随着信息技术的发展,数据规模逐渐增加,越来越多的应用开始向数据中心迁移。在高度互联的数据中心基础设施给应用带来性能上提升的同时,这些应用也给数据中心网络带来新的挑战。如何处理数量巨大、特征复杂的网络流成为数据中心网络亟待解决的难题。通过给数据中心网络中的网络流安排合适的顺序或者分配合适的带宽等方式,数据中心网络流量调度可以实现较低的平均网络流完成时间或满足特定的服务等级协议（Service-Level Agreement,SLA）要求。现有数据中心网络流量调度策略大都以网络流的大小、宽度等静态信息作为调度依据,然而静态信息具有不能适用于所有场景和不能准确反映网络流实际持续时间的局限性。为了解决上述问题,本文提出以网络流持续时间作为调度依据的时光机器调度策略（Time Machine Scheduler,TMScheduler）。TMScheduler有两个核心组件:（1）可动态修改优先级的队列结构（Mutable Priority Queue,MPQ）;（2）考虑持续时间的最短剩余时间最优先调度策略（Time-aware Least-Attained Service,T-LAS）。MPQ通过给传统优先级队列添加修改优先级接口的方式实现动态调整优先级的功能。T-LAS能高效地利用持续时间信息进行调度,并且T-LAS中基于百分比阈值的优先级机制能灵活适用于不同网络负载。在MPQ和T-LAS的支持下,TMScheduler在收到先完成的网络流反馈的持续时间信息之后,能以发送控制消息的方式动态调节之前发送到网络中但还在队列中等待的网络流的优先级。本文分别在ns-2模拟器和真实环境中实现并测试了TMScheduler。测试结果表明相较传统数据中心网络流量调度策略,考虑网络流持续时间的TMSchduler在websearch和datamining数据集上都有接近50%的整体性能提升。T-LAS调度策略在light-tailed负载和heavy-tailed负载下获得的性能提升均能达到最优的启发式调度策略能获得的性能提升的80%左右。