随着网络技术的迅猛发展,用户对网络的使用逐渐增强,各种新兴的应用如云计算、大数据、虚拟化对网络的需求日益增大,对于网络的要求越来越高。用户希望网络带来更为流畅无卡顿的网络体验,而企业级的各种应用需要稳定高效的网络环境。为了满足对网络的各种需求,需要增加网络吞吐,降低网络延迟,尽量避免网络拥塞,为用户精准分配带宽和设置路由选择。为了满足不同用户对于网络的不同需求,网络调度就显得尤为重要。数据中心网络内部流量调度实现网络的负载均衡,最大程度地避免拥塞,降低网络延迟。数据中心之间的流量调度旨在精确地捕获用户的体验质量,协调每个数据中心的流量需求来主动实施转发策略。因此本文研究了如何在数据中心网络进行更有效的流量调度,用以提高网络吞吐量,降低延迟,提升网络整体性能,提升用户体验。本文分别针对数据中心网络内部和数据中心网络之间的流量调度进行研究。1.在第一部分,本文研究了数据中心内部如何更优地调度流量,平均负载,避免拥塞,处理网络的不确定性,如动态流量和拓扑不对称等问题。数据中心网络发展趋势将网络功能边缘化,又得利于先进的网卡技术在飞速发展,使得基于边缘部署的负载均衡得以实现。本文提出了一种部署在端上,基于众源信息的负载均衡算法MEET。MEET部署在边缘,既能利用网络的被动信息来收集网络情况,又能进行主动探测,同时以低代价来全面感知网络实际状况。再根据所搜集到的网络拥塞情况,对流量进行动态路由。在进行大规模仿真验证之后,可以得到在对称拓扑结构的情况下,MEET的平均流完成时间比Hermes减少10%,比DRILL的平均流完成时间降低了45%。2.在第二部分,本文研究了数据中心之间如何更优地调度流量。现代广域网中越来越依赖于软件定义网络来协调各个数据中心之间的网络调度。软件定义网络可以提高网络的利用率,降低网络延迟,增大网络的吞吐量。在集中式的流量工程中,可以通过调整分配网络带宽和路由选择设置的优先级来达到以上的优化目标。但是简单的优先级无法精准地为用户提供更好的体验质量。本文提出QTE,通过协调各个数据中心的流量来实施的转发策略。本文首先将最大化用户Qo E问题公式化为两个优化程序,并提出相应的启发式算法,并在Floodlight控制器的系统上进行实现,进行了大量仿真,表明QTE相较于以前的工作,并提高了45.3%的用户Qo E。