近年来,随着网络技术的不断精进及其应用的多元化发展,网络流量测量技术和网络拥塞控制机制受到了国内外研究者和组织机构的广泛专注,在当前高速网络环境下,网络流量测量工作对测量设备的计算力以及存储空间提出了很高的要求,传统的测量方法因其自身的可扩展性限制,很难适应高速网络环境下的流量测量,基于数据流的网络流量测量方法是目前测量高速网络流量的重要手段;另外,随着互联网的代际更替,传统的TCP/IP网络拥塞控制方案在处理高速网络链路上的海量突发数据流时很难同时满足高带宽、低时延、公平性等网络性能需求,主动队列管理算法是当前处理高速网络拥塞的主流方法。本文主要围绕网络流量测量和拥塞控制来开展工作的,首先本文从Count-Min Sketch的高估问题入手,在为改善CMS的准确率而提出的Conservative Update Sketch的基础上,提出了一种基于Flag计数的sketch结构——CUSF,旨在设置一个Flag标志位来检测映射到同一计数器的数据包是否属于同一个数据流,然后采取不同的计数方案来改善计数器的计数操作以提高测量精度,最后通过模拟多种场景执行该方案。实验结果表明,与CUS算法相比,CUSF算法的数据流平均高估值降低了15%以上,可有效提高数据流的估计精度。其次,通过网络测量获取数据流量后,就需要对网络流量进行协议分析,本文在NS-3网络仿真器中构建网络拓扑结构模型,对各种拥塞控制算法进行性能测试,发现调整Co Del算法的interval参数会对Co Del的平均队列长度、丢包数和吞吐量等性能产生影响,而此前Co Del算法的target和interval参数值几乎被认定为固定的（target=5ms,interval=100ms）,为此本文通过多组仿真实验,实验结果验证了调整interval参数确实会对Co Del的平均队列长度、丢包数和吞吐量等性能产生影响。最后,在前两项工作的基础上,本文针对CoDel算法不能细粒度识别网络拥塞状态和有区分地进行丢包的问题,结合CUS结构,提出了一种基于sketch的自适应主动队列管理方法——s Co Del,s Co Del首先对网络链路中的数据包进行排队时延的判断,然后利用sketch结构进行数据包的频次计数占比判断,通过在NS-3中进行仿真实验,结果显示,s Co Del算法在维持相似的吞吐量性能下,实现了比RED、PIE、Co Del算法更低的平均队列长度、更高的公平性,平均队列长度与Co Del算法相比下降了85%左右,公平指数与RED算法相比提高了约5%。在快速缓解网络拥塞的基础上,s Co Del算法可以实现有区分地丢包策略,保证数据流之间的公平性,维护了网络的可用性和稳定性,提升了网络的服务质量。