随着互联网规模的持续扩大,网络性能已经成为用户和生产商非常关心的内容,而网络测量技术,就是了解互联网性能和行为特征的基本手段之一。本文提出了一种全新的网络测量计数器体系架构,我们称之为基于片上缓存协助的随机共享型计数器(Cache Assisted and randomizEd ShAring counteRs,后文简称CAESAR)。网络中的单流测量一直是网络测量技术中的重要分支,近些年有很多工作都旨在设计出一种在线统计测量模块,使其能够匹配飞速增长的网络链路传输速度,进而实时更新网络流计数器中的统计数据。为了满足这样的技术需求,在使用读写速度比较慢的片外SRAM计数器之前,CAESAR中先增加一块高速的片上存储器作为辅助缓存,这样不仅能够在线同步更新网络流数据,进而避免丢失数据包,还能大大减少每个网络流对片外SRAM计数器的访问次数,进而提高时间效率。同时,在将缓存数据更新到片外SRAM计数器的过程中,CAESAR采用多个网络流随机共同享有计数器的思路,设计出一种紧凑型计数器结构,使得所有计数器项都尽可能被均匀地使用,减少了不必要的空间浪费,进而提高存储效率。将所有缓存数据更新到片外SRAM计数器后,对于某个特定的网络流,经过CAESAR中的计算,可以除去其他与之共享计数器的网络流带来的噪声影响,进而离线估算出该网络流的流量大小,我们在理论上严格推导出估算值的期望和置信区间,证明了估算结果的无偏性与准确性。在本文中,基于从真实骨干网获取的网络历史数据,既在Visual Studio中进行了软件仿真,也在Xilinx Virtex-7 FPGA芯片上做了FPGA实验,进一步验证了本文的理论推导。结果表明,对比以前工作,在相同的实验环境和计数器存储空间的前提下,CAESAR分别比CASE和RCS的平均处理速度快92.4%和90%,并将CASE和RCS的平均相对误差降低了至少一半。