大数据、云计算、移动互联以及物联网的时代已经到来,传统的底层网络架构已经无法满足人类的需求,设备繁多、配置复杂以及迭代缓慢等问题层出不穷。在这种契机下,SDN这一全新的网络架构得以产生与发展。由于具有可编程、能够按需定制及集中统一管理等特点,SDN网络能够进行动态流量监管以及自动化部署,解决了传统网络无法解决的诸多难题。但是,其自身也存在一些问题,例如,交换机的流表空间资源极其有限,不能无限制地储存携带不同配置信息的不同流表项。当网络流量暴增时,若流表资源未被合理利用,则会造成交换机资源的浪费,使得交换机性能降低,同时,庞大的数据量必然会引起数据流类型相应地增加,未合理利用的流表资源会使得部分流进入交换机后无法匹配到流表项,导致大量数据包涌入控制器,占用控制器资源,从而降低整个SDN网络的性能。为了解决SDN网络流量庞大时交换机有限的资源导致的交换机性能及网络性能降低的问题,本文提出一种动态流表优化算法(Dynamic Flow Table Optimization Algorithm,DFTO)。算法分为两个模块,模块一为SDN网络新流数预测模块,它为整个算法提供数据基础,首先收集历史时刻的流表项数量的实测序列,而后利用改进后的指数平滑法,即动态指数平滑(DES)法得到下一时间周期的网络新流数的预测值,并将此值输出,至此模块一的工作完成。模块二从两个角度出发对流表进行动态优化。首先,从当前网络负载状况出发,利用模块一中输出的预测值与当前流表的空余流表项做比较,依据该比较值对流表中各流表项的超时时间进行动态地调整,从而改变流表的活动流表项数量,使得流表资源能够被充分利用;而后,从各流表项的匹配次数出发,将匹配次数不同的各流表项做不同的处理,使匹配次数高(使用频率高)的流表项在流表中的生存时间略高于匹配次数低的流表项,这样的设计能够保证交换机不在短时间内重复地删除,再重载同一个使用频率很高的流表项,可节省交换机空间资源以及控制器计算资源。最后将两种调整结合,共同对流表进行优化。为了证明DES算法在DFTO算法中的工作有效性以及DFTO算法整体的优化效果,在Mininet平台下搭建网络拓扑,选用Ryu控制器连接拓扑。对于DES算法的仿真结果证明,DES算法能够以更小的相对误差以及更稳定的性能对网络新流数进行预测。对于本文的优化算法DFTO的验证,其仿真结果证明算法达到了相对较高的流表匹配率、流表资源利用率以及网络平均吞吐量,而这三个参数分别直观地体现了算法的直接效果、交换机的性能以及整个SDN网络的性能,因此本文提出的动态流表优化算法(DFTO)达到了预期效果,完成了对SDN交换机流表优化的目的。