随着云计算和人工智能技术的不断发展,数据中心网络发挥越来越重要的作用,为各种类型应用提供服务与支撑。对比广域网,数据中心网络对不同应用流的要求更高,如以网页搜索服务为代表的流,大部分是延迟敏感的小流,以数据复制为代表的流,大部分是面向吞吐量的大流。当前,在流的信息先验不可知情况下,如何实现低延迟、高带宽、流突发容忍的网络性能是数据中心网络的研究难点之一。现有国内外主要技术是利用多级反馈队列来模拟短作业优先调度算法,让小流优先调度,同时保障大流的性能要求。但如何设置和调整多级反馈队列中流的数据包调度优先级阈值,实现降级阈值符合网络中流的分布是非常具有挑战的工作。本文主要研究如何解决多级反馈队列阈值与网络中流分布不匹配下的流量调度问题。具体工作如下:（1）针对全局流分布与阈值参数不匹配现象,本文在交换机部署优先级调整算法检测队列中存在的大流,并降低其优先级,进而减少小流的排队延迟。首先,交换机计算已结束流在每个优先级队列中的字节均值,并将此均值作为流能在每个优先级队列转发的字节数的标准。其次,根据当前流在队列上转发的字节数判断优先级是否匹配,若不匹配则进行调整。最后,通过仿真实验验证了本文算法在缓解全局流分布与阈值参数不匹配工作中的有效性。（2）针对链路流分布与阈值参数不匹配现象,本文设计了一种端到端的链路级别的优先级调整方案。主要是通过在发送端主机和接收端主机部署一组多级反馈队列,发送端的多级反馈队列根据全局流分布设置阈值,保证小流在整体上拥有更高的优先级。本文利用聚类算法设计了一种阈值更新算法根据链路流分布为部署在接收端主机的多级反馈队列计算阈值,检测优先级与链路流分布不匹配的流,并动态调整优先级。