数据中心(Data Center,DC)已成为一种重要的信息通信基础设施,它采用虚拟化技术将海量的计算、存储、网络等物理资源高度整合为一个共享虚拟资源池,实现资源的高效共享。为了提高数据中心服务的性能和可靠性,数据中心通常分布在地理位置相距很远的世界各地,彼此之间通过高速骨干网络互连,这些网络的建设成本巨大且其中发生数据丢包是不可接受的,因此,高效合理地分配利用数据中心骨干网带宽资源且保证数据流的传输服务质量(Quality of Service,QoS)十分必要。目前,数据中心骨干网络中的流量传输调度多采用流量工程(Traffic Engineering)技术以负载均衡为目的进行,带宽共享方式为“尽力而为”(best effort),带宽资源利用率高,但缺乏公平性考虑,QoS保障水平受限。在现有数据中心骨干网络中,带宽分配存在的主要问题有:(1)网络全局层面:各数据中心之间分布式互连,将导致获取全局流视图困难甚至无法获取,带宽资源分配的全局优化难以进行。(2)节点处理层面:基于流量测量实时获取带宽需求,预留带宽,开销大且“相关性”不足;面向汇聚流的带宽分配粒度过粗且缺乏公平性。本文研究聚焦在数据中心骨干网络的带宽分配关键技术。首先,以及时、准确获取流状态信息为目标,基于软件定义网络(Software Defined Network,SDN)的集中式控制架构提出基于流量预测的带宽需求获取机制,SDN的转发控制分离模式使其可“轻松”获取全局网络视图,通过掌握的历史流量信息对稳定性强的大流进行带宽需求预测,减小带宽需求获取误差;其次,针对现有的面向汇聚流的带宽分配机制粒度过粗且缺乏公平性的问题,提出基于合作博弈的大流带宽分配策略,权衡带宽分配的效率与公平性;最后,对于突发性较强的小流,从增强分配的“随动性”角度出发,提出基于Richards模型的小流带宽分配策略,实现了分配的快速自适应匹配。本文具体研究如下:1、提出基于流量预测的大流带宽需求获取机制数据中心骨干网络中存在少量占据大部分链路带宽的大流,其相对稳定可预测,可根据获得的流视图,即流带宽需求的历史信息,预测未来一段时间的流带宽需求,为进行带宽分配提供依据。由于网络流量的自相似性、异构性等复杂特性,设计了长短期相结合的流量预测算法,提高预测准确性。理论分析与仿真结果表明:相较于其他机制,该机制能够有效提高带宽分配的准确性。2、提出基于合作博弈的大流带宽分配策略对于大流的带宽分配,根据预测获得的带宽需求,将多条流对同一链路带宽的竞争分配建模为一个合作博弈,各流之间竞争带宽并以最大化整体效用为目标,通过设计集中式的带宽分配算法来寻求该博弈问题的纳什谈判解,得到优化的带宽分配策略。理论分析和仿真实验表明:该纳什谈判解就是进行带宽分配的结果,是最小带宽保证与带宽分配的公平性的最优权衡,本文提出的方法既可为各流提供较高的QoS保障,又提高了整体带宽资源利用率。3、提出基于Richards模型的小流带宽分配策略对于小流的带宽分配,由于其突发性和动态性强,采用闭环反馈控制系统实时分配带宽,基于Richards曲线设计链路的反馈控制因子作为此系统的反馈量,可对突发流量做出平滑响应,并根据时延敏感性的不同通过采用不同的异速生长参数得到不同的流量速率增长曲线,满足时延敏感流量的QoS需求。仿真结果表明,本文提出的方法可有效保障时延敏感流的低时延需求,整体上提供了较高的平均带宽分配满足度,效率较高;同时可保证较高的带宽分配公平性。