随着大数据(Big Data)的应用越来越广泛，社会对信息存储的需求在不断地增大；而且随着存储技术的发展，存储系统架构和存储系统软件都变得复杂多样；此外，应用环境，存储的数据也越来越复杂多变；因此，存储系统的管理测试，性能优化等工作变得异常困难和重要。存储系统的性能测试，文件系统元数据管理等方面的研究，都需要大量的负载数据，但数据来源多是以前的trace数据集，这些数据集通常存在数据信息不完整，各种操作混合的问题；而且，现公开的trace数据集缺少相应的文件系统元数据的镜像数据。另外，目前还没有针对大数据应用环境下的可用trace数据集。针对以上问题，提出了一种基于统计分析的采用自相似性模型的trace数据集构建方法。该方法能够生成精确的可重现的文件系统镜像，并能合成相应的大规模的，可定制的文件系统动态负载数据集。文件系统trace负载合成系统通过对实际trace数据集的统计分析，得出动态属性的负载模型并加以评估，用文件系统镜像生成引擎生成文件系统的镜像，用动态负载生成引擎采用自相似模型方法(Self-similarity)来合成动态的可定制的动态负载数据集。实验结果表明，提出的方法能精确地生成文件系统镜像负载；合成的trace数据集的时间到达模式(Arrival Pattern)具有非常高的自相似突发性，其自相似性参数H几乎接近1；而且合成I/O负载的访问模式(Access Pattern)具有较好的突发性和时空局部性。此外，该方法能合成自适应的动态trace数据集。