随着互联网以及硬件设备的发展，数据中心作为部署各类应用的基础设施，其规模经历了三层的演化:独立数据中心、异地多数据中心以及边缘小型数据中心。当前数据中心不仅从规模上越来越大，其粒度也将越来越细。多种类型的数据中心满足用户需求，符合混合式应用的数据流量调度以及请求分配问题一直是数据中心研究中的热点问题。本文依次从数据中心内、多数据中心之间以及边缘小型数据中心这三个层面出发，针对带宽资源有限、传输需求多样、数据量巨大、能量消耗过大这四个难点进行分析，通过总结已有工作，并与之对比，从流量调度以及请求分配这两类问题着手展开研究，具体的研究内容以及贡献如下:
　　面向数据中心内部，本文主要研究基于截止时间的流量调度问题。多种应用种类并存，一个用户请求需要多个数据流共同合作完成，那么决定一个任务完成时间的是多个数据流中的最慢那个数据流。同时，部署在数据中心的应用存在部分时延敏感性应用，则数据流的传输完成时间对应用的性能表现有很大的影响。为此，本文提出一种基于截止时间的任务级别的流调度方法。在应用存在不同种类的前提下，将应用分为不同的优先级，流级别的优先级定义继承应用的属性。在流级别下，数据流会根据截至时间而调整自身优先级。本文建立关于流量调度产生收益的模型，收益与应用类型及大小相关联，基于此设计了流量调度近似算法。仿真实验结果表明本文提出的方法对比现有针对截止时间的流调度方法，提高了任务的完成度，同时降低了任务整体平均完成时间。
　　面向多数据中心之间，本文主要围绕面向用户性能体验以及能耗效率方面展开研究。在用户性能体验方面，发现越来越多的互联网公司选择在多地构建自己的数据中心，为达到互联网全球化、可保障性服务的目的。我们利用数据中心多地分布式化的特点，数据的传输可以分配到多条路径上，在路径选择的基础上可以提供更有效的服务性能。由于网络情况复杂多变，突发流量等会对网络产生极大的影响。为此，本文提出针对网络拥塞状态的评价方法，并基于此提出流量调度方法。目标是在降低拥塞对流量传输产生影响的前提下，将多数据中心直接流量传输产生的利益最大化。本文通过矩阵变换以及数学推导，证明该方法的有效性。仿真实验结果表明，提出的方法能够有效提高数据流传输带来的收益，并减少网络拥塞带来的伤害。
　　此外，在能耗方面，能源消耗占用数据中心提供商的大量的成本，因此降低能耗，保证可靠云服务性能对这些提供商来说意义重大。我们利用数据中心内资源冗余的特性，大多用户所需资源在多个数据中心都有备份，可以通过请求分配以节能的方式选择数据副本。然而，当前关于能耗方面的研究只关注降低能耗，而忽略了网络对于整体服务质量的重要性。在本文中，考虑将能耗与网络整体状况结合起来。为了实现性能的可靠性，我们提出一种结合网络和能耗资源的整体评估方法。并利用资源的冗余特点来分配用户请求，以达到满足用户需求的服务质量和降低能耗的目的，并利用对偶平滑方法求解该问题。实验结果表明，本文的方法能够在有效降低能耗的同时保障服务质量。
　　面向边缘小型数据中心内部，本文主要研究用户请求分配问题。随着物联网、云计算的发展，边缘计算正在逐步兴起，将计算能力部署在终端设备或者网络节点上，能够帮助移动设备在数据不上传远端云的情况下就近计算和存储。对于移动用户来说，计算性能和自身电量消耗都是至关重要的，且多数任务存在截至时间的需求。为此，本文提出一种以能耗最小化为目标并能够保障计算任务性能的移动边缘计算方法。该方法根据任务的需求以及移动用户的能耗储备情况，计算将任务卸载至边缘云服务器的比例，并利用KKT条件以及拉格朗日算子法进行求解。通过实验证实了本文的方法在保障任务完成质量的基础上能够有效的减少终端能耗。