网络测量是掌握网络运行状态，理解网络运行规律的重要手段，被动测量是网络测量中获取数据的重要方法。对于获取到的海量被动测量数据，如何了解其特征从而进行更有针对性的测量分析具有重要意义。本文以一个网络海量被动测量数据管理系统IPTAS的实现为背景，重点讨论其中的公共流量测度计算和异构测量数据访问子系统。　　 论文首先对现有的网络测量数据库进行了介绍，接着通过对IPTAS需求的分析，给出本文的研究目标和主要研究内容。　　 其次，论文介绍了Trace描述测度的选取，明确选择测度的原则，重点针对Trace提供多层次的基本测度，在选择测度的同时应考虑存储测度值所需的空间开销;随后讨论了测度分析中常用的两个算法:计数和TopK排序技术。接下来，本文给出一组测度的定义及测量流程，主要包含两类测度:　　 ①报文测度:在报文层次对Trace的特征进行描述，主要包括字节数、报文数等吞吐量信息，报文长度分布，协议比例分布和端口分布等测度。　　 ②流测度:在流层次对Trace的特征进行描述，主要包括流长分布、流持续时间等测度，本类测度多数由一组数值描述。同时，本文提供描述某一条流的特征的测度，如TCP流报文的逆序数，这类测度可为基于流的报文筛选提供依据。　　 每个测度对应一个分析程序，该程序在提供对Trace的测度描述的同时，亦作为分析程序提供给用户使用。　　 然后，论文介绍公共程序库如何实现读取满足特定过滤条件的报文，组流和流信息提取等公共子程序。设计报文读取流程，允许用户自主设定报文过滤规则筛选满足自己要求的报文;给出组流框架，允许用户在组流同时完成其自定义的基于流的分析工作，而不必在组流结束之后再读取流记录进行分析;改进组流算法，解决了流记录文件中流记录按结束时间排列的问题;设计流记录存储和流信息提取方案，在考虑存储空间的同时，针对分析对象数据量的不同，允许用户以不同方式完成流信息的提取。　　 接下来，论文给出公共程序库的功能模块划分，讨论前述各测度的分析流程并对不同执行速度的分析程序进行同步;讨论组流和测度分析生成的结果数据的存储方式，结合测度值的不同取值形式，分别为其选择合适的存储方案，并给出目录的组织方式和文件的命名方式。　　 最后，本文结合提出的Trace描述测度，选择Trace并对其进行分析，对得到的结果进行简要分析。验证了IP流长分布服从重尾分布的结论，并指出了IP流长及各协议类型IP流占比正在发生的变化。