伴随短视频业务和自媒体业务的兴起,对于互联网的QoS需求也逐渐加剧,如何在保证高优先级的业务需求下有效的利用网络资源成了重要的问题。传统的分布式网络往往采用静态QoS配置策略,无法适应网络流量的变化趋势,难以达到充分利用网络资源的目的。针对这一问题,本文基于SDN网络结构,通过流量预测模型预测业务流量的走势,采用远程动态配置的方式,达到自适应QoS的目的。对于本文的主要工作可以概括如下:第一,研究SDN网络在QoS控制领域具有的优势,搭建了SDN网络实验平台,扩展Floodlight控制器的功能模块,添加资源监测、QoS规则下发和信息显示等模块,实现了基于SDN网络的QoS控制以及业务流量的实时监测和显示。第二,利用流量监测模块收集的历史数据,构建流量预测模型,预测业务流量的走势。对于流量预测模型,首先介绍基于最小二乘支持向量机(LSSVM)的流量预测模型,然后基于长短期记忆神经网络(LSTM)的原理,针对网络业务流量预测设计了一种具体的实现结构,阐明了两者构建预测模型的过程,实现并对比了二者的性能优劣势。结果表明,在小样本的情况下,LSSVM相较于LSTM具有更加准确的预测能力;而大样本情况下,LSTM表现出了较大的优势,验证了所实现的LSTM预测模型的性能。第三,基于流量预测结果,设计了动态带宽分配的策略,基于ovsdb-client实现的OVSDB管理协议,设计并实现了远程动态业务带宽调整,达到自适应QoS的目的。对于本文所实现的自适应QoS控制系统进行了性能测试,对比了无QoS控制场景和静态QoS控制场景,结果表明,该系统在保证高优先级业务带宽的传输速率和递交率的同时,能够兼顾次优先级业务的传输,有效的提高了网络带宽的利用率。