近些年来,虚拟化技术日益成熟,推动了云数据中心的快速发展。云数据中心能够高效地为租户提供CPU、内存、存储等硬件资源。在网络方面,现有的云数据中心多采用树型网络拓扑,接入层网络带宽利用率较低,同时服务提供商为了降低成本,采用较大的超额比例,加剧了带宽资源的竞争,因此网络带宽作为一种稀缺的共享资源,很难兼顾云服务提供商的成本和租户的服务质量,使得网络性能难以得到保障。现有的带宽分配研究的最终手段都是以静态分配为主,没有考虑到带宽需求的时变性。本文主要针对虚拟机动态的带宽需求,通过预测网络带宽负载超前分配带宽以缓解带宽资源竞争,提高云数据中心接入层带宽利用率和总体流量。文章从云数据中心的网络架构入手,考虑不同虚拟机的动态网络需求,采集云主机的带宽使用数据进行建模,预测各个云主机未来带宽负载状态,根据预测结果制定相应的带宽分配策略,最后根据带宽分配策略超前分配带宽。本文的主要研究工作如下：1.调研了现有的云计算平台,总结了当前云平台网络架构解决方案,分析了数据中心过度因子对于网络的影响,研究了数据中心网络流量特征,为本文的研究提供充分理论依据和应用场景。2.基于OpenFlow协议,设计并实现云数据中心网络控制器,采集虚拟机网络带宽负载数据,考虑带宽负载随时间变化的规律性,运用时间序列分析方法,建立带宽负载预测模型,并对模型参数进行训练学习,用以预测虚拟机未来带宽负载需求。3.基于预测出的带宽负载需求,将虚拟机分为低网络负载、高网络负载和满网络负载三种类型,针对不同负载状态的虚拟机制定相应带宽分配策略,最后通过网络控制器实现带宽分配。4.基于本文提出的带宽分配模型,在OpenStack云平台上实现带宽自动分配系统。实验采用模拟流量的方法重现真实数据中心网络场景,验证了不同规模的虚拟子网下带宽分配的效果,并从带宽利用率和总体流量两方面与传统的静态分配方法进行比较。综上所述,本文充分利用虚拟机带宽需求的时变性,提出基于时间序列分析的带宽分配策略,在此基础上设计并实现了云数据中心带宽自动分配系统,实验结果表明该方法能有效提高虚拟子网带宽利用率和总体流量。