随着信息技术的快速发展,物联网(Internet of Things,IoT)正迎来爆发式的增长,其支持高吞吐量,高可靠性,高性能等各种要求为网络带来了不少挑战。然而,传统网络的控制协议不灵活,很难满足这些要求。在此背景下,软件定义网络(Software Defined Network,SDN)脱颖而出,被视为一个极佳的解决方案。SDN的可扩展性,可编程性以及数据层控制层分离的管理能力十分适用于解决物联网领域的各种挑战。不过,SDN的引入也为物联网带来了一些新的网络架构性能问题。具体地,由于IoT中庞大的流数量,SDN本身存在的因为三态内容寻址存储器(Ternary Content Addressable Memory,TCAM)昂贵导致流表项容量不足的问题被放大,如何高效利用TCAM空间是一个重要问题。基于此,本文研究了SDN-IoT中不同网络场景下的流表项压缩问题。本文首先研究了单域网络环境下流表项的压缩问题。在传统的精确地址匹配与默认地址匹配之外,提出了一种新的基于目的地址的流表项匹配机制。在此基础上提出一种基于树的流表项压缩方法,并为之建立了整数线性规划模型(Integer Linear Programming,ILP),然后证明了该问题为NP难。接着提出了一个基于斯坦纳(Steiner)树的启发式算法以在多项式时间内完成流的引导与树的建立并尽量最小化流表项数目。最后通过仿真与多个对比算法比较,证明了其具有良好的流表项压缩效果。接下来,本文研究了多域网络环境下流表项的压缩问题,根据多域网络信息隔离程度的不同分别展开了研究。本文针对跨域流应用了基于标签的流表项压缩机制,提出了聚合段的概念,然后为之建立了ILP模型,鉴于信息隔离程度的不同,针对信息部分隔离场景提出了一种基于分级选路的启发式算法,对于信息完全隔离场景则提出了一种基于扩散寻路的启发式算法。最后通过大量仿真测试证明该方法具有良好的流表项压缩效果。