随着大数据存储规模的日益增长,无论日常在移动设备间进行文件拷贝,还是在数据中心内多节点间进行大量的文件迁移,都会涉及大规模文件的迁移操作。然而,传统的文件迁移方案,无论是设备间还是网络间,本质上是调用底层文件系统基于单文件的读写系统调用,从而实现文件的具体读写。因此,批量处理文件集,实际在底层文件系统对于所有文件进行串行读写操作,由于每个文件都需要存取元数据和数据I/O,从而导致大量分散且随机的I/O,导致整体存取效率下降。通过实验和形式化方法分析出传统批量文件存取机制性能低的原因,提出一种将批量文件聚合迁移的方法BFM(Batch File Aggregated Migration)。该方法的核心思想,将文件集中所有文件的元数据和数据处理流程分离,分别聚合处理元数据和数据;在此基础之上,根据文件集数据的实际存储布局,得到最合理的I/O读写顺序,尽可能合并出连续的大段I/O。据此,BFM在内核中实现了批量读写接口BFM-r和BFM-w;并设计了三个关键优化技术,包括基于地址感知的读调度,基于顺序表的统一地址管理,以及分段可靠保障机制,使BFM在保证可靠性的同时,能减少大量的离散I/O。BFM方法也拓展到节点间的数据迁移,结合聚合传输、批量确认策略,有效减少了网络通信的开销。该方法已经在广泛使用的Ext4文件系统上实现,实验证明,该方法在磁盘间和网络间的数据迁移速度分别能提升98%和432%;同时,读写I/O数量可以分别降低至21%和64%。