目前，数据流系统被广泛应用，如网络入侵检测和金融分析。在数据流的查询处理中，聚集查询是一种常用的查询类型，滑动窗口是近似查询常用的技术。因此，滑动窗口聚集查询在数据流管理系统中具有较高的研究价值。系统经常需要在同一个数据源上处理多个聚集查询，而单独地执行每个查询可能会导致严重的可扩展性问题和性能问题，并且当数据流的到达速率超过系统资源的承受能力时，系统会出现性能下降甚至瘫痪的现象。本文提出了数据流上多聚集查询的优化技术，具体工作包含以下几个方面：首先，分析了数据流系统上多聚集查询的处理方法。在系统的处理能力下，讨论多聚集查询的共享计算问题，消除系统的计算冗余；在系统超负载时，介绍数据流上多聚集查询的降载策略，分析各种降载策略的适用环境。其次，设计并实现了一种优化的窗口聚集算法OPWA。先根据各时间窗口参数对聚集查询进行分组，使得相似查询可以同步调度；再采用Paired技术对数据流进行分割。一方面减少了时间切片的数目，降低了空间的需求；另一方面同步地执行相似查询，减少了系统的计算开销。最后，提出了MinWinDrop窗口降载策略，减小了降载窗口的更新周期。数据流系统可以将MinWinDrop降载操作符插入到查询计划之前，提前丢弃未处理的元组，消除系统不必要的计算开销。该降载策略不仅保证各聚集查询部分结果的精确性，而且实现系统输出子集的最大化。本课题的研究能够有效地解决数据流上多聚集查询的处理问题，提高数据流系统的执行效率，扩展了多聚集查询的应用领域，对其他的相关研究具有一定的参考价值。