云块存储（Cloud Block Storage,CBS）作为一种新兴的通用块存储服务,具有高性能、高可扩展性、高可靠性、通用性等优点,倍受业界关注。目前,各大云供应商都面向租户提供了云块存储服务,支持着各行各业的基础数据存储。提升云块存储系统服务端缓存效率是改善其访问性能的有效手段,但面临诸多挑战。首先,多种类型的应用数据存放在云块存储系统,其访问负载的复杂性及动态性使得已有算法的有效性难以保证。其次,在大规模云块存储系统产生大量的日志信息,现有的分析方法带来了不可接受的传输和处理开销。最后,云块存储的架构特点以及新型缓存介质的普及对缓存的优化提出了设备耐写性等方面的新要求。如何针对复杂动态的云I/O负载特征及云块存储架构特点设计合理的缓存策略是目前研究的重点。为了解决上述问题,分别从缓存分配策略、缓存替换策略和缓存写策略维度对云块存储服务端缓存进行了优化,具体而言,主要研究内容和贡献如下:为解决当前广泛采用的缓存定量分配技术中存在的处理复杂、准确性低下、额外开销大等问题,提出了基于重用率模型的云块缓存分配方案OSCA,可在较低复杂度下搜索到一个接近最优的缓存配置方案,提高了缓存服务器的整体效率。首先,提出了一种基于重用率的缓存模型RAR-CM,以O（1）复杂度计算数据重用距离,进而获取云块存储系统中每个存储节点的缺失率曲线。其次,定义了服务端缓存总访问量作为优化目标。最后,采用动态规划方法搜索一个接近最优的缓存配置方案,并根据该方案执行缓存空间的重新分配。实际工作负载下的实验结果表明,与最先进的SHARDS方法相比,RAR-CM具有更低的平均绝对误差。同时,由于提升了云块缓存的整体命中率,相对于使用等量缓存空间的平均分配方案,OSCA减少了13.2%的后端存储服务器的I/O访问流量。为缓解云块存储系统中服务端数据重用距离过大而导致的缓存低效问题,提出了一种基于懒惰剔除的缓存替换策略LEA。当缓存空间满并且发生缓存缺失时,LEA将根据懒惰条件综合比较缺失块和牺牲缓存项的缓存价值以决定是否触发替换,从而延长了有价值的数据块在缓存中的驻留时间,有效提升了缓存性能。其中,懒惰条件由两个可调的懒惰参数（K和PARA）控制,采用不同的懒惰参数可以控制数据块在缓存中的驻留时长,以适应复杂动态的负载场景。仿真实验结果表明,LEA算法的命中率不仅优于现有最新的缓存算法,而且能显著减少SSD缓存设备的写入次数。为解决当前写策略对固态盘缓存造成过多无用写的问题,提出了一种基于机器学习的缓存写策略ML-WP。通过对腾讯云块存储系统I/O日志的统计结果和CBS系统架构的分析,ML-WP通过避免向缓存写入只写数据来减少固态盘缓存的写入流量。为了准确地识别只写数据,引入机器学习方法将数据分为只写数据和普通数据两类。同时,为了提高算法准确性,提出基于数据块请求级特征的分类方法。基于分类结果,只写数据将直接持久化至后端存储,不进行缓存。实验结果显示,与业界广泛部署的回写策略相比,ML-WP将写入固态盘缓存的流量降低了41.52%,同时将命中率提高了2.61%,平均读取延迟降低了37.52%。