随着云计算和大数据等服务的发展,传统的数据中心网络架构逐渐暴露出许多问题,比如网络链路的整体使用率偏低,数据传输时延较长等。为了提高数据中心网络的吞吐量和容错性,研究人员提出了许多种新型的网络拓扑,其中最为经典的就是本文研究的Fat-Tree型网络结构。然而,在大小流并存的情况下,Fat-Tree拓扑中默认的ECMP路由算法的数据传输效果并不理想。因此如何对其内部的路由方案进行改进,一直都是流量工程领域的热点问题。本文的主要研究内容如下。（1）为数据中心内部的大小流分别设计了流量路由优化方法。考虑到大流在传输中最重要的性能参数为传输带宽和丢包率,本文设计了一种基于改进蚁群算法的大流路由优化方法,考虑到小流在传输中最重要的性能参数为时延和丢包率,且小流对转发速度的要求较高,本文单独为其设计了一种基于实时网络参数的快速路由方法。（2）设计了一个区分大小流的流量路由优化系统,并对其各模块的功能和实现原理进行了详细介绍。为了实现为大小流提出的路由优化方法,本文基于SDN技术实现了网络实时状态信息的收集,为路由方法提供了必要的参数,并在完成路由决策后,通过流表项的下发完成了流量路由路径的修改。（3）实现了本文设计的流量路由优化系统各模块的功能,并搭建了系统运行所需的仿真环境,设置了多种流量发送模式用以对该系统的运行效果进行验证。仿真结果表明,在相同的条件下对比ECMP和Hedera＿GFF两种路由方法,本文设计的流量路由优化方法,在提高了网络的平均吞吐量和平均链路利用率的同时,降低了小流的平均传输时延和平均丢包率,同时改善了大小流的数据传输质量。