长流检测对于拥塞控制、入侵检测和流量工程等方面具有重要意义。网络中的流具有显著的重尾特征。从网络流量中检测出长流可以更好的了解网络行为,对网络操作和网络管理也有重要帮助。根据网络报文流的重尾特征,本文设计了长流存储结构HTrap,将Sample and Hold策略与HTrap结构相结合,提出新的长流检测算法SH-HTrap。算法由两个模块构成,分别为抽样保持模块和存储计数模块。抽样保持模块由VI-CBF过滤器和随机抽样函数组成,VI-CBF过滤器用来过滤报文流,随机抽样函数用来对报文进行抽样。该模块采用改进的Sample and Hold策略实现报文的流抽样,当一个流的报文被抽中,以后所属该流的报文将不再进行抽样,直接进入存储计数模块进行计数。抽样保持模块减少了算法的在线处理时间并有效地降低了算法的误检率。存储计数模块采用HTrap作为存储结构,HTrap由多个Trap结构和哈希函数组成,Trap用来存储流信息,哈希函数用来选择流信息存储的位置。该模块实现非长流的剔除,并对VI-CBF过滤器进行实时更新,当流信息存储发生冲突时,通过计算流速率,将非长流从存储结构中剔除,同时更新抽样保持模块中的VI-CBF过滤器。存储计数模块有效地降低了 VI-CBF过滤器的负载并减小了算法的空间消耗。为了评价SH-HTrap算法在长流检测方面的性能,本文使用网络中的真实Trace进行实验,并与其它长流检测算法进行对比。实验结果表明,SH-HTrap算法有较小的误检率,而且在空间消耗和时间消耗方面也具有优势。