随着互联网和云计算的发展,资源调度的核心由传统路由器转变为数据中心,数据中心已成为数据支撑平台,承载用户请求并对外提供服务。传统运营商的网络测量方法面向的场景是尽力而为的服务,而不关心具体应用在网络上的服务质量,而数据中心之间的网络资源调度是为应用提供服务的,因此数据中心之间需要更精细化的网络测量方法,从而为细粒度的资源调度提供数据支撑和决策依据,数据中心之间的网络测量对当今互联网资源的调度具有重要作用。本文基于云网场景,提出了面向云网环境的数据中心网络传输质量的测量方法。本文的主要工作是,基于开源监控工具OpenFalcon二次开发、部署了面向云网环境的测量系统,实现了测量系统长期稳定运行。而网络测量涉及到资源消耗和准确性的权衡,合理的网络状态抽样和统计方法对数据中心之间网络资源视图的精确刻画具有关键性作用。围绕上述问题,本文具体研究内容包括:(1)网络QoS特征分析方法研究。本文借鉴统计学模型、深度学习模型等,根据QoS测量结果,选择相应的模型对QoS数据进行拟合,以提取面向云网环境的数据中心广域网之间QoS变化特征规律。(2)测量配置优化方法研究。测量是整个网络资源调度的基础,而测量本身也伴随着系统网络资源的开销,本文提出了测量配置优化方法,根据被测链路网络QoS变化特性,分析测量系统长期稳定测量配置,旨在以较小的测量代价获得数据中心之间广域网传输质量视图。(3)网络测量系统网络QoS特征变化检测研究。在测量系统运行过程中,实时检测当前网络QoS特性是否发生变化,用于评估测量长期配置的合理性。