海量数据上的top-k查询是一项非常重要的查询类型,top-k查询是根据指定的评分函数返回分数最高的k个对象给用户,本文研究top-k查询的两种扩展:top-k selection查询和top-k skyline查询。Top-k selection查询是以对象自身属性值的范围作为选择条件,而top-k skyline查询是以对象与对象间的关系作为选择条件;最终返回满足选择条件且分数最高的k个对象,为用户提供决策支持。首先,在top-k selection研究中,本文提出top-k selection查询基线算法BASel,BASel算法顺序扫描数据集,选择出满足选择条件并且分数最高的k个元组;为了提高top-k selection查询的速度,本文提出基于预排序的top-k selection查询算法PTS,PTS算法对数据集进行预排序,顺序扫描有序表获取top-k selection查询结果,根据数据分布的特点,提出早结束条件,减少I/O次数;为了进一步改善PTS算法的效率,本文提出两个剪枝方法:选择剪枝和分数剪枝;在预排序的基础上,PTS算法结合两种剪枝策略,进一步提高查询速度。实验结果表明,PTS算法可以在海量数据上有效地计算top-k selection查询结果。其次,在top-k skyline研究中,本文提出top-k skyline查询的基线算法BASky,BAsky算法的查询过程分为两个阶段,为了提高BASky算法的查询效率,本文提出基于早结束的top-k skyline查询算法ETS;ETS算法首先对数据集进行预处理,然后进行查询,查询的过程分为两个阶段;根据数据集的有序性,在第一阶段和第二阶段中分别提出早结束条件,减少两个阶段读取元组的数量;同时,为减少ETS算法第一阶段维护候选元组的数量,本文在第一阶段提出剪切策略,进而降低ETS算法的空间复杂度。实验结果表明,ETS算法第一阶段可以剪切掉大部分元组,并且可以在海量数据上有效地计算top-k skyline查询结果。最后,本文以上述算法为核心,实现海量数据top-k查询系统,为用户提供决策支持。对系统进行全面测试,结果表明系统能够满足预期的要求。