随着短视频、直播、云会议等对实时性要求较高的应用不断涌现,最小化延迟成为网络研究的方向和目标。主动队列管理对于改善网络拥塞、控制数据流延迟有着重要作用。然而传统网络的转发设备受硬件限制不支持用户自定义队列管理算法,但随着可编程网络等新型网络架构的出现,在数据平面通过编程接口管理网络节点上的资源（存储器、处理器和分组队列等）得以实现,主动队列管理技术得到进一步的发展,研究数据平面的队列管理对于改善网络拥塞和满足低时延网络应用需求有着重要意义。本文在网络可编程技术的研究基础上,结合深度强化学习模型,设计实现了基于深度强化学习的数据平面队列管理机制,该机制对可编程数据平面队列管理与深度强化学习有效结合研究进行补充。本文主要包括以下内容:（1）针对不同数据流在队列里排队状态变化提出了一种主动队列管理方案,定义了三种队列排队状态,在不同队列排队状态下执行不同的队列管理策略。通过丢弃数据包来控制数据流的延迟,约束发送端的发送速率,稳定队列排队长度和队列排队延迟,保障网络传输效率。（2）使用可编程数据平面的网络带内遥测技术（INT）采集交换机内部状态数据,为网络状态判断和深度强化学习模型训练提供了端到端数据包级别的网络信息,INT直接工作在数据平面,无需控制器参与网络状态信息采集过程,大大减少了控制平面与数据平面的交互。（3）在可编程网络架构中引入深度强化学习模型,主动队列管理与深度强化学习DDQN模型有效结合,学习复杂的网络环境,根据不同时刻的不同网络状态调整队列排队状态划分阈值,使得主动队列管理的响应能力跟随网络环境动态变化。（4）最后,对本文提出的队列管理方案进行功能测试和性能分析,与基于P4的主动队列管理方案（P4-Co Del、P4-PIE和P4-RED）在队列时延、吞吐量等性能上进行比较,实验结果表明本文提出的队列管理方案能够稳定队列长度和保证最小化的队列排队延迟,在应对队列数据包堆积上有较好的表现。