随着信息时代的发展,数据规模迅速扩张,更多的企业选择将业务部署到分布式集群上。然而分布式存储系统的资源是有限的,因此根据系统的存储能力为不同的用户制定合理的服务规则是非常重要的。分布式存储系统面向用户的服务质量（Quality of Service,Qo S）技术大多是在发送端来直接实施I/O限流的,然而这种方式并不能感知系统存储节点的资源使用情况,因此难以保证在各种应用场景下所有用户的性能需求。另外,现有的部署于分布式存储系统服务端的Qo S技术,没有考虑到请求对象在集群节点上的非均匀分布特征,同样难以满足用户个性化的性能需求。针对集群存储节点资源难以满足所有用户的性能需求上限时,部分应用的性能会受到更大冲击的现象,提出了一种面向用户的分阶段自适应Qo S策略（R＿scheduler）。R＿scheduler通过将令牌桶算法部署在存储端队列,并通过设计客户端协调器实现了面向用户的多节点资源分配。为提供Qo S下限保障能力并且更加充分的利用存储资源,R＿scheduler通过监测存储节点上用户性能的保障情况,将资源的分配划分为三个阶段,分别为快平衡、慢增长和重平衡阶段,同时位于存储节点的资源调度器将根据资源分配所处的阶段自适应地调整用户队列实际的令牌生成速率。针对系统异常触发数据恢复流程时,用户性能高违约情况和难以保证系统可靠性的问题,提出了一种基于数据恢复感知的Qo S保障策略（Qo S Guarantee Technology based on Recovery Awareness,QGTRA）。QGTRA通过设计一个监控模块来感知当前存储节点上的数据恢复I/O和用户I/O的访问频度,由数据调度模块动态调整数据恢复请求所占用的资源,从而保障用户性能,并且提升系统可靠性。实验结果表明,系统正常运行时,R＿scheduler能够很好的将所有用户的实际运行性能稳定在其Qo S的下限和上限目标值之间,且误差不超过3%;在系统故障后数据恢复时,在规定用户需要完成一定量的读任务后,R＿scheduler和QGTRA不仅能够保障用户最低性能需求,而且数据恢复时间缩短了9.5%～35.9%。