网络测量技术在信息技术领域扮演着越来越重要的角色，随着网络技术的迅猛发展，网络流量数据呈现出指数级的增长。传统集中式的网络测量方法由于计算能力和存储能力的限制，已经无法满足现代网络测量的需求。为了解决这一问题，学术界和产业界都在积极探索新的技术手段和方法。
云计算技术的出现为网络测量提供了新的可能性。云计算以其强大的数据处理能力和存储能力，能够有效地处理大规模网络测量数据。Hadoop是一个广泛使用的开源云计算项目，它建立了一个可扩展的云计算框架，主要包含分布式文件系统HDFS和分布式计算模型MapReduce。利用这些技术，可以设计出基于云计算的网络测量系统，从而实现对海量数据的高效处理。
MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。在云计算的网络测量中，MapReduce可以被用来处理大量的网络测量数据，例如数据报文的往返时延计算和Netflow流数据的聚合。往返时延（Round-Trip Delay）是指数据包从源点到达目的地再返回源点的时间间隔，它是衡量网络性能的一个重要指标。Netflow是一种网络协议，用于收集网络流量信息，包括IP流量的来源和目的地、端口号、协议类型等，它能够提供网络流量的详细视图。流聚合则是将多个数据流合并为较少数量的流，以便于处理和分析。
在传统网络测量中，数据的采集和分析多采用单机处理方式，即实时数据或离线数据都被发送或存储于单一的服务器上，然后进行测量分析。这种方法有明显的局限性，因为服务器的计算和存储资源有限，处理的数据量受到限制。此外，面对海量数据时常用抽样技术，但抽样后的数据分析并不能完全反映网络的真实情况。
针对上述问题，本文提出了一种基于Hadoop云平台的可扩展网络流量测量系统。该系统通过集群系统中的测量探针对海量测量数据进行可靠地回收，然后利用Hadoop平台的分布式处理能力来处理这些数据。为了证明基于Hadoop的网络测量方法的有效性，文章设计了往返时延MapReduce实验和Netflow流数据聚合MapReduce实验。
这些实验涉及多种测量工具和技术，例如TcpDump、Wireshark、CoralReef、Snort、Tcptrace和Ntop等。TcpDump是一个常用的网络包捕获和分析工具，它利用Libpcap库来实现。Wireshark提供了图形界面和统计功能，用于流量分析。CoralReef由CAIDA开发，支持灵活的流量捕获、分析和重新端口功能。Snort是一个开源的入侵检测系统，能够实时分析网络入侵信息。Tcptrace专门用于分析网络传输层的各种测量。Ntop则是一款实时监视网络使用情况的工具，具有深度包检测功能。
通过云计算技术和MapReduce模型，网络测量领域中的数据处理问题得到了缓解。但是，云计算环境下的网络测量同样面临着一系列的挑战，如数据隐私和安全性问题、数据的实时性和准确性问题等。因此，未来的研究不仅要考虑如何提高云计算网络测量系统的性能，还要关注如何解决这些潜在的问题。随着云服务模式的成熟和标准化，云计算在未来的网络测量领域必将发挥更加重要的作用。
