近年来,云计算、大数据、社交网络等应用已经改变人们的生活方式,成为互联网时代的标志。这些应用的共同特点是需要数据中心的支持,研究高效率、低成本的数据中心成为学术界和工业界共同关注的话题。数据中心要处理大量的用户请求,同时要处理内部服务器之间的数据交换。这些复杂的工作模式在数据中心内部服务器之间产生了大量分布不均和传输要求不同的数据流,使得网络内部容易产生局部的拥塞,降低了网络性能和用户体验效果。如何保证网络流均匀地分布到数据中心网络链路上,并且保证这些网络流在服务器之间无阻塞地传输成为保证应用性能的关键。本文的工作针对数据中心网络流调度展开研究,在当前网络拓扑结构的基础上尽可能地提高网络的可用性,并且支持用户的良好接入等。本文工作主要围绕三个方面展开：首先,在云计算系统中,通过在服务器上部署虚拟机为用户提供各种服务,这些虚拟机之间的数据通信成为数据中心网络内部通信的主要组成部分。已有的研究技术将相互之间通信量大的虚拟机尽可能地部署在相邻的位置,或者通过动态迁移来减小这些虚拟机之间的数据流传输消耗的网络资源。然而,随着各种云计算的应用的普及和虚拟机之间的交互性,虚拟机之间的产生数据流变得不规则和无法预测,相互之间通信量较大的虚拟机是无法事先预知的。如何避免这些虚拟机通信引起的带宽浪费,成为提高网络性能的重要途径。因此,设计了改进的计数布隆滤波器来检测虚拟机之间的数据通信量,可以在线实时感知虚拟机之间的大数据流。然后定义虚拟机迁移的通信开销函数,为合理的虚拟机迁移方案提供理论基础。基于虚拟机迁移的流调度算法利用虚拟机之间存在的通信量来判定虚拟机迁移的通信开销,从而寻找最佳的迁移方案,减小了这些大数据流通信对网络资源的消耗。其次,模块化数据中心利用服务器之间的冗余路径来扩展网络带宽,可以在文件传输和数据分发的应用时表现出高吞吐量。然而,云计算和社交网络的应用容易产生长度不均匀和时间突发的数据流,导致路径上容易产生拥塞,从而影响多路径传输的效率。当网络利用率比较高时,这些拥塞导致那些数据流无法找到合适的传输路径。为此,提出了一种适用于模块化数据中心网络的自适应流调度策略,当数据流产生的时候为多条备选路径的计算通信开销的函数,并利用概率跳转方法为单路径和多路径选择合适的传输路径。算法解决了多路径传输时的低效率问题,这种数据中心网络在支持混合流的要求时的缺陷。分析和实验表明算法可以改进网络的性能,提高网络接入用户的数量。最后,社交网络应用产生的数据流具有很强的突发性特征,同时具有严格的实时性要求,这些特征和要求导致当前数据中心流调度方法失效。与传统的数据中心网络数据流分布不同,社交网络的用户之间相互传递消息,共享图片和视频,这些用户产生的数据流具有不同级别的实时性要求。而服务器上的文件存储和备份等应用则产生需要高吞吐量但非实时性要求的数据流。当前的数据中心流调度方法无法适应这些复杂的流分布,容易导致网络性能和用户体验下降。基于优先级的流调度策略利用流的长度和截止期限特征来定义并计算优先级,并且基于优先级给这些流来分配合适的传输速率,在满足实时流的最小传输速率同时,最大限度的保证了网络的吞吐量,可以增加用户体验。综上所述,通过从不同角度对数据中心网络下流调度进行研究,提出了一系列策略来解决各种性能问题,可以保证云计算和社交网络的应用性能。