网络流量分类对网络管理、安全预测和流量工程等方面的研究提供了重要的技术支持。随着互联网中应用种类不断出新和形态快速变化,研究网络分类的意义逐步体现出来。流量分流是网络流量分类中基础的步骤之一,然而网络流量分流因为耗时太长已经成为网络流量分类的技术瓶颈。云计算透明的、简单的编程模型在服务开发和部署方面为我们提供了新的思维方式。其中Apache公司提出的Hadoop平台是开源的云计算平台,是当前应用最为广泛的云计算平台。它使用Java编程语言实现了MapReduce编程模型和分布式文件系统HDFS (Hadoop Distributed File System)。 MapReduce模型不仅是一种简单的并行计算模型,为实现大规模计算的自动并发和分布式执行提供了可能,而且还是优秀的调度模型。HDFS分布式文件系统是以块序列形式进行文件存储,并通过复制块的方式来保证高可靠性。本文在分析了网络流量中网络流的特点之后,研究了基于MapReduce模型的网络流量分流并行处理的关键技术,并且给出了一个基于Hadoop平台的网络流量分流并行处理的设计和实现方案。首先介绍了网络流量分类的体系结构和网络流的概念以及如何进行分流。然后进行分流并行的可行性分析,提出在Linux环境下搭建Hadoop平台提取网络流量中数据包的特征,并根据规约条件将数据包归并为一个完整的数据流。最后在Linux环境下实现了本系统,利用该系统对捕获到的内蒙古大学校园网络流量进行分流,并进行了实验和验证。实验结果表明,对于大数据进行分流时该系统平台优势显著,与单机多线程相比加速比是3.33。