随着网络中的应用不断增多,以及大数据的发展,传统的基于单个主机的计算方式开始不能满足用户的需要。在这种情况下,有越来越多的用户将自己的任务外包到云端或数据中心来进行处理。而随着按需付费(pay-as-you-go)方式的出现,这一趋势变得更加明显。这造成了数据中心网络中流量的急增。为了给用户提供更好,性能更稳定的服务,一个关键问题就是如何对数据中心网络进行优化,使网络中的流量能被更好地传输。本文将围绕如何通过控制数据中心网络中的流量路由及资源分配,来优化网络性能这一主线进行研究。本文的研究主要集中在以下四个方面:1.数据中心网络中流量的路由与调度考虑到数据中心网络中一个任务常常被拆分成多个子任务来完成,那么这些子任务之间的通信是有语意相关性的。因此应该以这样有语义相关性的一组流(也叫一个coflow)为基本单位进行优化,即优化coflow的平均完成时间。对于这一问题,本文设计出RAPIER系统,通过同时控制网络中流量的路由和调度,来优化全网所有coflow的平均完成时间。除此之外,本文还设计出RAPIER的原型系统。小规模的原型系统实验和基于C++模拟器的大规模的数值仿真都证明,RAPIER系统可以大大降低网络中coflow的平均完成时间。2.数据中心网络业务量工程中的多目标优化在对数据中心网络中业务进行路由控制,即进行业务量工程时,网络管理者通常会想要网络中的多个目标进行优化,如负载均衡和能量效率。但是,通常情况下,这些目标并不可能同时达到最优。于是,如何在多目标优化时对不同的目标进行公平折中就是一个需要考虑的问题。本文将用负载均衡和能量效率这两个目标的优化为例,从博弈论的观点来阐述如何在数据中心业务量工程中进行多目标优化。为了完成对这两个目标的公平折中,本文引用纳什议价的框架,建立威胁值博弈模型,来对网络中的流量路由进行协商。理论分析和实验仿真都证明,本文中提出的折中方案能兼顾负载均衡和能量效率之间的公平性。同时,本文的折中方案还可以为一般的多目标优化问题提供求解思路。3.数据中心网络中拓扑与虚拟机放置的联合优化为了解决数据中心网络中流量不对称造成的网络资源浪费,有研究者提出使用动态网络拓扑来适应网络中的流量分布。同时,数据中心管理者还可以通过改变虚拟机的放置来改变业务量矩阵,从而减少网络中的流量,提高网络可扩展性。本文通过对这两种方案进行联合优化,来提高网络性能,增加网络流量可扩展性(即减小网络使用容量)。本文首先将问题建模成一个混合整数规划分题,并通过拉格朗日松弛分解,将该问题分解成两个子问题。然后对两个子问题分别提出有效的启发式算法进行求解。实验结果发现,本文的方法相较于只做拓扑优化或是只做虚拟放置优化,可以明显地提高网络可扩展性。4.数据中心网络的动态拓扑渐进调整方案设计虽然数据中心引入动态拓扑可以极大的改善网络可扩展性,承载更多的流量。但是,在拓扑变换过程中可能会造成很大的流量损失,更重要的是,可能会使得有完成时间限制的流量无法在其完成时间限制内传输完。正是基于这一原因,本文提出一个渐进的拓扑重新配置方案来进行动态拓扑的调整。该方案不仅能保证在拓扑重新配置过程中网络的连通性,保证了对延时敏感的流的性能,还能减小在重新配置网络拓扑过程中的流量损失。