互联网的快速发展及各种各样应用业务的出现,使得多样化的网络流量规模的飞速增长。但是,传统互联网交换体系结构不能很好满足海量的网络流量数据高效传输的需求。由于其在网络流量传输存在一定的局限性,即不能根据网络环境与流量特性对流量传输进行灵活地调度与控制。近来,软件定义网络(Software Defined Network,SDN)技术的出现为网络控制的灵活性和流量传输的高效性带来了新的希望与方向。在SDN网络架构中,网络控制层与转发层是相互分离的,可以实现对网络资源的灵活调度,能够良好的解决流量调度相关问题。本文主要研究了互联网交换体系结构,采用实验方法对全球的互联网交换中心进行测量分析研究,同时在SDN架构下,提出了基于机器学习的网络流量分类识别技术以及基于SDN的路由计算方法。具体研究工作如下:(1)研究分析了互联网交换中心的相关工作模式,利用统计的方法对互联网交换中心相关统计特征进行研究分析。研究了互联网交换中心对传统网络体系结构的影响和相关优势。(2)提出了一种基于机器学习的网络流量分类识别方法。本文设计了一种半监督学习的方法应用于流量的分类识别。通过该方法可以识别常见网络协议类型的相关网络流量,通过实验分析能够该方法具有较高的准确性。(3)设计了基于SDN架构下的路由计算方法。通过结合SDN架构技术下的相关优点,本文针对流量传输服务设计了一种路由计算方法。(4)在上述研究的基础上,设计和实现了一个原型系统。针对城域网中,流量传输存在的问题,设计一种基于互联网交换中心的解决方法,并设计了一个原型系统,通过使用原型系统实现在城域网中改善不同网络供应商之间的流量传输问题。