大数据时代,互联网飞速发展,网络规模呈指数增长,各种新型的网络服务层出不穷,网络组成也变得尤为复杂。网络流量分类(Network Traffic Classify,NTC)在分析用户行为、增强网络可控性、提高网络服务质量(Qualityof Service,QoS)和保障网络安全等方面起着至关重要的作用。随着互联网规模的持续扩大和性能的不断提升,当今大规模高速网络流量具有数据量大、多样性、传输快、价值密度低等特性;面对这些大规模高速网络的独有特性,传统的网络流量分类方法有些力不从心。为了能够迅速、准确地对大规模高速网络下的流量数据进行分类,本文利用决策树的相似性和权重集成策略对随机森林算法进行改进。通过计算决策树的相似度为依据,消除决策树之间的决策冗余,提高分类效率;依据决策树的分类性能为每棵决策树设定权重,并根据权重集成决策树形成随机森林,保证模型的泛化能力的同时提升模型分类性能。另外还利用流的启发式特点,引入强相关性指导聚合网络流量以此获得更好的分类性能。传统网络流量分类方法由于单机硬件资源的局限性都难以适用于大规模高速网络环境。因此为了突破单机资源的限制,文章使用Spark及其相关技术结合并行化的改进随机森林算法构建了适用于大规模高速网络环境下的流量分类系统。并且经过实验证明了系统良好的健壮性、可行性和可扩展性等;系统大幅度降低了分类时间,提高了分类效率。