随着云计算和大数据业务的不断发展,人工智能时代下大规模新型业务量的日益增长,给现代数据中心带来了业务复杂化和流量多样化的严峻挑战。作为大数据重要支撑的数据中心,密集型应用的急速增长使得传统数据中心处理计算愈发的力不从心。而分散式数据中心（DDC）光网络架构凭借其高带宽、低能耗以及支持资源灵活调度的优点受到广泛的关注。然而,计算和存储资源分散到不同的资源群组使得网络间通信的流量需求变得多种多样,网络的传输性能和调控机制仍可能成为影响DDC内分布式应用计算性能的瓶颈。为此,本论文针对DDC中分布式应用的计算及网络需求带来的机遇和挑战,从不同角度研究了 DDC光网络资源的控制机制,并进行了设计与实验验证,主要研究内容如下:第一,本文基于DDC光网络结构完成了计算应用的性能评估。由于DDC中应用需要计算和网络传输协同完成具体的运算过程。因此,本文结合DDC内应用的通信特征和流量模型,设计并实现了面向计算应用的DDC模拟器,具体从本地内存比例和网络资源分配的仿真方案进行了详细的设计。另外,本文基于自研的网络模拟器,对计算应用进行了性能分析。仿真结果表明,同传统数据中心相比,为了满足应用级性能,DDC网络所需要提供的带宽不低于40Gbps,并且其计算资源池中的本地内存比例不低于35%。第二,本文为实现计算应用性能优化的目标,分析了 DDC网络中影响计算应用性能的瓶颈因素。网络资源的不合理分配将增加传输时延,降低吞吐量进而影响业务的整体性能。为解决此问题,本文提出了 DDC光网络资源调控机制,并基于建立的网络调控机制进行实验平台的搭建,主要包括资源分散式计算平台和基于FPGA网络接口的设计与实现,计算请求可以通过此接口访问远端内存空间,且完成了缓存区流量感知的带宽调度功能。同时本文通过对比分析,证明了网络调控对不同分布式计算框架的应用性能具有差异化的改善效果。