随着互联网的进一步发展,网络中传输的数据量也发生了爆炸式增长。在全球范围内,内容分发网络（Content Delivery Network,CDN）承载了海量的网络流量,其带宽成本也越来越高。因此,在不降低服务质量的前提下,CDN服务提供商也越来越需要通过网络流量的分配策略节约流量带宽成本。在实际CDN系统中,流量成本计算通常采用95计费策略,即根据一个月的流量曲线中第95%大的流量值计算费用。然而,相对于根据流量曲线的最大值或者平均值的费用计算方法,95计费的非线性决定了系统所需流量分配策略更加复杂。另一方面,CDN是由多层次网络结构组成的复杂系统,其流量调度可以划分用户流量在集群间的调度和在集群内的调度等多个层次。考虑到对外的流量成本主要来自于集群向用户提供的内容缓存服务,本工作针对用户的内容请求在集群之间的宏观分配比例开展研究,目标是最小化在95计费下的总带宽成本。具体工作如下:·从理论分析的角度出发,我们先建立了 95计费下CDN流量调度的离线问题模型,并证明了该问题是NP-complete问题,也给出了该问题的在线情形的确定性算法的竞争比下界。·在离线问题中我们进一步开展了研究,然后提出了简化情形下（只有两个CDN节点）问题的多项式算法PeCo-2。然后引入节点组合的思想将该算法拓展到一般情形,并提出了 PeCo-N和PeCo-Huffman方法。·在在线算法的研究中,我们引入了更多的关于现实系统的考量。大规模CDN系统的算法部署需要考虑到流量分配的过程存在的分配粒度和分配偏差,同时未来的流量序列也并非是已知的。引入神经网络,我们提出了流量特征预测方法CRNN,并在此基础上提出了一种纳入了上述考量的在线算法,OnTPC。·基于来自大型商业CDN系统的数据集,我们将离线和在线算法与以往的策略进行了对比。实验结果表明,PeCo-N、PeCo-Huffman和OnTPC算法的平均性能都优于最先进的基准算法,其中OnTPC改进了 1.29%分位点的平均性能,相当于每月为我们的CDN合作者节约上百万美元。