本发明实施例提供了一种基于机器学习的卫星网络路由优化方法、控制器及数据系统，其中控制器端的方法包括：接收当前时刻的由数据系统的目的卫星节点发送的采样数据包；解封采样数据包，并获取采样数据包中所包括的每个测量首部字段中的队列深度字段，计算每个卫星节点的负载量；将每个卫星节点的负载量，已获取的当前时刻的各个候选路径上的每条链路的负载量，确定为PPO模型的状态集合，将状态集合输入PPO模型，得到当前时刻的下一时刻的每条候选路中的链路的权重；将权重和最小的链路对应的候选路径确定为目标下发路径，将目标下发路径下发至数据系统，以使数据系统中的中间卫星节点基于目标下发路径转发采样数据包。