伴随着计算机技术的不断发展,设备与设备之间的信息交互越发频繁,这些在信息网络中不断传递和交互的信息汇聚成了流动的数据集合。数据流的流动方向就是信息的传递方向,对数据流的处理过程就是获取其中蕴含信息的过程。通过对数据流组成信息的处理,研究者可以分析得到这些信息背后隐藏的规律和特征,根据不同的应用场景和应用需求,研究者能更具目的性地进行信息处理和分析,提高信息的利用率。在本文中,应用的场景主要是对网络中的数据流进行处理,应用的需求主要是对数据流的频次大小进行估计,进而可以根据这些信息分析网络性能或者指导网络的部署。网络中数据流的流量是很庞大的,同时传递和交互的速度又非常快,对这样的数据进行处理本身就需要耗费很多额外的资源开销。然而在实际的网络环境中,没有专门的设备对数据流的频次大小进行估计,更多地是在现有的设备上进行。如在交换机对报文进行传递和交互的时候,只能将交换机上的某一部分资源用于该功能的实现。也就是说,用于对数据流频次进行估计的资源是极其有限的,特别是存储资源。这种在有限空间内对数据流进行频次估计的问题,是已经在许多应用中被公认的具有挑战性问题。本文在充分调研该领域相关研究和工作的基础上,通过不断地分析和探索,提出了一种基于多级级联计数器结构的调度算法,最大程度地提高了存储空间的利用率,同时也获得了较好的精度评估结果。在提出可行的算法之后,本文进一步提出了一种基于FPGA的系统设计,该系统不仅支持级联调度的算法,以及在线查询数据流的频次估计结果,而且支持在线学习和调整参数。最后,本文在Xilinx VCU118上进行了设计和实现,并使用真实的网络踪迹进行了实验评估,从实验结果的分析中,进一步证明了本文的算法和设计可以在较低的存储空间下实现更高的数据流频次估计的精度。