当今社会对于实时高速大量数据并发的需求日益明显,因此对数据中心数据流的高效传输、可靠性和稳定性都提出新的要求和挑战。在千兆以太网的环境下,相较于传统以太帧,巨型帧有着明显的性能提升。巨型帧可以提高数据中心的网络传输效率和释放CPU端的频繁访问所占据的内核系统资源,但同时巨型帧的帧长导致帧在链路层交换机的排队时间更长,对排队时延的要求更高。因此在引入巨型帧提升发送端效率的同时,改进数据中心链路层的路由算法,才能整体提升数据中心的发包性能。本文研究千兆以太网环境下数据中心的整体性能优化,主要从数据中心发送端和数据中心链路层两个方面进行优化。在数据中心发送端方面,引入巨型帧能够降低Linux系统下发包端的中断频率,虽然巨型帧会增加每次中断的预处理时间,但相较于多次中断陷入瓶颈,该时间的增长并不明显。但同时巨型帧的引入,会增加发送端缓存、交换机缓存的负担并延长交换机端的排队时延,因此根据发包端发包速率、发包端中断速率和数据传输速率,找到适宜的巨型帧帧长,可以在尽量控制硬件成本的同时,有效降低发包端延迟。在数据中心链路层方面,由于引入巨型帧,交换机端口排队时长增加,短流被长流堵塞阻断的拥塞问题突出,因此采用基于深度学习的模拟退火算法,降低链路层丢包率和路由时延,以提升数据中心整体性能,基于深度学习的模拟退火算法其最大链路占用率相较于ECMP算法减少约20%,而其算法计算时间也能保证在2.5s内,对时间敏感的数据流极为友好。