当前,海量终端数据以及终端对数据服务的就近访问需求正爆炸式增长,而云计算的大数据处理模式已无法满足用户对数据处理的延迟需求。因此,更靠近用户侧的边缘计算模式有望满足这种需求。另一方面,将分散、有限、异构的边缘侧资源作为一个整体资源池以提供有效服务已逐渐成为趋势。海量终端数据涌入到一个整体的异构边缘存储系统后,将会面临一个挑战,即如何在这些异构边缘节点间合理地分配和存储这些数据,以充分利用节点存储资源、均匀分配系统存储负载。此外,一部分热点数据所在的存储节点会被频繁请求,从而使这些节点访问负载过高。负载均衡能力是一个系统能否稳定和持续提供服务的关键。为了保证异构边缘存储系统能够稳定持续地对用户提供数据存储和访问服务,本文针对存储和访问负载均衡问题开展了两个方面的研究。（1）设计了一种存储负载分配方法,解决了异构边缘存储系统的存储负载均衡问题。该方法通过软件定义网络从全局视图分配存储负载。具体而言,在控制层面度量各个存储节点的异构性,并构建加权Voronoi图结构实现异构边缘节点间的存储负载均衡,使得进入系统的海量数据能够依据边缘节点的能力被均匀分配,提升存储资源的整体利用效率,并针对该虚拟结构制定了相应的转发策略。仿真结果表明,该方法相较于GRED和Chord等两类现有代表性方案具有更好的存储负载均衡效果。（2）分布式边缘存储系统面临的数据查询请求分布非常不均匀,大量数据查询会集中于少量存储热点数据的边缘节点上。这导致存储这些数据的边缘节点的访问负载量会很高,同时这些查询请求经过的网络链路和设备也会负载过高。系统访问负载不均衡会导致系统运行效率和稳定性大打折扣。为此,本文提出了基于查询请求分布预判的访问负载均衡策略,在恰当的位置为热点数据创建副本,最后针对新加入的副本制定访问规则与更新策略。通过这两种方法,可有效解决异构边缘存储系统的负载均衡问题。本文侧重于解决异构边缘存储系统的负载均衡问题,没有涉及网络传输过程中存在的其他一些问题。此外,负载均衡决策依赖于控制层面的集中式处理,但集中式处理会带来额外时间开销,故在后续实际系统完善中,这些问题将与负载均衡优化共同权衡。