视频流媒体系统中，视频数据的缓存策略影响到用户的体验质量。由于各个视频的热度存在差异性，对视频数据缓存时，对热度高的视频需要生成副本并进行副本缓存，对热度低的视频则要进行副本的删除与替换。目前视频数据副本缓存的方式有部分缓存和完全缓存两种。部分缓存能够在存储空间有限时，存储更多的视频数据，但是缓存的视频不完整，应用时没有缓存的部分需要从源服务器再次传输，易造成I/O瓶颈。完全缓存缓存完整的视频文件，由于视频文件数据量大，所能缓存的视频数目有限。论文结合两种缓存方式的特点，研究视频副本数据部分缓存和完全缓存相结合的混合缓存策略及相关技术来提高系统的性能。论文具体的研究工作如下：（1）副本生成方面，首先提出一种基于视频时长的自适应前缀分割算法。仿真结果表明，相对于固定前缀缓存算法，自适应前缀缓存有效提高了视频点播的命中率。然后提出了一种基于Last-k时间段的副本热度预测算法，根据预测的热度值，更加精确的计算各个视频所需的副本个数。（2）副本放置方面，首先提出一种基于加权熵的最优存储服务器的选择算法。相比于Round robin，最小负载优先，最小连接数优先等算法，所提算法同时综合考虑了存储均衡，热度均衡，带宽均衡三个方面的因素，实现了系统性能的综合最优。然后在存储空间不足时，提出一种基于时间窗阈值和视频容量的平滑删除策略，综合考虑了视频副本的放置时间，副本的容量，热度变化波动性。在存储空间一定时，平滑删除替换能有效避免因热度波动性带来的误删，保证了用户的点播体验。（3）在上述研究成果的基础上，论文提出一种基于自适应前缀副本和完全副本的混合存储策略。最后对混合策略下副本的生成，放置，缓存替换进行了系统仿真实验，结果表明本文提出的策略和方法从多个方面提高了系统的性能，改善了用户的体验质量。