Development in Internet technologies increases Internet users exponentially. Increase in users leads to more data center network (DCN) and heavy data traffic in servers. Data traffic in servers is managed through software-defined networking (SDN). SDN improves utilisation of large-scale network resource and performance of network applications. In SDN, load balancing technique optimises the data flow during transmission through server load deviation after evaluating the network status dynamically. However, load deviation in network needs optimum server selection and routing path with respect to less time and complexity. In this paper, we proposed a multiple regression-based searching (MRBS) algorithm for optimum server selection and routing path in DCN to improve performance even under heavy load conditions such as message spikes, different message frequencies, and unpredictable traffic patterns. MRBS selects the server based on regression analysis, which predicts types of traffic and response time based on the server data parameters such as load, response time, and bandwidth and server utilisation. MRBS combines heuristic algorithm and regression model for efficient server and path selection. The proposed algorithm reduces the delay and time more than 45% and shows better sever utilisation of 83% when compared with traditional algorithms due to stochastic gradient decent weights estimation.

互联网技术的发展成倍增加了互联网用户。用户的增加导致更多的数据中心网络 (DCN) 和服务器中的大量数据流量。服务器中的数据流量通过软件定义网络 (SDN) 进行管理。SDN提高了大规模网络资源的利用率和网络应用的性能。在SDN中，负载均衡技术通过动态评估网络状态后，通过服务器负载偏差来优化传输过程中的数据流。然而，网络中的负载偏差需要针对较少的时间和复杂性进行最佳的服务器选择和路由路径。在本文中，我们提出了一种基于多元回归的搜索 (MRBS) 算法，用于优化 DCN 中的服务器选择和路由路径，以提高性能，即使在消息尖峰、不同的消息频率和不可预测的流量模式。MRBS 基于回归分析选择服务器，它根据服务器数据参数（如负载、响应时间、带宽和服务器利用率）预测流量类型和响应时间。MRBS 结合了启发式算法和回归模型，以实现高效的服务器和路径选择。由于随机梯度合适的权重估计，与传统算法相比，所提出的算法减少了 45% 以上的延迟和时间，并显示了 83% 的更好的服务器利用率。MRBS 结合了启发式算法和回归模型，以实现高效的服务器和路径选择。由于随机梯度合适的权重估计，与传统算法相比，所提出的算法减少了 45% 以上的延迟和时间，并显示了 83% 的更好的服务器利用率。MRBS 结合了启发式算法和回归模型，以实现高效的服务器和路径选择。由于随机梯度合适的权重估计，与传统算法相比，所提出的算法减少了 45% 以上的延迟和时间，并显示了 83% 的更好的服务器利用率。