近年来,有关Skyline查询的研究工作主要集中在对查询处理过程中计算代价的优化,而对其中涉及到的通信代价优化却却很少涉及。考虑一个“客户机/服务器”(C/S)构架的分布式系统,客户机通过自身的传感器等装置记录数据,再将记录更新到服务器；服务器保存记录在磁盘上并对这些动态数据进行连续Skyline查询处理。由于频繁的数据传递会耗费大量的能源和带宽,客户机与服务器之间过多的通信不但会造成大量的能源浪费,而且也在时间上严重制约了连续Skyline查询的效率。在假定服务器具有充足资源进行计算的前提条件下客户机与服务器之间的通信代价将成为影响能源消耗和算法执行效率的最主要因素。不仅如此,在大多数现实环境中,数据的不确定性普遍存在,这导致Skyline查询处理变得更加的复杂和困难。本文研究了基于C/S构架的不确定性数据环境下的连续分布式概率Skyline查询。首先,本文在不确定性数据环境下定义了一种特殊的概率阈值Skyline查询。在此基础上,本文提出了Filter方法,该方法通过对每一个记录构建合法过滤器并在计算Skyline过程中不断对其进行维护,使得客户机向服务器传输数据时能够避免不必要的更新操作(在Skyline不受到影响的情况下),以此达到优化通信代价的目的。本文在模拟数据上的实验证明Filter方法相对传统方法能够有效降低分布式概率Skyline查询过程中的通信代价,提高了分布式概率Skyline查询的效率。