随着大数据时代的到来,挖掘海量数据流的实时价值对于各行各业来说越来越重要。这类高速产生的流式数据通常具有实时性、动态性及持续性等特征,并且人们很难预测其未来的分布特性。分布式流处理系统可以满足企业人员处理实时数据流的需求。为了提高处理数据流的吞吐量,分布式流处理系统会利用流应用中的数据并行性。然而,倾斜分布的数据流常常会导致算子的并行实例之间的负载分配不均衡。其中,高负载的节点会拖累系统的处理速度、降低系统性能,从而成为整个系统的瓶颈。低负载的节点则会由于负载不饱和而降低系统的资源利用率。通过对分布式流处理系统的负载不均衡问题进行分析研究,本文首先试图降低负载不平衡性的同时使键值分离的开销尽可能小,提出了一个基于键值分离的数据分区算法Holistic。Holistic算法采用了路由表和哈希函数相结合的混合路由方法。对于低频键值,Holistic算法使用哈希函数进行映射;对于高频键值,Holistic算法根据当前的局部负载不平衡状况来确定目标节点的选择范围。通过区别对待数据流中的高低频键值,Holistic算法不仅路由决策迅速,而且始终使全局负载不平衡性在较低范围内,与此同时也可使键值分离的程度尽可能低。另一方面,本文通过分析重平衡负载的被动式方法的诸多不足,提出了一个基于状态迁移的在线数据流分区方法OKG（Online Key Grouping）。该方法将三个组件模拟成有限状态机的形式周期性地连续执行,从而可以适应实时流处理系统的连续处理模型。每个周期内,OKG采取了先构造分区函数再分发数据元组的主动式方式避免了被动式方法的不足。OKG构造的分区函数同样由路由表和哈希函数组成以降低路由表的大小。OKG只对高频键值和其频次使用类似于最短处理时间优先算法的方式进行构造,避免了低频键值参与到随后的键值状态迁移过程中,从而最小化迁移开销。实验表明,本文提出的基于键值分离的Holistic数据流分区算法在不同倾斜度和并行度条件下都有稳定的表现。相比于现有的算法,Holistic算法在获得相近的负载不平衡性的同时,不仅路由时间降低了大约85%,而且键值复制度降低了大约20%。本文提出的基于状态迁移的在线数据分发方法OKG则克服了被动式和离线方法的不足之处,不仅具备主动式方法的诸多优势还可以并行执行。相比于现有的方法,OKG在最大并行度和最高倾斜度时的负载不平衡比例分别降低了87%和89%,并且数据负载分配结果更加均匀。