传统的紧耦合网络为人带来便利的同时,其诸多弊病也为越来越多的人所诟病。因此,近年来许多人都开始研究和探索新的网络体系结构,软件定义网络(Software Defined Networking,SDN)则应运而生。SDN是一种控制平面与数据平面相分离的创新型架构,它具有网络可编程特性并可以灵活的控制网络流量,这为网络和应用的创新提供一个很好的平台。OpenFlow软件交换机成本低、配置灵活、便于部署调度,是构建网络试验平台和建设中小规模SDN网络的首选。但随着OpenFlow网络的大范围部署,交换机中的流表项数量将会快速增长,而流表项的宽度也会随着OpenFlow协议的版本升级而不断增加,这些使得流表存储将成为一个挑战性问题。针对这些问题,本文的主要研究工作如下:(1)针对OpenFlow交换机的TCAM存储资源不足问题,本文基于匹配字段间关系,提出一种高效的OpenFlow流表拆分压缩算法。该算法首先分析了流表匹配字段之间的共存和互斥关系,并据此将流表划分出多个规模较小的子流表,进而针对每个字段建立判定条件,对子流表做进一步压缩,以实现OpenFlow流表的高效存储。最后,借助实际网络流量样本,对本文所提算法的流表压缩性能进行了实验评估。实验结果表明:本文所提算法的流表压缩率明显高于现有压缩算法,可有效节省流表存储资源。(2)针对流表的漏表项存储中产生的交换机之间拥塞的问题,提出一种基于遗传进化缓存策略的OpenFlow流表存储优化方案,首先在OpenFlow中心交换机中进行流高速缓存时态记录,构建OpenFlow流表的时态集合,对OpenFlow流表在缓存区域的特征聚集关系进行自适应控制演算,然后采用遗传进化方法进行流表项的动态平衡缓存设计,引入缓存替换策略实现OpenFlow流表存储优化,最后进行存储性能测试,结果表明,采用该方案进行OpenFlow流表存储,能提高流信息的吞吐量,降低流表资源适配延时,改善了 OpenFlow流表存储性能。