大数据、人工智能、区块链等新兴技术的快速迭代,正在加速全球数字化转型。数字化时代基于数字、面向数字的数据量呈指数级增长,导致数据存储及索引技术面临巨大挑战。而现有的数据存储技术存在难以扩展、硬件成本高、数据有效连通性不足等问题,难以满足数字化时代海量数据的存储和索引。为此,本文基于16-bit Trie树结构提出了一种数据压缩存储结构,并完成对数据快速索引和排序,具体研究内容如下:首先,基于16-bit Trie树结构提出了一种16-bit Trie树压缩结构,该结构引入动态数组和词缀压缩方法优化了Trie树的空间性能。对内存进行分类管理,失效的空间不直接释放,而是回收到相同类型的内存块中等待继续使用,不仅解决了动态数组频繁申请、释放内存产生内存碎片的问题,还提高了系统内存分配速度。实验结果表明,与16-bit Trie树结构相比,16-bit Trie树压缩结构的构建速度快了1.4倍;与红黑树相比,构建速度提高了21%左右;与B+树相比,构建速度加快了25%。在此基础上,本研究实现了一种支持快速检索的16-bit Trie树压缩结构的索引算法,该算法结合了快速索引和高效空间的双重优点,可以共享字符串前缀,具有高效的查询效率,其时间复杂度为O（n）,n表示字符串的长度,使用词缀压缩方法可以在保证结构紧凑的同时提高数据查询效率。实验结果显示,与16-bit Trie树索引算法相比,16-bit Trie树压缩索引算法节约了3.7倍的空间,索引性能提高了25-30%;与红黑树相比,16-bit Trie树压缩索引算法尽管空间效率降低了18-25%,但是索引速度快了40%;与B+树相比,16-bit Trie树压缩索引算法花费几乎相近的空间,索引速度提高了25%左右。最后,本文基于16-bit Trie树压缩结构提出了一种高效的排序算法,该算法包括16-bit Trie树压缩结构和有序链表两个部分,通过树形结构保存了数据的有序位置,再借助Trie树减少比较次数完成数据排序,不仅实现了边构建边排序,而且支持数据动态添加,在降低数据稀疏性的同时保持了排序效率。实验结果显示,传统Trie树支持数据动态更新,但通过遍历Trie树的方式完成排序耗时较多,快速排序算法在数据动态增加时效率很低,16-bit Trie树排序算法支持数据动态更新,排序时间明显少于传统Trie树,优于快速排序,这表明16-bit Trie树排序算法在处理大规模动态数据时具有突出优势。