随着移动互联网的普及和5G的飞速发展,网络上数据规模呈指数增长,数据的价值也被不断挖掘利用。数据中心作为数据进行传递和存储的基础设施,正在承载着这些复杂的网络数据。随着数据规模日益增长,在庞大的网络数据和高速网络传输面前,如何对网络进行流量实时获取、分析、存储是网络流量分析必须要面临的挑战。如何在不影响正常业务数据的情况下,高效完成对整个数据中心流量进行采集分析,是一个热点问题。目前传统的实时流量分析系统都是基于传统的协议栈实现,但是在高速网络的环境下,传统的实时流量分析系统会有极高的延迟率和丢包率。基于此,本文设计并实现了一个可以适应在高速网络环境中基于DPDK（Data Plane Development Kit）和DPI（Deep Packet Inspection）高速流量识别统计分析引擎系统,并以此搭建采集分析集群。该系统首先利用Kafka分布式消息队列技术和Spark Streaming实时流式计算框架对采集分析集群处理的数据进行实时分析处理,接着采用Druid大数据查询引擎对实时分析处理后的数据进行存储。最后,在设计上使用现在流行Grafana对数据按需求进行可视化展示。本系统通过模块化设计和可用性的实时监控和告警功能实现了灵活性、扩展性、以及稳定性。本系统在某汇聚机房晚高峰测试结果显示,在流量峰值300Gb/s的情况下,系统的平均单核处理能力达到了9.25Gb/s以上,系统的吞吐能力达到了9.7%,而基于传统协议栈Libpcap吞吐率不到1.2%,本系统实时处理能力足以覆盖整个数据中心出口处的网络流量。系统上线至今已经帮助业务人员和网络管理人员进行多次异常流量告警监控和流量调度以及设备割接等,大大降低了数据中心网络管理和运维成本,基本满足了现阶段实际生产环境下的所有需求。