随着云计算和大数据技术的不断发展和应用,数据中心网络的规模不断扩大,网络流量也不断增加,流量特征从传统的以南北流量为主转变为以东西流量为主。数据中心网络内部的流量不断增多,可能会造成网络链路拥塞、丢包率增多等问题,从而对数据中心的网络性能产生影响。因此对数据中心网络的流量进行研究分析,对提高网络传输效率和服务质量具有重要的意义。本文从流量分类和Qo S路由算法两个方面对数据中心网络流量进行研究。本文首先研究了基于深度学习的数据中心网络流量分类方法,针对传统的流量分类方法分类准确率低的问题,提出了基于改进卷积神经网络的流量分类方法。首先对卷积神经网络的网络结构、网络参数、代价函数和数据预处理方式进行优化和改进,然后用改进的流量分类方法与现有的分类方法进行了对比和分析,结果表明改进的流量分类方法提高了对数据中心网络流量分类的准确率。本文研究了基于SDN的数据中心网络Qo S路由算法,针对数据中心网络中网络数据流在进行路由选择时存在链路状态收集困难,链路利用率低的问题,提出了基于带宽约束的Qo S路由算法。然后在利用Floodlight控制器和Mininet网络仿真工具搭建的仿真环境中对所提算法进行了仿真实验,验证了所提算法的有效性。最后,本文在以上研究的基础上设计了基于SDN的流量分类和路由选择系统,该系统由流量分类和路由选择两个部分组成。