近年来,网络技术的不断发展促使大数据、云计算及网络通信业务蓬勃发展,使得数据中心的网络规模越来越大,处理的网络业务数量越来越多,网络流量迅速增加,对数据中心流量调度提出了更高的要求。而传统的流量调度算法往往不能从全局出发,也没有充分考虑链路实时状态对流量传输的影响,不能很好调度现今爆炸式增长的网络流量。近些年,软件定义网络SDN（Software Defined Network）的提出,为流量调度问题的研究提供了新思路。本文通过对SDN架构的分析,借助SDN的集中控制和网络可编程的优势,收集网络链路实时状态,并考虑数据中心流量中大流需要高带宽,小流对时延敏感的特点,将链路状态和流量特征结合,利用蚁群算法对数据流进行调度,提出基于链路状态的SDN数据中心流量调度算法（DCFS-LS）。首先,对基于SDN数据中心网络中的链路状态参数进行分析和研究。利用SDN底层网络与控制平面周期性的Open Flow消息交互,完成网络拓扑结构与实时链路状态信息的收集和计算,并依据速率与链路带宽的比值将数据流分成大小流两类。其次,分析和设计基于链路状态的SDN数据中心流量调度算法DCFS-LS。通过分析链路状态参数和数据流的特点,确定将可用带宽、速率、时延和大小流类别作为流量调度算法的重要影响因素,对可以寻找全局最优解的蚁群算法进行修改和优化,用于对大小流的调度。将可用带宽设置为链路上的初始信息素,避免调度最开始时蚂蚁选择链路的随机性太强的问题。将可用带宽与链路带宽的比值设置为大流的启发函数,将时延的倒数设置为小流的启发函数,然后使用链路信息素和大小流启发函数计算出大小流选择下一节点的转移概率,指导蚂蚁为大流选择负载较轻的路径,为小流选择时延较低的路径。然后,设计和实现DCFS-LS算法的功能模块和底层网络拓扑。功能模块主要包括拓扑感知模块、网络监测模块、调度模块和流表管理模块。在Ryu控制器中,采用Python编程实现相关功能和算法部署。最后,在Mininet上进行仿真实验。从平均链路利用率、平均吞吐量和平均传输时延方面,将本文DCFS-LS算法与ECMP算法、Hedera算法进行对比分析。实验表明DCFS-LS算法在Pod间流量较多和大流占比较大的情况下,降低了平均传输时延,提高了平均链路利用率和平均吞吐量。