区块链是分布式的数据存储系统,共识算法为区块链实现安全存储数据提供支撑和保障.Kafka作为共识算法中的一种,其高吞吐速率、低时延的特点受到青睐.但使用Kafka算法的系统接受大量交易时,易产生数据倾斜,即分布式系统的多节点结构中,大量数据集中在少数节点,导致系统资源被占用、性能下降.为解决上述问题,本文提出基于时间序列模型长短期记忆网络(LSTM)的智能优化方法.通过学习过往生产者接收到的交易量,预测下一时刻面临的交易量,动态调整生产者节点数量,减少数据集中在少数节点的情况.实验结果显示,本文方法可以将Kafka系统时延降低　2～3　倍,吞吐速率提升2～3　倍,与优化前相比系统效率提升52.62%,比2　种传统优化方法分别提升近3%和40%,能耗仅小幅提升,系统使用情况保持更加合理.