随着网络带宽的不断增长，传统单机内容审计系统的处理效率已经无法满足大规模网络流量的处理需求，并行处理技术得到广泛应用，网络分流技术成为研究热点。为了减轻处理节点压力，网络业务分流技术被提出。为了提高网络业务分流技术的性能，本文从业务识别和负载均衡两个角度对该技术进行了研究与优化。　　本文对业务识别方法进行了研究。现有的业务识别方法中应用层载荷识别准确率高，但需要逐包过滤，会导致性能降低。服务级业务识别方法通过对服务器端三元组进行缓存，有效提升了识别速度，但该方法缺乏高效的缓存算法。本文针对以上问题，提出一种基于改进时间频率结合缓存算法（LRFU）状态记录的业务流量DPI模型。服务级业务识别方法中使用LRFU-QT缓存算法，该算法综合考虑时间和频率两个因素，通过链式队列存储低频率节点防止频繁的换入换出，并增加时间轮对节点进行定时清理。最后用对比实验验证 LRFU-QT算法具有更好的缓存命中率和处理效率，并验证了使用LRFU-QT算法的模型可以有效提升业务识别效率。　　本文对负载均衡模型进行了研究。当前结合静态哈希和动态反馈方法的负载均衡模型可以达到较好的负载均衡效果，但这种模型存在会话破坏的问题。针对该问题，本文提出基于预测的网络业务流量负载均衡模型 CSAF模型。该模型在基础分发和调整时，使用动态哈希方法达到流量分配均衡，同时结合流表和动态指数平滑预测方法实现零会话破坏率。最终通过实验证明，本模型在保证负载均衡性和低丢包率的基础上实现了零会话破坏率。　　最后，本文结合前两章提出的模型设计并实现了一种高性能网络业务分流系统，给出了系统的实现框图和功能描述，并对系统进行了功能和性能测试。测试结果表明，该网络业务分流系统能够达到较高的吞吐量，具有很高的工程应用价值。