针对数据中心网络中大象流携带大量数据造成网络拥塞和负载不均衡的问题，提出基于SDN（software defined network）的大象流负载均衡（elephant flow load balancing，EFLB）。当网络负载超过阈值时，控制器利用Openflow特性将检测到的大象流分裂为多个老鼠流，并根据收集的网络拓扑和链路状态动态地计算负载最小的下一跳交换机，确保负载均衡。实验结果表明，相比于等价多路径算法（equal-cost mulit-path routing，ECMP），EFLB机制提高了网络吞吐量和链路利用率，更好地实现了网络负载均衡。

基于大象流的识别准确度高且开销低，对于解决SDN流量管理过程中控制器单点故障问题具有重要意义。针对现有大象流识别方法识别开销大的问题，提出一种大象流两级识别方法。该方法在第一阶段提出基于TCP发送队列的可疑大象流识别算法，在第二阶段提出基于流持续时间的真实大象流识别算法；第一阶段是在端系统中识别可疑大象流，用于降低第二阶段真实大象流识别过程中SDN控制器所需监测的网络流数量。实验分析表明，在保证大象流识别的高准确度前提下，大象流两级识别方法较基于采样的大象流识别方法可以降低约85%的控制器识别开销。