流数据变化速度快,价值密度稀疏且只能单次访问的特性,导致难以对其价值进行有效评估。采样作为数据价值评估的重要手段,现有在全量流数据上采样会产生过多存储计算资源浪费,访问部分流数据的采样评估方法易丢失蕴含大量离散值的流数据的价值和信息。基于上述问题,如何高效精准的对流数据进行采样使得能够准确的评估其价值成为一个尚待解决的问题。本文针对此问题展开研究,主要贡献如下:首先,针对全量流数据采样产生资源浪费及单方面考虑离散值或频繁值对原始流数据价值评估不全面的问题,借鉴矿产钻井勘探思想,提出了一种“钻井式”的大规模流数据采样方法。该方法构建了采样井模型,实现了流数据中蕴含大量价值信息的数据高效采样并给出了流数据访问率的计算定理。进一步提出了采样价值评估模型,该评估模型主要从准确性、高效性两个方面,包含九个评估指标对样本集进行全面的价值评估。实验表明,提出的方法在流数据访问率较低的情况下,获得的样本集可以准确高效的表征原始流数据集的分布概貌和统计特征,价值评估准确率几乎均在90%以上且样本率受参数影响较小,明显优于最近具有代表性的概率保证稀疏一次性采样方法（SWIFT）。其次,为了在有限访问流数据集下保留较多蕴含大量价值的离散值,提出了有限访问下流数据钻井采样方法。该方法以“井”为分析单元,利用偏态系数确定井内数据的离散程度、离散方向、采样率和动态定位下一个钻井位置,分别进行井内采样和井间采样,保留较多离散值。进一步提出了流数据集整体特征评估模型,解决了含有大量离散值的样本集无法有效评估流数据集整体价值特征的问题。实验表明,提出的采样方法在样本率较低的情况下使用支持向量机（SVM）训练测试得到Macro＿F1值在95%左右,对流数据集整体特征评估的准确率几乎均在90%以上,优于经典的水库采样方法。最后,设计并实现了基于数据勘探的流数据采样评估系统。该系统基于上述采样方法和价值评估模型,实现了对流数据进行实时采样和评估。系统主要实现如下功能:流数据采样评估参数配置,实时采样监控,采样价值评估和样本库。通过以上功能的分析和可视化展示,可以清晰地了解流数据的分布概貌和价值评估结果,便于数据分析者快速了解流数据的价值信息。综上所述,本文主要针对现有采样方法难以准确高效的评估流数据价值的问题,分别提出了“钻井式”大规模流数据采样方法及价值评估模型和有限访问下流数据钻井采样方法及整体特征评估模型,成功解决了流数据大小不确定导致采样无边界的问题,有效保留了原始流数据集中蕴含大量价值信息的离散值并能够准确的评估原始流数据集的价值。最后,设计并实现了基于数据勘探的流数据采样评估系统。本文所提的模型和方法对大数据的整体质量和价值的评估等方面具有重要的理论研究价值和应用价值。