随着大数据、机器学习的新兴数据密集型应用的兴起，存储系统对于提升系统性能和可靠性的重要性日益凸显。同时，大规模数据中心的发展也使得存储系统在成本和能耗方面面临着巨大挑战。由于现有存储器件难以满足未来EB级数据处理的需要，新型非易失存储器(Non-Volatile Memory，NVM)受到了来自学术界和工业界越来越多的关注。与现有的基于易失存储器件和磁盘的存储系统相比，NVM存储器在集成度、能耗、存储密度、访问速度等方面具有显著优势。此外，NVM存储器可支持按字节寻址，这也使得通过细粒度访存调节优化系统性能成为可能。目前，阻碍NVM存储器在实际系统中大规模应用的主要问题是写访问延迟长和写寿命短。针对这两个问题，已有大量基于传统体系结构的优化方法。但是，这些方法往往存在软硬件开销大、无法同时针对不同问题进行优化、难以与现有商用系统集成等问题。　　针对传统NVM优化方法存在的不足之处，本文提出了一种新的优化思路，即:基于应用特性分析结果，利用NVM器件自身所具有的动态权衡特性设计动态优化方案。与传统的方法相比，这类动态优化方案具有额外硬件开销小、可同时针对多个目标进行优化、易于与现有系统进行集成等特点。本文针对通用计算系统中基于MLC PCM的主存储器性能和寿命的协同优化问题做出了深入探索，通过对器件自身特性加以利用，不仅提出了新的存储器使用寿命优化方法，同时也研究了如何实现存储器使用寿命和性能的同步提升。本文的创新点主要包括:　　1.基于写热点区域感知的MLC PCM主存储器寿命与性能平衡优化方法基于典型应用写访存空间分布特性分析结果，本文提出了一种MLCPCM主存储器使用寿命与性能的平衡优化方法。在MLC PCM存储器中，写访问延迟、存储单元状态保持时间、存储器寿命之间存在动态权衡关系。虽然可以通过牺牲状态保持时间换取写访问性能的提升，但是这也将导致存储器寿命的大幅下降。针对这一问题，本文将典型应用写访存空间分布特征与器件自身动态权衡特性相结合，提出了一种名为RRM的基于写访存热点区域感知的动态写模式选择方法。RRM可在大幅提升存储器寿命的同时不过多影响系统的性能。实验结果表明，RRM可使系统性能平均提升61.0％，仅比采用全局快写的系统低10.0％，同时使MLC PCM存储器的平均使用寿命达到6.4年。此外，通过对关键参数进行调节，RRM可以很方便地在性能和存储器寿命之间做出进一步取舍。　　2.基于写访存负载感知的MLC PCM主存储器性能优化方法基于典型应用写访存时间分布特性分析结果，本文提出了一种名为QnD的MLCPCM主存储器轻量级性能优化方法。MLC PCM主存储器的写访问延迟过长是造成系统性能下降的主要原因。QnD在保证存储器寿命前提下，利用典型应用中写访问请求时间分布不均的特性，通过感知系统写访存负载和动态选择写模式实现系统性能的提升。实验结果表明，QnD可以使系统实现平均30.9％的性能提升，同时存储器的使用寿命平均可达到7.58年。　　3.基于应用行为特征感知和存储器老化监测的MLC PCM主存储器性能与寿命协同优化方法针对典型应用中不同写访存分布特性，本文提出了一种名为RRM-QnD的MLC PCM主存储器性能与寿命协同优化方法。由于在实际应用中，写访存分布特性可能随时间的推移而发生变化，且不同应用的写访存特征也存在差异性，因此基于特定特征的优化方案难以满足真实系统的需求。通过分析不同写访存分布特征对于优化方案的不同需求，本文提出了一种优化方案动态选择方法。RRM-QnD可根据应用所表现出的不同特性动态调整优化目标，最终实现MLC PCM主存储器性能与使用寿命的协同优化。实验结果表明，与仅采用RRM的系统相比，RRM-QnD在实现系统性能平均提升9.57％的同时，寿命仅降低了3.1％，优于通过调节参数对RRM进行优化的方法。