网络应用种类和数量的极大丰富催生了海量的数据,人工智能兴起的同时也加速了高密度计算的发展,这两者都给数据中心这一互联网基础设施提出了更多和更高的要求。在网络全面云化的趋势下,传统数据中心无法满足云计算对IT系统协同优化的需求,建造成本高昂。并且,如何应对飞速增长的网络流量也是传统数据中心面对的一大难题。SDN,软件定义网络,动态地提供了一种集中、可编程的网络来解决互联网不断变化的需求,并正以一种灵活的方式变革传统数据中心,使网络控制更类似于虚拟化存储、计算。具备多路径特点的Fat-Tree拓扑为数据中心网络提供了高带宽、容错性和扩展性,是一种使用大量低性能交换机构建出大规模无阻塞网络的组网方案。本文在SDN的基础上,针对Fat-Tree结构的数据中心提出了一种不同于传统静态负载均衡的流分类路由调度策略。流分类路由策略依赖于SDN网络对于全网状态的实时读取,监控网络中的链路和数据信息。采用控制图中控制限的思想计算流分类指标,从而将网络中的数据流量区分为大、小流,并对大、小流采取不同的路由策略。对于进入网络中的新流和小流采用一种随机选择的流量无视算法,将当前设备所有链路的可用带宽作为选择因素,保证低延时的同时使流量相对均匀的归属到冗余路径上,实现负载均衡。对于大流采用一种基于全网状态信息的贪婪算法,这种动态负载均衡策略通过比较组成链路的整体情况来判定候选路径的优劣,从而将大流重分布到相对空闲的链路上,使大流获得更多的带宽资源,防止单跳贪婪导致的局部网络瓶颈的出现,提高链路利用率,避免了拥塞的发生。最后,为了验证本文所提出路由策略的合理性,本文在基于SDN框架的实验平台Mininet上对流分类路由转发方式进行仿真验证,并设置不同的实验指标对基于ECMP算法、DLB算法和流分类的三种路由策略进行评估。在不同的约束条件下进行实验验证,记录相关结果,以绘图的形式对三种路由策略的实验结果进行比较。通过对实验结果的分析,验证本文提出的流分类路由转发方式的有效性,证明本文提出的路由策略可以提高网络链路利用率,实现流量的负载均衡。