基于对象存储系统中,元数据存储量小,但是访问量大且管理复杂,元数据服务器在整个对象存储系统中占据重要的地位。现有的负载平衡策略中,当需要选择服务器存储热点数据副本时,主要是采用计算服务器权重,选择最大权重的服务器的方法。本文对此方法进行了优化,主要是把服务器的可用带宽融合进权重值计算中,这样服务器的权重分子包括服务器的CPU、内存、硬盘和可用带宽,并且在基于服务器权重的基础上,以此服务器在所有可用服务器中所占比值对应的概率对服务器进行选择,这样使服务器各尽其能。此策略也可以应用在用户选择服务器发送请求的情况,减小拥塞的可能性。通过理论分析得出:相同条件下,采用本文提出的优化策略使得用户的平均等待时间较短。元数据信息的快速查询,也元数据管理的重点。本文作者在研究TBF (Two-level Bloom Filters)的基础上提出了用于多属性元数据快速查询的双层体系结构DBF(Double-level Bloom Filters)和基于分组的延迟更新策略GDA(Group-based Delayed-update Approach),在双层体系结构DBF中,通过在每个属性Bloom Filter后面增加存储单元用以暂时存储属性更新信息,对属性查询进行验证以避免属性更新延时产生错误查询。GDA策略的思想:时间段T内,属性更新操作并不是立即执行,而是将更新信息暂时存储在存储单元中,时间段T过后,统一执行各组更新操作。GDA配合DBF中的确认验证机制,在不会附加错误查询的前提下大幅度的减少了属性更新所需要的操作,从而能够有效地减小系统更新开销。本文作者还提出了“边-数量”更新策略(“Edge-Numbers”Algorithm),在解决DBF中因共享边不能同时为环或链做消减操作而产生的更新冲突的同时,最大限度的减少消减操作次数,提高更新效率。模拟实验结果表明:延迟更新策略能大大减少属性更新所需的操作。