随着5G、云计算等新兴技术的不断涌现,越来越多的复杂功能被加入到传统IP架构网络中。这在一定程度上导致了交换设备日渐臃肿、存储空间较为紧缺、网络拥堵现象逐渐增多,难以满足日益增长的高性能网络需求。软件定义网络（Software Defined Network,SDN）被认为是解决IP网络架构僵化、提高资源利用率并促进未来网络创新的有效途径之一。SDN网络将控制平面与数据平面解耦合,控制平面负责集中控制逻辑,数据平面负责简单的数据转发等功能,其网络策略使用三态内容可寻址存储器（Ternary Content Addressable Memory,TCAM）进行存储。但是TCAM存在能耗高、造价大、容量有限等缺点,因此如何优化SDN流表以高效利用有限的流表空间,仍然是当前亟待解决的问题。近年来,广大研究者通过对真实数据中心网络流量的测量发现[1]:80%以上的流量都小于10KB且持续时间仅为几百毫秒,10%左右的流量携带大量信息且寿命较长。研究者们将此类持续时间较短且携带信息量较少的流量称为小鼠流,持续时间较长且携带大量信息的流量称为大象流。这种大象流与小鼠流重尾分布的现象为解决流表存储空间有限问题提供了新思路:使用流表有限的存储空间去重点关注大象流,以提高流表利用率。且通过自己调研分析发现,在目前的SDN流表优化方案中,改进流表结构、改进规则缓存方式和改进规则安装及更新三种方式均有采用上述思想来区分对待大象流和小鼠流,重点均在通过关注大象流来提升网络性能,但是目前的改进流表超时机制尚未区别对待大象流和小鼠流,因此流表利用率和网络性能还有进一步提升的空间。针对SDN网络中流表优化问题,本文首先提出了一种基于流挖掘改进的大象流检测算法:一是在现有流挖掘算法基础上,增加均衡采样处理措施,以解决采样过程中大象流和小鼠流比例失衡所造成的模型检测准确率低下的问题;二是提出动态加权成本敏感的大象流检测方式来避免大象流的错检和漏检,从而提升大象流检测的准确性。其次,在完成大象流检测后,提出了一种区分大象流和小鼠流的流表超时机制:一是通过交换机和控制器的两阶段检测将大部分小鼠流留在交换机中处理,以减少控制器与交换机之间的通信开销;二是通过上述改进的大象流检测算法来细分流类别,以准确预测每类流的持续时间范围;三是结合流表利用率和模型预测的流持续时间范围实时动态地设置流表项超时时间,并在流表溢出之前成比例删除流表项,以提升流表利用率。最后,为了验证本文所提算法的有效性,通过Mininet仿真实验进行了上述算法的性能评估。从实验结果可以看出:与现有各类大象流检测算法相比,本文提出的基于流挖掘改进的大象流检测算法提升了模型的检测准确率;且与现有流表超时机制方案相比,本文提出的区分大象流与小鼠流的流表超时机制,不仅减少了交换机与控制器的频繁通信开销,还提升了流表利用率。