网络测量任务包括了网络的流量测量、时延测量、故障测量等方面,其中流量测量是网络中最重要的测量任务。网络流量测量指的是统计网络流量信息的过程,它为网络日常管理任务提供必不可少的输入。随着网络和应用的发展,网络规模越来越大,组网越来越复杂,网络流的数量和大小都迅速增加,使得进行精细化的网络流量测量更加困难。在传统网络中,交换机只能按照固定的协议规则对数据包进行处理和转发,导致网络缺乏灵活的控制和测量能力。而近年来提出的软件定义网络(Software-Defined Networking,SDN)具有灵活和集中式的控制平面以及可编程的数据平面,为实现精细化的流量测量奠定了基础。因此,本文主要研究面向SDN网络的精细化网络流量测量技术。单点流量测量是指在单个网络节点上,测量经过本节点的流量的方法,本文首先对单点流量测量进行了研究。现阶段单点流量测量方法将大小流进行混合测量,导致了吞吐量低、测量误差高等问题,因此本文提出一种高性能的单点流量测量方法,该方法将大小流分开测量,利用高速TCAM精确测量大流,利用具有数据压缩功能的Sketch粗略测量小流,以提高测量的准确度和吞吐量。实验表明,该方法能够降低测量误差,并且吞吐量最高能够比其他方法高出430%。网络级流量测量是指在网络范围内,对全网流量进行多节点协同测量的方法。为了充分利用全网的测量资源以提高测量的准确度和吞吐量,本文分别对测量节点部署和测量任务分配这两个关键问题进行研究。首先本文证明了测量节点部署问题是NP-hard问题,然后提出了一种近似算法解决该问题。为了解决重复测量问题和测量节点容量约束下的测量任务分配问题,本文提出了一种基于最小测量代价的测量任务分配方案,实验表明该方案能够合理利用网络测量资源,有效降低测量误差。本文利用TCAM表项对大流进行测量,而同时可以利用这些TCAM表项对大流进行路由优化。因此本文提出一种流量测量与路由协同优化方案,该方案在本文提出的网络流量测量方案的基础上,对大流进行周期性的路由优化。为了选择合适的路由,本文建立了基于负载均衡的MILP模型,并提出一种基于测量节点局部优化的启发式算法以提高求解效率。实验表明,本文提出的启发式算法能够在较短的时间内获得接近最优的路由方案。