近年来,云计算、大数据分析的应用发展迅猛,云数据中心是支撑它们的重要基础设施。在云数据中心中,云计算和大数据分析相关的数据主要在数据中心内部服务器和存储系统之间传输,消耗了大量的网络带宽资源,对数据中心网络拓扑结构和带宽资源分配带来巨大挑战。本论文旨在通过对云数据中心内部网络流量特征和网络资源消耗的分析,利用SDN网络全局状态感知、动态策略部署的优势,实施网络流量负载均衡策略,来优化云数据中心中带宽资源的分配和利用,提升网络服务性能。论文主要开展的工作如下:（1）研究了基于SDN的云数据中心的网络流量特点。通过对云数据中心网络结构、流量特征的分析,总结出云数据中心流量构成和传输范围的特点;讨论了SDN技术在云数据中心的资源虚拟化、动态地弹性调配网络资源、敏捷灵活地部署网络流量控制策略等工作中的技术原理和发挥的作用。从而归纳出基于SDN的云数据中心网络流量控制和管理的总体思路和方法。（2）提出了一种面向云数据中心的软件定义负载均衡策略SDLB。以典型的胖树结构云数据中心为研究场景,分析云数据中心网络内部流量特征,筛选消耗主要带宽资源的大象流,综合链路距离和链路带宽利用率两大因素,以SDN控制器为策略控制中心,感知全局链路状态,确定负载均衡策略,并将策略部署到相应的交换机,实现对大象流的重路由,达到整体流量负载均衡的目的。（3）提出了一种基于PSO的大象流重路由算法EFRA。利用PSO简单、快收敛的优势应对负载均衡时的实时路由调整,在大象流重路由计算时引入路径距离和链路带宽利用率两个约束条件,使用随机惯性权重因子改善PSO算法求解全局最优解的能力,从而获得恰当的大象流重路由求解。（4）通过Mininet仿真平台构建典型胖树结构云数据中心的实验场景,对SDLB策略以及EFRA算法进行实验验证,并与等价多路径ECMP路由算法和全局首次适应路由算法GFF进行了比较。结果显示,论文提出的SDLB策略及EFRA算法能够有效改善云数据中心的负载均衡性能,提高网络吞吐量、平均对分带宽等网络性能指标。