高速网络中的流量测量在许多实际应用中起着至关重要的作用。在有限的内存资源下，Sketch能够保持良好的精度和较高的吞吐量，因此在流量测量中得到了广泛应用。然而，大多数现有的Sketch忽略了流之间的优先级差异。优先级敏感Sketch是一种新兴的Sketch，旨在为不同优先级的流量提供不同的测量精度。目前已有的优先级敏感Sketch很难在处理速度与高优先级测量精度之间取得良好平衡。为此，该文提出EssentialKeeper算法，该算法结合优先级敏感哈希与布谷鸟哈希的优势。优先级敏感哈希通过差异化处理不同优先级的流，确保大量低优先级流能够得到快速处理；布谷鸟哈希则最大限度地将高优先级流信息记录在高优先级部分，从而在保持高优先级流的高测量精度的同时，维持较高的吞吐量。在真实数据集上进行了大量的实验，实验结果表明，与最先进的优先级敏感Sketch相比，EssentialKeeper在高优先级流上的准确率平均提高58.5%,F1分数平均提高13.3%，同时可保证较高的吞吐量。
