数据中心作为云计算的核心载体,通过对计算和带宽等资源的分配,支撑实际业务的运行。数据中心网络中的负载均衡策略能够将流量均匀地分配到各条路径上,减少带宽资源浪费或者形成系统瓶颈,提升传输整体性能。常用的等价多路径路由（ECMP:Equal-Cost Multi-Path routing）策略使用静态的哈希功能在不感知网络状况的情况下在路径之间上平均分配流量,在大象/老鼠流的混合或者网络拓扑非对称等情况下,可能导致网络链路间的负载不均衡。最近几年提出的CONGA、Hermes、CLOVE等策略通过在网络拥塞探测和路由策略方面进行了不同程度的改良优化,然而无论是对路径的全部探测还是固定数量的部分探测,都存在由于灵活性不足带来的性能下降。因此本文调研了近些年在负载均衡领域的研究方案,利用深度强化学习（DRL:Deep Reinforcement Learning）算法进行动态路径探测,搭配谨慎的流量调度策略,提出了一种新型的负载均衡方案Dyno,不仅提升了数据中心网络的性能,同时具有强大的泛化能力。本文的创新性设计及贡献包含以下几个方面:·提出基于DRL模型的动态路径探测方法,并设计模型的State、Action和Reward来避免出现拥塞描述模糊、随机性动作或者使用不可实时测量指标的问题。·创新性地提出了使用模型复制方法用于解决数据中心网络场景中的训练问题,大大降低了 DRL模型收敛难度和进程间通信开销。·在模型部署的过程中,在负载均衡领域使用轻量化技术,使用多颗决策树替代DRL模型,能够以极小的精确度损失为代价,确保Dyno决策的及时性。·针对强化学习在环境剧变时可能产生的性能滑坡,提出多模型轮换方法,大幅提升Dyno的泛化能力和鲁棒性。本文使用Dyno与当前典型的多种负载均衡策略进行了全面的对比实验,结果表明,在与模型训练类似的对称拓扑下,与CONGA（Leaf-Spine拓扑下最优负载均衡策略）相比,Dyno在平均流完成时间（FCT:Flow Completed Time）上最多降低了 16.9%,在不同负载下平均降低了8.5%,而即使在不同的流量模式、网络负载以及非对称拓扑下,Dyno在长短流的处理上依旧保持了平衡的性能,以短流6.9%、长流5.9%和整体流5.3%的平均优势再次领先CONGA,并超越其余所有对比方案。