元数据操作涉及的元数据规模,减少了基于闪存的移动设备上重复数据删除的元数据缓存开销及元数据查询和修改时的系统资源使用量。性能测试结果表明,APP-Dedupe减少了手机存储系统的数据写入量,降低了应用的平均响应时间,减少了闪存发生垃圾回收操作的次数,提升了智能手机存储系统的性能和可靠性。