近几年来,随着通信技术和计算机技术的不断发展,一种新型的数据模型--分布式数据流,得到越来越多的关注。它广泛应用于金融、网络监视、通信数据管理、传感器网络等众多领域。分布式数据流除具有数据量大、数据到达速率快、数据无限性等特点外,还具有数据源分布、各个数据源之间需要同步协调等特点。本论文主要研究分布式数据流环境下的Top-K查询问题,即对分布于不同地理位置的同一组对象的观测流数据进行分析,从而得到数值最大的K个对象(Top-K观测查询)。 首先通过实现一种基于滑动窗口的数据结构解决了数据流上的数据采集问题,将有效数据完全存储于内存中,既满足应用的需要,又提高系统的响应速度和效率。其次,在分布式系统中的数据传输方面,提出并实现了一种基于索引的Counter Bloom Filter的算法,对传输数据进行有效的压缩,从而降低分布式网络中的网络流量。最后,在对一种分布式Top-K查询算法研究的基础之上,提出并实现了一种新型的基于动态修正值的分布式数据流Top-K查询处理算法。通过实验分析,该算法在降低网络拥塞和网络负载方面有着突出的效果。 总之,本论文在分布式数据流环境下,对流数据的数据采集、数据压缩传输和分布式Top-K查询三个方面进行了研究,研究结果对于降低分布式网络负载、降低网络拥塞和提高分布式数据流系统响应速度具有较好的理论和实用意义。