区块链对计算和存储资源的高需求严重限制了区块链的发展。特别的,在包括物联网在内的资源有限的环境中,区块链难以实现大规模应用。将复杂的区块链计算任务从物联网终端用户卸载到边缘或云是缓解终端用户计算压力的有效解决方案。云/边缘向物联网终端用户提供付费计算资源,物联网终端用户得以执行区块链计算任务而获益。因此,合理的云/边缘计算资源分配与定价对云/边缘和物联网终端用户的收益至关重要。应用纠删码技术是减少区块链数据存储冗余的有效措施,但数据存储冗余的减少会影响区块链数据的可靠性,并提高数据的读取延迟。因此,针对上述问题,本文以提高区块链的可扩展性为目标,研究基于云/边缘计算的移动区块链计算卸载问题以及基于纠删码的区块链存储优化问题,主要研究内容如下:（1）针对基于云/边缘计算的移动区块链计算卸载问题,提出了一种高效的基于迭代和贪婪搜索的资源分配与定价算法（Iterative Greedy-and-Search based resource allocation and pricing algorithm,IGS）。本文构建了一个包括云、多个边缘服务器和多个物联网终端用户（矿工）在内的计算卸载模型,云/边缘计算服务提供商（Cloud/Edge Service Provider,CESP）为物联网终端用户提供云和边缘计算资源,物联网终端用户将计算任务卸载到云/边缘计算服务提供商,以执行区块链服务。针对云/边缘计算资源管理问题,提出了一个以CESP为领导者、物联网终端用户为追随者的Stackelberg博弈模型,分析并证明了Stackelberg平衡的存在性。然后以CESP收益最大化为目标,将CESP的资源分配与定价问题建模为混合整数规划问题,提出了一种高效的基于迭代和贪婪搜索的资源分配与定价算法IGS。仿真结果表明,该算法能够有效地提高CESP和物联网终端用户的收益。（2）针对基于纠删码的区块链存储优化问题,提出了延迟感知的编码数据块分配算法（Latency-aware Encoded block Allocation algorithm,LEA）。本文在基于纠删码的BFT联盟链中,研究编码数据块的存储数量及存储位置决策问题,以在满足数据可靠性的约束下获得平衡的数据存储和读取性能。算法LEA首先求解编码数据块的存储数量及存储位置决策问题的松弛问题以及松弛问题的对偶问题,然后根据松弛问题及其对偶问题的最优解依次为每个编码数据块确定其存储数量和存储位置,最后调整得到的编码数据块存储分配方案使其满足编码数据块的存储数量及存储位置决策问题的约束条件。理论分析证明,算法LEA是ln3+2近似算法。仿真结果表明,算法LEA可以获得平衡的数据存储代价和数据读取延迟代价。