近年来，随着社会进步和互联网技术的迅猛发展，网络数据量逐年飞速增长且网络规模变得日渐庞大，当前对网络的性能、安全、服务质量等指标进行统计分析面临着海量数据的挑战，从而使得监控和评估网络服务质量变得越来越困难。目前，对海量网络数据进行有效合理的收集存储和统计分析已经成为一个急需解决的问题。　　传统的集中式网络测量技术在数据处理过程中，存在数据存储成本过高、数据存储管理困难、处理方法耗时严重、网络测量并行处理程序编写困难等问题，网络测量需要一种新的技术来解决这些问题。因此，利用开源云计算平台的思想被提了出来。目前，基于云计算的网络测量研究尚处于初级阶段，测量过程中的海量数据收集存储，数据分析并行算法等问题还待于进一步探索，利用云计算平台的数据处理能力处理海量数据已经成为目前网络测量的发展方向，本文即为在这一发展过程中的工作成果。　　本文采用Hadoop开源云计算平台提供的分布式存储系统HDFS和并行计算编程框架MapReduce，研究云计算平台下网络测量算法作业设计问题，在此基础上，实现了一个海量数据网络测量系统。本文的主要工作有:1.设计了一个基于Hadoop云平台的网络测量系统框架，满足了对海量数据收集存储和测量作业的需要;2.研究探讨了目前高速网络数据报文捕获和转发技术，引入了分布式可靠存储技术HDFS，实现了海量数据的高效收集和安全存储;3.研究使用MapReduce框架编写并行的网络测量作业，实现了基于报文的TCP传输层性能测度计算和基于流数据的用户行为分类两个MapReduce作业，通过数据实验分析验证了测量作业的正确性和系统性能的可扩展性。