当前,人们对存储性能的要求越来越高,闪存盘已经被广泛应用于手机、智能手表、平板电脑等移动设备中,然而其价格相比于传统的磁盘仍十分昂贵,因此如何提高闪存的存储效率一直是人们关注的重点。数据压缩作为最直观的数据缩减方案被广泛应用于各类存储系统中。但由于闪存的介质特性,数据是按照闪存页存储的,数据在被写入后无法本地更新和修改,任何对数据的修改都将被转化为新请求重新写入。这使得传统的压缩存储系统难以适应闪存存储系统,并导致读写放大等问题,无法充分发挥闪存的性能。对现有数据集进行分析想结果表明,相关块在存储系统中往往是普遍存在的,而且对实际的访问意义重大,将数据请求的关联性引入压缩系统中不仅可以解决读写放大等问题,还可以提高闪存的读写性能。为此,提出了一种基于关联感知的压缩方案（Correlation-Aware Compression,简称 CoCo）。在数据写入时,CoCo主要利用数据的相关性,将高度相关的数据压缩并存储在同一个闪存页中,提升写性能的同时避免了数据部分失效的问题。在读取时,CoCo还利用存储的相关性信息,提高了缓存和预取的效率,从而提高了系统的读性能。为了减轻CoCo中的计算开销,设计了一个轻量级但有效的数据结构来捕获相关的数据块,相比于现有的方案,CoCo可以在识别误差小于3%的情况下,减少99.8%的内存开销和97.8%的时间开销。随后,结合关联分析模块的特点,设计了 CoCo中的压缩引擎,进一步优化了系统的读写操作。最后在SSDsim中实现了 CoCo方案并进行了大量的实验和性能评估。实验结果表明,相比于现有方案和非压缩方案,CoCo平均可以减少13.7%和50.7%的读延迟,平均可以减少13.2%和25.2%的写延迟,并减少23.7%的数据写入量和39.8%的垃圾回收次数。