在各种网络流量中,突发是一种常见且重要的流量模式.突发会增大网络时延并影响应用性能,因此对突发流的检测、分析和缓解对于提升网络性能和鲁棒性是有意义的.然而,当前基于逐次突发的检测方案存在显著的带宽开销和高用户负担问题.文中通过观察并分析多个场景下的突发流量特征,提出了价值突发流(Remarkable　Burst　Flow,RBF)检测,在降低带宽开销的同时,减少了传统突发检测中的密集手工劳动和专家经验要求,减轻了网络管理者的负担.RBFRadar是基于Sketch数据结构的框架,支持可编程数据平面上的RBF检测,在一段时间内观察流级别的突发性.该框架仅产生有限的内存占用和低时间复杂性,其原型可在PISA架构上实现.实验结果表明,在检测RBF的准确性方面,RBFRadar的F1分数是现有方案的5.6～23.4倍;在带宽开销方面,与基于逐次突发的检测方案相比,RBFRadar可降低84.62％～98.84％的带宽开销.