随着大数据和移动计算的飞速发展,很多网络服务供应商都构建了数据中心,组织大规模的计算和存储资源,提供Web搜索、云存储和社交网络等在线应用服务。而数据中心作为一种新型的的网络应用服务基础架构,连接大量的服务器集群,为各种应用提供海量数据的网络计算、存储和传输服务。　　在现代的数据中心,传统TCP协议无法感知截止时间的拥塞控制机制导致许多最后期限敏感的数据流无法在截止时间之前完成传输。所以,数据中心应用服务商为了提升用户服务质量,都在追求高最后期限满足率。在分散/汇聚的特殊工作模式下,各个底层工作节点对同一请求所需的反馈响应时间相似,且这些反馈响应流的截止时间相同,流大小相似。这就会导致相似优先级流相继错过最后期限,我们称之为优先级同步现象。　　本文设计了最后期限可感知的基于最高优先级的降速机制HPD,旨在缓解优先级同步问题的同时,最大化最后期限满足率需求。该方案借用汇聚处交换机的位置优势掌握全局信息,通过对所有在传数据流的资源需求进行计算分析,当发现链路资源出现供不应求的情形时,适当按照优先级从高至低的顺序选择部分数据流进行标记降速。降速后,其余数据流将获得更多的链路资源。　　由于HPD方案会过度抑制部分工作节点的数据流,导致其损失因子随着节点数目的增加而增加,服务质量无法得到保证。并且其极具侵略性的降速行为会导致矫枉过正的结果。于是,我们在HPD的基础上设计了一套基于优先级的概率降速方案P2D,该方案同样借用汇聚处交换机的地理位置优势掌握全局信息。通过精确估算各个数据流的资源需求和瓶颈链路的资源分配状况,按照各个流自身的需求分配比以及链路的供求比为每条流计算一个降速概率。最终全局的资源分配期望值与链路可供给资源值得以匹配,同时满足最后期限需求的流数量最多。最后通过NS2仿真平台实验验证方案的有效性。