互联网已经成为了当今社会的重要基础设施之一,当前以TCP/IP为核心的网络架构管理难度大,难以支撑当前网络中大量低延迟、高负载的数据流快速转发。近几年,基于OpenFlow的软件定义网络(Software Defined Networking,SDN)技术得到了广泛关注和发展。软件定义网络架构拥有集中式控制平面和分布式转发平面,这为数据的高性能转发和网络的灵活管控提供了可能。在OpenFlow网络中,数据包的转发完全依赖于转发设备中存储的流表项,随着OpenFlow协议的升级,流表项中的匹配字段也在不断增加,这为“流”提供了更精细的控制粒度,但爆发式的数据流使有限的流表空间面临着严峻的考验,如何在有限的流表空间内存储更多的表项,是一个亟待解决的问题。因此,本文针对交换机流表存储优化问题进行研究:(1)针对网络突发时流表存储资源有限造成的流表项更新不及时、甚至产生丢包的问题进行分析,提出了一种基于负载预测的流表超时优化方法,该算法通过收集历史新增数据,对网络状态进行判断,然后改进后的二次指数平滑法预测下一时段可能到达的表项数量,通过预测值动态的调整流表项的空闲超时时间,为新增的表项提前腾出流表空间,减小网络传输延时对数据流的影响。仿真结果表明,该方法可以有效预测新增表项,提高转发成功率。(2)针对控制器下发流表项时没有针对数据流本身的特性设置相应的超时时间,导致老鼠流表项占用大量的流表存储空间影响存储效率,大象流因到达超时时间而被交换机频繁的移除造成网络颠簸问题进行研究,本文提出了一种基于数据流识别的动态调整超时时间及表项优先级方法,通过获取一定时间周期内表项计数器数值,分析流的特征,从而调整表项超时时间,减小因频繁删除表项引起的控制器频繁下发表项的问题。仿真结果表明,流表自适应超时调整方法可以有效的节约流表项空间,提高流表的使用效率。