内存访问延迟是现代大多数应用程序的性能瓶颈之一。数据排布优化通过改善程序访问缓存的局部性行为来提升程序的访存性能,是提升缓存利用率的有效方法之一。现代大多数访存密集型应用程序中存在较多的结构体数据,结构体的访存性能已成为该类程序性能提升的关键因素。设计有效的结构体排布优化方案,能够提升缓存的局部性性能,对程序的性能优化十分有意义。本文基于结构体的数据排布优化对缓存性能提升进行研究,主要工作内容如下:（1）针对结构体字段访存行为分析的问题,建立一个结构体字段访存的时空模型。首先根据字段访存的统计信息,将结构体的字段进行冷热分离。然后通过结合热字段访存的时间戳信息和其在缓存中的空间信息来统计热字段之间的相关访存次数。最后基于Apriori算法和周期校正的动态时间规整方法计算热字段之间的访存行为相似度。（2）针对结构体排布优化方案的选取问题,设计及实现基于访存轨迹的缓存性能建模工具。基于动态检测生成的程序访存轨迹信息,对程序的缓存行为进行建模,以比较不同参数下的优化方案的缓存性能,进而根据优化目标选择最合适的结构体排布优化方案。（3）针对结构体的字段重排优化问题,提出一种基于Louvain聚类的结构体字段重排算法。首先根据结构体热字段之间的相关访存计数以及访存行为相似度构建Louvain社区。然后通过对热字段的多次社区检测,形成最终的重排分类方案。最后考虑到结构体字段对齐对缓存性能的影响,对重排方案的每个分类进行对齐优化。（4）针对结构体的拆分优化问题,提出一种基于字段访存时空模型的结构体拆分优化算法。依据字段的访存时空模型,结合近似最优分割的思想,实现一种启发式的结构体拆分优化算法,以生成结构体的拆分优化方案。针对不同的拆分场景,分别实现指针索引优化和内存池化优化。与前沿的结构体拆分优化方法对比,进一步提升优化性能,基准程序的平均运行时间加速比达到1.37x。综上所述,本文提出新的结构体排布优化模型和算法,并在公开的基准程序上取得显著的优化效果。