随着互联网行业的高速发展以及依托互联网的相关行业的快速兴起,传统网络的TCP/IP架构越来越难以适应网络发展的需求。软件定义网络(Software-Defined Networking,SDN)作为一种新型的网络体系架构,通过解耦数据平面与控制平面,解决了传统网络结构僵化、管理配置困难的问题。随着网络规模的不断扩大和流请求数量的不断增多,部分设备超载、部分设备空载导致的SDN负载问题逐渐成为限制其网络规模进一步扩展的关键因素。以往业界对于SDN负载问题的研究大多集中在控制平面,而忽略了控制链路中同样存在的负载不均衡问题。控制链路是数据平面与控制平面交互的重要通道,控制链路的负载问题会直接影响数据平面的转发性能和控制平面的处理速度。本文以流请求在SDN网络中的处理过程为研究点,注意到在SDN网络的流请求过程中,以下三个方面的研究依然存在不足:(1)在流请求到达SDN网络前,对流请求数目预测准确性的不足,导致无法对于可能出现控制链路超载进行及时预防的问题;(2)SDN数控分离导致OpenFlow代理(OpenFlow Agent,OFA)模块数据处理能力不足,进而造成上行控制链路性能瓶颈问题;(3)SDN中存放流表项的三态内容寻址存储器(Ternary Content Addressable Memory,TCAM)单元由于设计缺陷,流表更新效率较低,进而造成下行控制链路存在流量拥塞问题。本文依托国家重点研发计划项目—“网络空间拟态防御技术机制研究”,把对控制链路负载进行优化设定为研究目标,从SDN网络流量预测、上行控制链路瓶颈、下行控制链路拥塞问题三个方面进行分析和研究,提出相应的优化和改进措施,提升了软件定义网络系统的承载能力。本文的研究工作及主要贡献如下:1.针对SDN中网络数据分布不均、突发性强导致的流量预测困难问题,提出了一种基于机器学习方法的自适应流量预测算法,该算法结合了Oboe系统对于算法参数的自适应调节选择机制与长短期记忆网络(Long Short-Term Memory,LSTM)算法对于长相关性数据预测的优势,可以针对时刻变化的网络环境实现自适应的算法参数调节,与现有方法相比提升了至少10%的预测准确性,并提升了算法的适应性。2.针对SDN中控制平面和数据平面之间的控制链路性能受限导致的Packet_In传输瓶颈问题,提出了一种自适应的流量均衡算法,利用SDN控制平面拥有全局拓扑和交换机实时状态感知能力的特点,运用阈值对流量均衡起止条件进行控制,通过将每个超载交换机中流量向邻居交换机进行均衡,且每次均衡只进行一跳转发的自适应方法,解决上行控制链路瓶颈问题。与现有方法相比,能够减小33%的上行控制链路负载与50%的Packet-In消息丢包率,且部署开销小。3.针对SDN中数据平面TCAM性能受限导致的流表下发拥塞问题,提出了一种基于流重定向的多协议标签交换(Multi-Protocol Label Switching,MPLS)算法。该算法利用源节点交换机流重定向和路径交换机下放MPLS标签的方法,占用一部分数据链路带宽来缓解TCAM更新流表速率过慢的问题,同时可以增大系统容量。与现有方法相比,在流表项插入延时不变的情况下减小了20%的链路负载,并增加了30%的系统容量。