随着移动互联网的不断发展,对网络资源优化分配和管理的需求不断增高。由于不同类型的网络流量对网络性能有不同的影响,细粒度网络资源管理需要进行网络流量类型的检测和识别。流量检测技术作为细粒度网络优化和管理的基础,越来越受到学术界的工业界的关注。在流量检测领域,基于机器学习算法的流量检测技术由于其良好特性,成为了近年来流量检测领域的研究热点。本文设计并实现了基于机器学习的分布式流量检测系统。整个系统采用分布式架构,可以灵活地进行系统的扩展和部署。利用B/S架构实现整个系统的集中式管理,可以实现远程系统管理、结果查询和对检测结果的统计分析。系统采用支持向量机算法进行流量检测和识别,基于网络流量的统计学特征对流量进行分类,在一定程度上克服了传统流量检测方法的缺点。本文还对所实现的分布式流量检测系统进行了功能测试、吞吐量测试和识别准确率测试。测试结果表明,本文所实现的分布式流量检测系统能够完成流量检测工作。在本文测试系统所使用的计算资源下,系统吞吐量理论最优值为2.81GB/s左右。系统整体检测准确率为74.8%左右。