随着数据中心大数据、云计算等大流量业务的部署与应用,致使数据中心流量剧增,然而由于现有分布式网络数据中心不能提供灵活、便捷的网络负载均衡功能,从而出现因网络链路拥塞不断发生而影响网络数据业务传输的问题。软件定义网络(Software Defined Network,SDN)的诞生给解决该问题带来了新的突破。SDN数控分离的软件架构实现了灵活的网络管控功能,其集中控制、对外可编程等优势满足了不断更新的网络需求,控制器利用自身的网络拓扑视图为网络负载均衡策略的制定提供了便利。本文主要研究了SDN负载均衡技术并完成以下工作:针对SDN架构下如何降低数据链路层流传输过程中的时延和丢包率,提高网络吞吐量的问题进行深入研究,并结合数据中心网络中流量动态可调节的特征,对数据层链路负载均衡路由算法做了优化。根据控制器提供的实时网络全局基本信息,计算所有链路的剩余带宽和链路拥塞度。当网络中路由链路的负载超过链路拥塞度时,调用本课题的优化精英蚁群负载均衡路由算法,为新到达的数据流重新计算路由路径,分配流表资源,确保链路层数据流高效快速匹配转发。针对交换机流表资源容量有限,导致数据层与控制器之间的上行控制链路容量容易因请求消息频繁而导致拥塞的问题,本课题采用流重定向的方式,实现对新到达源交换机的流进行重定向之后再上传控制器请求为其分配流表资源,并对重定向流进行约束,优化并设计了 MLFR算法,从而实现均衡上行控制链路的Packet-In请求消息的目的。最后采用Mininet仿真平台设计并搭建了虚拟网络实验平台,完成对所提算法的实验验证。结果表明:在Fat(4)和Fat(6)拓扑中,实验结果表明:与Dijkstra算法、DLB算法相比,优化精英蚁群负载均衡算法可将链路传输时延降低至0.018s,丢包率降低至14%,将网络吞吐量提高至76Mbps。验证该算法能够提高网络性能,降低数椐流的拥堵情况;在胖树型拓扑和经典校园网拓扑环境下,与SM算法和OPT-C算法相比,MLFR算法将上行链路负载降低了近50%,将Packet-In消息丢失率降低30%,使交换机流表项资源分布更加均匀。