近年来,针对集中式数据库中确定数据的Top-k查询研究已经取得了很多进展。但是,随着人们对客观世界认识的不断深入,不确定数据领域也受到了广泛重视。并且随着网络的发展,数据存放也越来越分布,导致分布式环境下不确定数据的Top-k查询成为了一个新的挑战。由于在很多真实世界的应用中数据内在的不确定性的出现,像传感器网络、P2P系统这样的分布式环境中,测量工具的精确度、测试环境和网络延迟都会导致信息的不确定和模糊。并且分布式的应用逐渐增多,采集的数据很大程度上是不确定的,而不确定数据与确定数据之间存在本质的区别。因此,研究如何有效地在分布式环境下检索全局的top-k不确定数据对象是很有必要的。基于以上目的,本文提出了一种新颖的方法,能够在大规模的P2P网络中对不确定数据进行Top-k查询处理,采用了超节点的网络拓扑结构,并假设数据集在节点上水平分布。在这个P2P网络中,首先使用网格索引为本地节点上不确定数据建立索引；然后所有超节点索引整个网络中不确定数据的一些摘要信息,叫做全局索引。基于这个全局索引,提出了一种有效的超节点的全局剪枝策略,能够减少大量的传输和计算代价；然后根据子节点上不确定数据的得分关系,介绍了一种局部剪枝方法,可以进一步减少计算代价；之后提出一种通过少量传输和计算代价确定结果的有效算法；最后,通过大量的模拟实验验证了提出的方法在数据的传输代价和响应时间方面的效率。