随着现代社会的数字化变革和互联网的飞速发展,大数据和云计算等新兴技术在推动数据中心建设的同时,也给数据中心带来了呈爆炸式增长的网络流量。来自新业务的数据流量导致了数据中心网络流量特征的变化,给传统数据中心网络带来了新的问题与挑战。为了解决数据中心机架内庞大的“东西向流量”给机架顶交换机带来的端口拥塞以及带宽敏感型业务和时延敏感型业务混合传输导致各自的QoS需求得不到满足的问题,论文提出了数据中心机架内基于流识别的光电混合网络结构,通过对机架内流量信息的采集和分析,动态地将需要较大带宽的大象流调度至光交换机,对时延敏感的老鼠流调度至机架顶交换机,充分发挥电分组交换和光时隙交换各自的优势,更好地支持新的业务。同时机架顶交换机的负载得到大幅度减轻,网络整体通信质量得到提升,且具有更好的可扩展性,减少数据中心的能源消耗。为了使论文提出的机架内光电混合网络结构具有实用价值,论文设计了基于Intel DPDK的集中控制器与机架内服务器和光交换机的光电混合网络协议,包括各模块间的通信过程和报文结构,并在此基础之上,重点研究了光时分复用系统中的时隙规划问题,针对此场景提出了动态时隙分配算法,保证了被调度到光时隙交换网中的大象流能够无冲突地通过光交换机进行传输,优化了时隙分配速度,能够有效地支持细时隙粒度和高吞吐量的流调度,且时隙分配具有连续性,减少了光交换的链路切换和时钟与数据恢复开销,提高了网络利用率。仿真结果表明,与传统数据中心机架内网络结构相比,大象流的传输完成率提升了23%,老鼠流的传输时延减少了 17%,有效地优化了网络性能,可以更好地支持数据中心内的各种业务。