مراکز داده توزیع شده در سطح جهانی فرصتی برای استقرار شبکه های اجتماعی آنلاین توزیع شده (جغرافیایی) فراهم می کند. برای داده های بزرگ تولید شده توسط کاربران ، نحوه ذخیره آنها در بین آن مراکز داده یک مسئله اساسی در سیستم ذخیره سازی جغرافیایی توزیع شده است. ارائه دهندگان محبوب OSN امروزه داده های کاربران را در هر مرکز داده مستقر ذخیره می کنند تا تأخیر دسترسی را تضمین کنند. با این حال ، روش تکثیر کامل هزینه ذخیره و ترافیک نسبتاً بالایی را به همراه دارد ، که هزینه اقتصادی ارائه دهندگان OSN را به شدت افزایش می دهد. قرار دادن داده ها براساس تقسیم بندی نمودارهای اجتماعی روشی کارآمد برای به حداقل رساندن هزینه است ، اما به اطلاعات کل نمودار اجتماعی نیاز دارد و نمی تواند تأخیر را به طور کامل تضمین کند. اخیراً ، با استفاده از تکرار پارتیشن بندی ، بهینهسازی هزینه و همچنین تأخیر در تأمین پیشنهاد شده است ، اما دو اشکال دارد: (۱) روشهای جدا شده از بهینه سازی نمی توانند به طور مؤثر هزینه را کاهش دهند. (۲) قرار دادن ماکت های استاد و ماکت های برده بر یکدیگر تأثیر می گذارد و در نهایت اثرات بهینه سازی را کاهش می دهد. در این مقاله ، ما یک روش یکپارچه بهینه سازی پارتیشن بندی و تکثیر همزمان را بدون مشخص کردن نقش ماکت مورد بررسی قرار می دهیم. ما یک طرح قرار دادن ماکت سبک (LRP) پیشنهاد می کنیم ، که بهینه سازی را بصورت توزیع شده انجام می دهد و به خوبی با سناریوهای پویا سازگار است. ارزیابی ها با دو مجموعه داده از توییتر و فیس بوک نشان می دهد که LRP در مقایسه با طرح های پیشرفته ، هزینه را به میزان قابل توجهی کاهش می دهد.