网络流量是由不同应用类型的流量成分混合而成的,充分理解总体流量的构成以及各种成分的变化规律对网络管理和网络行为学研究具有重要意义。源宿IP、源宿端口与协议在五个维度上同时描述了流量的特征,此外IP地址隐藏着网络前缀的层次关系。流量聚合算法的目的是动态挖掘出显著的流量模式,并将结果作为海量流量的摘要以反映网络流量的全局概况。由于流量聚合算法需要对流记录进行反复查找并在内存中维护大量状态信息,设计一个高效算法减少对内存空间的占用和流记录查找次数,以适应高速主干网络环境、满足准实时的测量要求是论文的研究目标。　　 本文对目前相关算法进行综合与改进,提出了一种自顶向下分解流量的快速一维聚合算法,避免了聚合过程中不必要的计算开销。通过引入IP地址归属,论文对一维聚合算法进行了扩展,使聚合结果的语义得到了完善和增强。基于一维聚合结果,论文改进了多维聚合算法的基本框架,通过裁剪搜索空间以及消除不必要的模式匹配达到提高效率算法效率的目的。最后对算法的处理时间和内存占用两方面进行对比和分析,说明论文中算法在资源要求方面的优势。以算法工作为基础,论文实现了一个基于Netflow的流量聚合原型系统WindWalk,并将其部署在真实的大规模高速网络环境下运行。根据该系统的实际运行结果,从流量规律和流量异常两个角度说明系统对网络管理的实用价值。