随着信息技术的不断发展和应用,数据收集手段越来越丰富,海量存储也越来越普遍。由此,一种新的操作算子Skyline查询被引入了数据库领域,目的是要查找数据集中不被其它点支配的所有点。Skyline查询能够反映目标数据集的整体轮廓且有利于用户查询数据集中感兴趣的目标,从而在多目标决策、数据挖掘、数据库可视化等方面有很大的应用。CCS算法是一种有效的数据流上的Skyline计算方法。它通过构造支配关系树对整个SP集合进行实时的维护,从而大大降低了Skyline计算的复杂度。但该算法同样也存在一些弊端:其一,大量计算时对数据的利用不合理,造成时间和空间的浪费;其二,进行查询计算的时候部分操作重复计算;其三,没用充分利用算法执行期间已经产生的SP集合。针对上述问题,本文给出了一种新的数据流上的Skyline查询模型,同时,引入了最近邻算法,结合最近邻算法在Skyline查询计算时的先天优势,对数据元组提前进行预处理,通过去除不必要的对象来有效地减少资源的消耗。同时采用了加权欧式距离的方法,在满足用户的偏好性也进行了一定程度上的改进。最后对改进后的算法进行了验证实验,实验标明基于Skyline的改进的数据流查询算法的研究在一定程度上降低了时空复杂度并且满足了用户一定的偏好性。对改进后的算法进行仿真实验,验证算法的可行性,并通过在相同环境下与原来算法的查询效率做对比,验证改进算法的优越性,同时针对算法的特性,对不同数据类型进行验证,检验算法对各种数据类型的执行效果。