数字化和大数据的快速应用使得各种应用场景对存储系统整体提出了更高的要求。传统的以写为主的负载场景正在向着读密集型方向逐步偏移,尤其体现在电子商务,各大短视频应用等领域。本文从FUSE以及LevelDB这两种当下使用广泛的存储引擎存在的对于读请求不太友好的问题出发,在LevelDB和原生libfuse上层API中设计实现了一种buffer cache系统,以降低磁盘I/O的比率,从而整体提高系统响应。本文主要研究内容以及创新点主要体现在以下几点:（1）本文在充分学习了FUSE框架内读I/O的执行流程的情况下,提出了一种以数据访问频度为hint的基于热数据缓存的FUSE优化方案,在其上层API系统中设计热数据缓存及相关管理策略。为了测试优化效果,基于高层API系统设计了两种文件系统:me FS和me FS-basic,前者是加入了缓存逻辑的,而后者没有加入缓存逻辑,除此之外二者并无差别。为了测试优化效果,本文采用filebench自动化测试工具及IOzone负载模拟、测试工具对me FS和me FS-basic两种测试文件系统进行测试。经过实验测试,在顺序读取、重复读取以及随机读取三种负载之下,单盘HDD上分别可以获得最高14.4%、16.36%和17.90%的时间性能的提升,而在SSD单盘上可以分别取得6.62%、14.62%和17.90%时间性能的提升。混合负载fileserver之下,HDD单盘上优化方案可以取得4.67%的吞吐量增益、5.14%的每秒操作量的提升以及3.6%的延迟降低,而在SSD单盘上三者分别为:5.47%、5.84%和1.7%。在混合负载webserver下,单盘HDD上吞吐量增益、每秒操作量提升率和平均时间开销降低分别为:43.1%、42.11%和47.94%,单盘SSD上三者分别为:6.98%、7.14%和6.84%。（2）结合LevelDB的表cache-块cache二级缓存中存在的空间浪费以及时间开销大的问题,本文在LevelDB的内存区设计一个独立于memtable及immutable-table的对象级热数据缓存,以key为线索维护近期内系统请求最为密集的value,考虑到磁盘区表压缩、更新及删除操作对缓存系统的数据一致性及有效性造成的冲击,设计了实时监听逻辑。通过自带的db＿bench测试工具的测试,优化方案在处理随机读取时最高可以获得最高45%的时间开销的降低。