日益增长的网络规模对网络的故障探测和定位提出了更高的要求,网络测量是发现网络故障的重要手段。主动测量由于具有灵活性和隐私性在网络故障检测中被广泛运用,但主动测量的方法会向网络中引入额外的探测流量。本研究的测量对象是网络中的链路级故障。为了探测到所有链路故障,最常见的设计是对链路进行全覆盖的测量,这无疑会引入大量的探测流量。而在任何的典型场景中,故障链路的数量都只是网络中的一小部分。理想的设计目标是使用最少的探测来覆盖这些少数的故障链路。为了减小主动测量产生的测量代价,本文设计了一种基于图分割的两阶段测量方法,主要工作如下:（1）提出了基于分区的链路传输重要度评价方法,给出了该算法的示例以及和其他重要度评价方法的对比。然后按重要度排序筛选出一轮测量的待测链路集。根据待测链路集设计了基于贪心的探测路径选择算法。对一轮测量进行了仿真建模,验证了能够通过较少待测链路探测到大部分故障的假设,并且讨论了分区数对测量的影响。（2）根据一轮测量返回的探测路径状态,二轮测量需要找到可疑区域,并对可疑区域进行进一步的探测。为了得到可疑区域,对一轮探测的探测路径设计了一种基于链路状态的故障定位算法,并提出了最小可识别集的概念。定位得到的最小可识别集被称为最小故障集,其对应的区域称为可疑区域。针对可疑区域中未被一轮探测路径覆盖的链路,采用基于全覆盖思想的二轮测量的探测路径选择算法得到二轮探测路径。（3）为了对本文提出的测量方法产生的测量代价进行评估,选择了三类常见的随机网络模型,选择不同参数生成了各个规模的实验拓扑。为了充分验证方法的适用性,选择了三类常见的流量模式对实验拓扑进行了仿真实验。实验证明,在保持较高故障检出率的前提下,对比于常见的全覆盖方法,本文提出的基于分区的测量方案在测量代价上具有显著优势。