应用了大数据、人工智能技术的车联网、物联网等新兴业务在利用数据中心服务器集群满足其计算和存储的需求时,节点间的大规模通信也对网络提供的服务质量提出了更高的要求。相比常见树形拓扑,以Dragonfly为代表的低直径（low-diameter）网络结构利用高阶数路由器有效缩短了网络直径,减少了树形拓扑中高跳数路径带来的时延。与此同时,远程直接内存存取（Remote Direct Memory Access,RDMA）技术通过内核旁路使得数据可以直接在网卡和应用之间直接传输,可以有效降低使用TCP时的传输总时延。得益于这两方面技术,数据中心网络的性能上限得以进一步提升。然而,低直径网络的路径不对称性和RDMA技术对乱序的低容忍性使得如何设计负载均衡机制对流量进行管理和分配,从而降低时延和提高吞吐,成为值得研究的问题。尽管数据中心中的负载均衡机制已经有了很多研究,但是基于树形拓扑和TCP的特征使其不能很好地应用于本文的场景。本文主要从以下两个方面进行研究:一、无损网络下的低直径网络负载均衡问题。流级别负载均衡可以适应RDMA技术无拥塞丢包和按序接收的无损（lossless）需求,但是网络中常见的统一判据难以适应不同长度的流量并且单次的流级别源路由也不能适应网络的动态变化。二、低直径网络下负载均衡机制在攻击场景下的性能下降问题。已有的负载均衡机制往往只考虑网络内均为正常的业务流量,这可能导致攻击者通过设计恶意流量极大影响负载均衡的效果。相关的防御方法依赖于设计算法进行检测或者设计“蜜罐”进行引流,没有从改进机制的角度出发,并且可能误伤正常流量或者引入额外的资源消耗。因此本文围绕基于Dragonfly网络拓扑的数据中心网络中的流级别负载均衡机制进行研究,分别提出了进一步提高服务质量的负载均衡机制策略和在攻击场景下抵御攻击的负载均衡机制策略。本文的贡献点如下:·提出了一种在部署了 RDMA技术的Dragonfly网络中以重路由机制为核心的负载均衡机制。通过利用路由器记录的已发送数据量等历史信息对网络中的流量模式和路径负载情况进行估计,选择合适的流将其迁移至相对负载较轻的新路径上,一方面修正了源路由时因流信息未知对长流的不恰当路径分配,另一方面在网络负载情况发生变化时及时地均衡流量。与对比方案相比,平均流完成时间和网络饱和吞吐方面的性能都得到了明显提升。·分析了一种影响Dragonfly网络下的流级别路由算法负载均衡性能的低速率攻击威胁,并在此基础上,提出了一种综合考虑了剩余数据量和速率的抗低速率攻击的适应性负载均衡（Rate and Remaining Data-Based Low-rate Attack-Resistent Adaptive Load Balancing,R2DAL）,通过为不同速率的流量分配权值来尽可能消除低速率攻击流对决策判据的扰乱影响。经过实验证明,改进后的负载均衡机制R2DAL可以将受害区域内平均流完成时间的上升比例最多从63.2%下降至3.7%,在有效缓解了攻击影响的同时,保证了网络正常流量的性能表现。