在网络带宽迅速发展的今天,网络测量作为监测网络运行状态,维护网络持续正常运转的重要手段,对于网络的运行和安全具有十分重要的意义。传统的网络测量方式已经不能满足日益增长的网络带宽需求,网络测量发展到现在已经经历了由最原始的采样到现在的Sketch结构的发展,从朴素的抽样统计检测开始,网络测量的核心思想就是监测网络流量的状态,发现异常流量,统计日常流量的规律,为网络的安全运行和网络应用面向用户的发展提供重要依据。而交换机片上资源有限和交换机作为数据平面与控制平面之间交互的带宽资源有限使得高速网络测量面临着这些瓶颈限制。本文从解决网络测量的瓶颈出发,通过对Top-k结构和Sketch结构的研究和分析,并将两种测量结构进行混合来减少测量结构对内存资源的高占用,同时获得高精度的测量结果,极大地减少了网络测量功能对交换机片上存储的侵占。在混合测量结构设计过程中,本文建模并分析了混合测量结构中两种不同结构的内存分配比例和性能指标,使得在此内存分配比例下,系统能够得到最优的结果。通过实验证明我们的混合测量结构能够比我们采用的单一Sketch结构节省了约24倍的内存空间。从网络测量支持的应用考虑,为了更好得支持熵值等测量应用,本文对混合测量结构进行了分析与优化,得到了混合结构中两部分单一结构所能达到的性能边界,并依据网络流量的统计学规律对经过Sketch结构压缩过的数据进行扩充和恢复,以达到对需要大量数据的应用的支持。我们设计了数据扩充算法并进行了实现,通过实验,优化后的系统能够达到原始系统在占用十倍内存条件下的测量精度的80%。通过混合测量结构的设计与实现,分析与优化,本文提出了一种能够在内存资源受限的情况下进行精准测量的基于Sketch的混合网络测量结构。为高速网络下的网络测量提供了一种新的解决方案。