随着云计算技术的不断成熟，数据中心也随之发展。现在的数据中心已经不仅是一个简单的服务器统一托管、维护的场所，它已经演变成一个集大数据量运算和存储为一体的高性能计算机的集中地。但随着数据中心规模的不断扩大以及碳排放量和电费的不断激增，数据中心的能耗问题也日益突出。为了能够降低数据中心的能耗，人们先是花费大量精力在降低数据中心的服务器能耗、支持IT设备的电力系统能耗和制冷设备能耗上，但随着数据中心中的服务器和制冷设备在能源消耗上变得越来越有效率，数据中心网络设备（比如交换机）消耗的能源量却在不断增加。尤其是最近两年，e-science研究变得越来越热门，数据中心中需要进行大数据处理的任务变得越来越多，数据中心服务器之间的通信量已经远远超过与用户的交互量，并有继续增大的趋势，这就使得如果能够通过有效地为每个任务选择处理服务器并为任务之间的数据传输选择好路由，就可以有效地提高数据中心资源的利用率从而将不在工作状态的设备关闭，最终达到节约能耗的目的。因此，从数据中心网络调度层面上降低能耗已经变得越来越有意义。本文主要针对工作流应用，研究如何在满足用户截止时间要求的前提下，通过有效地网络调度来最小化数据中心的能耗。网络调度主要包括为工作流应用中的每个计算任务选择服务器资源以及为每个传输任务选择路由并分配带宽资源。由于云工作流应用的不断增多使得数据中心服务器之间的数据传输变得越来越频繁，而数据中心的现状又需要在非峰值时间段关闭数据中心内大部分的空闲资源，只留下一部分以应付突发情况，所以传统的任务资源匹配算法只考虑处理能耗就已经显得过于片面。基于上述问题，本文首先针对数据中心的树状拓扑，提出了一种改进的能够最小化工作流应用完成时间的调度算法，它有效地避免了路由数过多造成的时间复杂度较高的情况；然后根据用户定义的截止时间与最短完成时间之间的时间冗余，针对云工作流应用的特点，提出了一种新的启发式节能调度算法（EBS），它能够在满足用户截止时间要求的前提下，最小化数据中心的总处理能耗；最后在不同的工作流模型、不同的数据中心资源配置和不同的网络负载情况下对EBS算法的性能进行了仿真验证，仿真结果证明了算法的有效性。