近年来,伴随着大数据、云计算等技术的快速发展,数据中心网络(Data Center Network,DCN)中的流量呈现出迅速增长的趋势。如何对数据中心网络中的流量进行调度,以提高网络性能和服务质量成为了当前的一个研究热点。传统的流量调度方法由于缺少全局网络视图,容易将多条大象流映射到同一条路径从而造成网络拥塞,影响网络的性能。而软件定义网络(Software Defined Networking,SDN)作为一种新型的网络架构,将网络中的控制平面和数据平面进行了分离,提供对分布式网络的集中管理和细粒度的流量控制能力,能够较好解决传统流量调度方法中存在的问题。因此,本文主要围绕数据中心网络的流量调度问题,通过结合SDN技术,对数据中心网络的流量调度策略展开研究,以提高数据中心网络的性能和服务质量,论文的主要工作如下:1)针对传统静态流量调度方法由于没有考虑链路状态及流量特征,在网络负载增大时容易造成网络服务质量下降的问题,提出了面向服务质量保障的动态流量调度策略DSFlows(Dynamic Scheduling Flows),该方法能够根据控制器所获取到的网络状态,通过综合考虑各路径的路径跳数、路径可用带宽、路径时延和路径带宽均衡度等指标,为进入网络的流量制定路由策略。仿真结果表明,当网络负载增大到0.9时,DSFlows相对于ECMP在网络吞吐量上提升了16.08%,在平均时延和丢包率上分别降低了49.76%和56.5%。2)针对数据中心网络流量具有不可预测性和高动态性的特点,通过结合数据中心网络的流量特征,提出了一种面向拥塞感知的大象流重调度机制EFRM(Elephant Flows Rescheduling Mechanism),引入流量监控和流量重调度以进一步提高网络的性能。此外,针对引入流量监控后容易造成控制器开销较大的问题,设计并实现了基于汇聚层交换机的流表统计信息采集方法和自适应轮询间隔调整算法,以减小控制器和交换机之间的信令交互,降低控制器因频繁分析网络统计信息而产生的开销。仿真结果表明,当网络负载增大到0.9时,DSFlows(+EFRM)与ECMP、DSFlows和Ashman相比,在网络吞吐量上分别提升了22.24%、5.3%和1.73%、在平均往返时延上分别降低了54.63%、9.68%和31.49%,在平均丢包率上分别降低了59.87%、7.75%和26.69%,此外,与Ashman和Poll All Switches相比,所提方法在网络负载较低时可有效降低控制器的信令开销。