针对传统序列模式挖掘（SPM）不考虑模式重复性且忽略各项的效用（单价或利润）与模式长度对用户兴趣度影响的问题，提出一次性条件下top-k高平均效用序列模式挖掘（TOUP）算法。TOUP算法主要包括两个核心步骤：平均效用计算和候选模式生成。首先，提出基于各项出现位置与项重复关系数组的CSP（Calculation Support of Pattern）算法计算模式支持度，从而实现模式平均效用的快速计算；其次，采用项集扩展和序列扩展生成候选模式，并提出了最大平均效用上界，基于该上界实现对候选模式的有效剪枝。在5个真实数据集和1个合成数据集上的实验结果表明，相较于TOUP-dfs和HAOP-ms算法，TOUP算法的候选模式数分别降低了38.5%~99.8%和0.9%~77.6%；运行时间分别降低了33.6%~97.1%和57.9%~97.2%。TOUP的算法性能更优，能更高效地挖掘用户感兴趣的模式。

最大距离可分（MDS）码中校验块均为全局校验块，重构链长度随着存储系统规模扩大而增长，重构性能逐渐降低。针对上述问题提出一种新型的非最大距离可分（Non-MDS）码：局部冗余混合编码Code-LM（s，c）。首先，为缩小重构链长度，任意条带单元组内只有局部校验块，分别为组内水平校验块和水平对角校验块，并设计了局部冗余混合编码的校验布局；然后，根据不同校验块的生成规则，设计了失效数据块的4种重构方式，不同失效块的重构链具有公共块；最后，根据两个故障磁盘所在条带单元组距离不同，将双盘故障分为3种情况，并设计了对应的重构算法。理论分析和实验结果表明，存储规模相同时，与RDP相比，Code-LM（s，c）的单盘重构时间和双盘重构时间可减少84%和77%；与V²-Code相比，Code-LM（s，c）的单盘重构时间和双盘重构时间可减少67%和73%。因此局部冗余混合编码可支持故障磁盘快速恢复，提高存储系统可靠性。