在互联网日益发展的过程中，涌现出很多新的应用，同时应用的特征也在不断地发生变化，甚至在某些应用中会出现新类型的攻击行为。网络流量应用分类和会话状态分析检测技术可以帮助网络管理者对网络流量应用特征进行测量。为对网络流量进行应用分类，采样流量应保持足够的应用特征。目前相关采样算法已实现了这一目标，但其在采样过程中，会为每条流单独分配计数器记录流的统计特征值。由于网络流量具有重尾分布的特点，在高速网络环境中，这种分配方式会造成路由器存储空间的大量浪费。因此需要对相关采样算法流表存储结构进行优化以压缩采样过程所需的存储空间。对网络连接进行跟踪是进行会话状态分析和检测的重要前提。目前连接跟踪算法普遍使用冲突链来解决哈希流表表项中的哈希冲突。但在高速网络环境中存在海量的并发连接，而且网络流量分布不均匀，这些会导致某些哈希流表表项中的冲突链深度过深，影响算法对连接节点的检索效率。本文从优化相关采样算法的流表存储结构及提高传统连接跟踪算法对连接节点的检索效率两个方面进行研究，达到有效帮助网络管理者在高速网络环境中对流量应用特征进行测量的目的。
　　首先，针对相关采样算法流表存储空间分配存在浪费的问题，提出一种支持应用分类的采样流量存储空间优化方法。通过对流表存储结构的研究，引入共享计数树模型，提出基于共享计数树的存储空间优化采样算法。通过与相关采样算法对比采样流量应用识别准确率和采样过程流表所需存储空间，验证所提出的采样算法在保持采样流量足够应用特征的前提下，能够有效降低采样所需流表存储空间。
　　其次，针对在高速网络环境中，对海量连接跟踪困难的问题，提出一种支持状态跟踪的海量连接检索速度优化方法。通过对控制冲突链深度的研究，在哈希流表中引入高效检索树来解决哈希流表表项中存在的大量哈希冲突并在连接跟踪过程中对检索树结构进行优化调整，提出基于高效检索树的自适应连接跟踪算法。通过与Hash_List算法，Hash_Splay算法以及SHT算法对比检索性能，与Hash_List算法，Hash_Splay算法对比丢包率，验证所提出的连接跟踪算法能够有效地在高速网络环境中对海量连接进行跟踪。