随着通信技术和计算机科学的发展,互联网逐渐形成以多媒体为核心的服务平台。内容分发网络和对等网络广泛应用于交互式视频点播(Video on Demand, VoD)系统的开发,以提高服务质量、增大系统吞吐量、降低内容提供商的部署成本等。尽管这两类网络具有良好的可扩展性、容灾性,但其节点组织松散,故要求必须采取适当的策略管理系统资源。用户随机的VCR操作行为以及流媒体对服务质量的严格要求加剧了VoD系统的复杂性。本文以实现高效的缓存性能为目的,研究分布式VoD系统的存储资源管理。由于用户规模的膨胀,存储资源管理已成为网络服务的关键。本文所提出的缓存策略对VoD系统的研制和发展有着实际的指导意义,对云计算等分布式系统的研究具有一定的参考价值。本文将VoD系统的存储资源分为代理缓存、服务器内存(Random Access Memory, RAM)以及客户端缓存三层,并分别针对各层的缓存特点和优化目标进行讨论,其创新性主要体现在以下四个方面：第一,本文提出了基于窗口的热度统计算法。热度是视频缓存的重要参数,它反映了用户对不同视频内容的偏好程度,并直接影响缓存策略的性能。固定周期的热度统计方法不能实时地反映用户行为的变化,本文通过统计视频数据段的请求率得到其热度。该方法能够灵活、及时地跟踪热度的真实变化。第二,本文给出了用户点播延迟期望的表达式,并提出了相应的代理缓存策略。由于VoD系统服务器节点间的传输延迟较大,在传统的缓存算法下,若点播存在大量VCR行为,用户将难以获得良好的服务体验。本文定义了视频数据段间的点播跳转概率,结合数据预取机制研究了点播的起始延迟和网络抖动延迟,给出一个较优的代理缓存策略,并通过在线调整逼近最优解。同时在代理缓存已知的情况下,我们提出了相应的数据预取算法,利用缓存和预取两种数据获取方法的相互协作,减小用户的点播延迟,提高代理缓存效率。第三,本文研究了减小流媒体服务器磁盘I/O的内存缓存策略,并建立其部分可观Markov决策过程(Partly Observable Markov Decision Process, POMDP)模型。相对于其它RAM缓存算法,流媒体系统可以利用视频的统计信息预测并调整缓存部署。我们定义了平均磁盘I/O,并提出一种简单的贪心算法,然后给出了基于POMDP的缓存策略。在该POMDP模型中,磁盘I/O被转化为Markov链的长期运行平均代价,基于观测的随机策略被用于优化该模型。第四,本文针对客户节点的不稳定特性,提出一种以二次规划为基础的客户端缓存置换算法。为了提高客户端缓存的效率,我们定义了缓存分布因子,指出了影响缓存效率的因素,并研究了视频数据段的缓存权重。然后,我们定义了可用资源分布因子,提出了用户向对等节点请求服务的源节点选择算法以及请求带宽分配策略,以尽量保障对等网络中视频内容的可用资源与用户的请求量成正比,优化客户端缓存性能。