随着大数据时代的到来,面向大数据的存储系统纷纷出现。不断增长的数据量,使得集中式元数据管理系统的负担越来越重,逐渐成为大数据存储的瓶颈。为此,人们提出了多种分布式元数据管理方法,但由于元数据的结构类型复杂多样,目前尚没有一种方法能够同时改善元数据管理的性能和扩展性。提出了一种文件路径和属性信息分离的分布式元数据组织方法。将元数据组织成目录索引和元数据属性信息两个部分,通过构建目录索引,将元数据以目录或小于目录为单位划分到不同的桶(Bucket)内,再根据元数据服务器集群的负载情况将桶指派到不同的元数据服务器上。方法利用目录索引和桶提高元数据的管理性能;通过构建目录索引时考虑集群负载情况,实现元数据管理的可扩展性。此外,提出基于该方法的元数据位置缓存策略,策略解决了位置缓存信息不一致的问题,缩短了元数据管理的流程。测试结果表明,提出的方法能获得较高的管理性能,特别适合高并发的情况;具有良好的可扩展性和较好的访问局部性,而且可以不限制目录的大小;避免了重命名元数据造成的不必要的迁移。与集中式元数据管理方法对比,方法采用单一元数据服务器时,元数据的创建、查询等操作性能都有了数倍的提升。