在云计算时代,大规模部署虚拟化与云计算催生了以工作负载为中心的下一代数据中心网络,数据中心将成为我们应用和数据交付的关键中心。但是运行大规模的数据中心会消耗大量的能量,研究表明目前的数据中心的利用率一般保持在5%到20%,大量的服务器常处于空闲状态,空闲状态的服务器功耗也超过满负载情况下的50%,因此如何高能效地运行数据中心是一项非常重要的研究课题。如何以新观点来解决网络在新应用下的挑战呢?控制层面与数据层面分离的软件定义网络(SDN, Software Dedifined Network)为人们提供了新思路和新方法。云计算网络由于各端实体间资源调度和业务需求,在网络设备和网络链路上存在巨大的网络流量,这些网络流量主要由控制流量和数据流量构成,但相对于数据流量,控制流量仅仅占很少比例。由于不同的需求目的,控制流量和数据流量在云计算网络中所通过的路径并不相同,但云计算网络为了传输这些流量,相关设备甚至是所有设备必须时时运行以保证网络的连通性,这就是现有网络高能耗低效率的主要原因之一,也是现有网络体系结构设计存在的主要问题。SDN作为一种网络创新架构,对整个网络集中分析处理,实现了网络虚拟化功能,将控制层面与数据层面分离,使得原来的路由器不再进行路由学习,只进行数据转发,从而可以灵活控制网络流量,解决了云服务在骨干网传输时的带宽瓶颈,促进云计算更广泛地发展。首先,本文简单介绍了控制层面与数据层面的功能以及控制层面与数据层面网络的功耗与能效参数,研究控制层面与数据层面的能效分离理论。针对基于能效优先的控制层面划分,本文以最小化控制层面功耗为优化目标,根据控制层面与数据层面抽象关系,建立传输网络控制信息的整数线性规划(ILP)数学模型,提出了高故障恢复性控制层面能效分离算法(FRCS)。为了简化算法复杂度,以控制层面Hamilton最优圈以及网络代数连通性为算法终止条件,循环迭代求解能耗最低的控制层面拓扑。其次,针对能效优先的数据层面网络划分理论,以数据层面能效为目标,利用现代图理论构建传输网络数据信息的ILP数学模型,提出了最大流传输的数据层面能效分离算法(MMFDS)。针对传统算法对多路径约束困难的问题,本文提出了基于路径的解决方案,并且为了提高数据层面网络能效,以路径跳数为限制条件,对于每次端到端请求建立最小比特能耗的流量传输路径,达到高能效数据层面网络划分的目的。最后,针对能效优先的控制层面与数据层面的网络分离方法,本文通过控制层面与数据层面网络的协同能效传输,以最小化网络能耗为目标,提出云计算网络控制层面与数据层面能效分离机制(EECDS)。根据网络请求,实时建立控制层面链路利用率矩阵,关闭低负载链路控制链路功耗并对流经负载较低的链路的流量进行重新分配,保证数据层面流量的无故障传输,构建控制层面与数据层面能效分离机制。