随着计算机和移动互联网的进一步发展，特别是近年来云计算和大数据技术的快速发展，海量的数据处理对数据的存储、访问提出了更为严苛的要求。传统的机械磁盘越来越显得力不从心，存取速度快的新型存储设备被越来越多地应用在实际应用系统中。相变存储器、固态盘这类新型的非易失的高速随机访存存储设备的相关研究，已经成为存储领域的热点，并且不断地被应用到实际的生产应用系统中。在基于相变存储器的存储系统和基于固态盘的存储系统中，利用数据精简技术进行性能优化具有重要的研究意义。　　相变存储器(PCM)的读响应速度和动态随机存储器(DRAM)相当，其低能耗、高可扩展性等优点使其具有替代DRAM的巨大潜能，但其写存储单元的机制决定了它的写响应速度较慢，极大增加了PCM的平均请求响应时间。内容感知的相变存储器系统的性能优化方法(CA-PCM)利用重复数据删除技术，对写入的数据进行分块，并计算每个数据块的指纹值，将数据块的指纹值和对应的物理地址保存在指纹表中，同时维持一张数据映射表将重复的数据块映射到对应的唯一的物理数据块地址。CA-PCM减少了内容相同的数据块对PCM的大量的重复写入，降低了PCM的写入压力，减轻了PCM本身写入带宽低、写入速度慢的问题，降低了PCM的平均请求响应时间，同时提高了PCM的使用寿命。　　固态盘具有读写速度不对称、写放大效应、有限的擦除次数等缺点。针对基于固态盘的存储系统，提出了基于动态数据压缩技术的固态盘存储系统优化方法(EDC)。数据的压缩和解压缩需要消耗系统资源和增加请求响应时延，一般是压缩比越高的压缩算法消耗的系统资源越多、压缩和解压缩时间越长。该优化方法实时监测系统当前的资源使用情况以及I/O负载压力，动态地调整使用对应缩率的压缩算法对写入数据进行压缩，在不影响系统的服务能力和请求响应时延的情况下，使固态盘存储系统的使用寿命和存储空间利用率达到最大化。基于多种不同负载的测试的数据结果很好地证明了该优化方法的有效性。