随着云计算和虚拟化技术的广泛应用,数据中心网络（Data Center Network,DCN）作为各种服务的基础设施承载了越来越多的流量数据。与此同时,用户对服务质量也提出了更高的要求。要让数据中心提供更好的服务,关键在于结合其网络特性设计专有的负载均衡策略。因此,本文对数据中心网络负载均衡技术进行了分析研究,主要内容如下:1.针对数据中心网络中流量调度呈现的滞后性以及大流碰撞问题,提出一种基于GCN的链路负载均衡策略。首先,设计了基于GCN的链路负载状态预测模型,根据数据中心网络的拓扑结构和流量特性,引入图卷积神经网络和循环神经网络,提取数据中心网络的空间特征和流量的时序特征,提升模型对链路负载的感知精度。然后,提出了链路负载均衡算法,该算法通过预测的链路负载状态信息和控制器获取的真实链路信息来衡量链路的可选度,以最小化大流在核心层的碰撞程度为目标,实现流量的均匀分布,再结合链路综合指标值来确定路径的可选度,引入改进的人工蜂群算法来优化大流路由策略,将单维邻域搜索优化为多维邻域搜索,加快收敛速度。仿真结果表明,该负载均衡策略可以有效增强网络的负载均衡程度,降低网络传输时延,提高网络的对分带宽。2.针对分布式控制平面下存在控制扩张以及负载失衡问题,提出一种面向跨域协作的负载均衡策略。首先,建立控制资源消耗的数学模型,对资源的消耗进行量化分析,得出以域间交换机迁移的方法来实现多域下资源的协作管理,该方法根据流量经过控制域的数量来动态调整各控制域的范围,进而减少跨域流对控制资源的消耗。然后,构建最小化负载偏离度和最小化控制资源消耗的多目标函数,确保该方法在降低控制资源消耗的同时,实现控制平面的负载均衡。最后,提出基于NSGA-II的跨域协作算法来计算多目标函数的解集,该算法将资源分配问题转换为帕累托前沿的求解问题,解决了两个目标之间存在的冲突。仿真结果表明,该策略可以在降低控制资源消耗的同时,保证控制平面的负载均衡,提升网络性能。