云环境下,分离式内存通过访问远程内存来解耦集群的计算资源和内存资源,提高内存利用率的同时提升了任务吞吐量。但在分离式内存系统当中,访问远端内存受到关键路径上传输开销的影响,延迟普遍较高,且基于分页的数据访问方法往往带来读写放大的问题,进一步增加了远端内存访问的延迟。研究新的分离式内存访问机制对降低数据远端访问延迟、提升大数据应用性能具有重要意义。针对分离式内存延迟高的问题,提出了基于分布式异构内存池的虚拟内存换页机制VANDI（Vast and Infinite）,并从缓存和预取两个方面对分离式内存管理进行了优化设计。在缓存机制方面,首先,通过多个缓冲队列将写操作进行异步化处理,降低了关键路径上的访问延迟;其次,在单层缓存当中构造了容量一大一小的两个逻辑缓存队列,根据数据访问的时间间隔和空间间隔更新数据状态,同时在逻辑队列中进行迁移,可以有效保留热数据,提升缓存命中率。在数据预取方面,首先,根据交换分区的读访问历史记录判断地址是否连续,以及非严格连续的情况下是否呈现出聚集性,以此预测可能的顺序访问趋势,对远端内存池中的数据进行同步预取;其次,根据缓存命中率和预取覆盖率变化情况动态更改预取触发条件,同时结合数据命中情况自适应改变预取粒度,并将预取数据和访问数据进行分级管理,采用不同的缓存替换策略,在提高缓存命中率的同时减少预取带来的缓存污染问题。实验在真实的物理机上进行,包括系统总体性能和核心策略的有效性测试。微基准测试实验结果表明,相较于单纯的远程内存换页系统Infiniswap,VANDI在顺序访问模式下带来了6.8倍的性能提升,随机访问性能提升15倍。对比带有缓存的远程内存系统Valet,VANDI仍然有1.2倍～1.5倍的性能提升。在对真实应用的测试中,VANDI相比Valet性能提升比例达到20%～80%。有效性测试也验证了缓存和预取机制对缓存命中率的提升,在zipfian参数为1.2时缓存命中率便达到95%。