软件定义网络(Software Defined Networking,SDN)通过解耦网络设备的数据平面和控制平面,实现了网络设备的灵活配置和数据流的自由调配,并能够对网络行为进行开放式地编程控制。但是,在网络流量高峰期的场景中,SDN存在流表更新不及时的问题;在多级流表构建的过程中,SDN存在因压缩流表项空间而引入的网络延迟问题。为有效解决网络流量高峰期流表更新不及时的问题,本论文提出了一种基于预测与负载感知的SDN流表超时控制(Predictive And Load-Aware Optimization,PLAO)机制。首先收集每个单位时间内新增流条目,然后用二次移动平均算法对收集的历史数据分析,并估计下一个单位时间内将新增的流条目,最终根据负载因子动态调整交换机流表中存活的流条目数量,从而在保证活动流条目数量的同时,减少交换机与控制器的交互,有效降低控制器的负载。仿真实验结果表明PLAO机制有效提高了数据成功转发率和匹配率,增加了活动流表项数量。为有效解决多级流表因压缩流表项空间引入的网络延迟问题,本论文提出了一种多级流表构建与查找优化(An Adaptive Method for Multiple-Table Building and Searching,MTBS)机制。首先将流表空间划分为实时更新区和多级流表存储区,然后通过研究压缩的流表空间和网络延迟时间之间的平衡关系,提出了多级流表级数约束不等式组,最后基于该级数约束不等式组和匹配域的重复率,将单流表划分为多级流表,实现了流表项的鲁棒性压缩存储和快速查找。仿真实验结果表明该机制不仅鲁棒性地压缩了流表项,节约了流表的存储空间;而且减少了因压缩流表项空间引入的网络延迟,提高了交换机的数据转发量。