Skyline查询是一种十分重要的查询类型,它在潜在的巨大数据空间中返回不被其他元组支配的,用户感兴趣的元组。Skyline查询处理源于最大矢量问题,2001年Borzsonyi等人提出用来扩展数据库系统后,主要用于偏好查询。由于Skyline在多目标决策、数据挖掘、数据库可视化等方面的潜在应用,以及大数据背景下数据管理趋向大众化的发展趋势,近年来Skyline查询处理引起了越来越多研究者的关注。基于这样的背景,本文研究海量数据上Skyline的关键技术,限定选择范围的Range-Skyline,以及不完整数据上的Skyline。在Range-Skyline的研究中,本文先提出了基线算法BA算法,该算法顺序扫描一遍数据集,对每个读取的元组,首先判断元组是否满足选择条件,然后在满足选择条件的元组上进行Skyline计算。为了解决BA算法效率较差的问题,本文提出了基于预排序表的PSR算法,PSR算法在预处理阶段生成预排序表,通过顺序扫描预排序表计算Skyline结果,并分析数据特点,给出早结束条件,当满足早结束条件时结束扫描,即可得到正确的查询结果。为了进一步提升PSR算法的查询效率,本文提出了支配剪切和范围剪切策略,在PSR算法的执行过程中,通过位图剪切,丢弃大部分元组,提高了查询效率,结果表明,PSR算法可以有效计算海量数据上的Range-Skyline查询结果。在不完整数据Skyline的研究中,本文首先提出BNI算法作为基线算法,BNI算法的主要思想是嵌套循环,BNI算法可以解决各种情况下的Skyline查询问题,但是执行效率差,执行时间长。本文提出一种新的两阶段算法TSI来解决不完整数据上的Skyline查询处理问题,TSI算法扫描两遍数据集得出结果,阶段1通过顺序扫描数据集来获得候选元组,阶段2去掉候选集中不是查询结果的元组。TSI算法通过支配位图和不完整性位图实现剪切,主要是降低第一阶段的I/O,进一步提升查询效率,实验结果表明,TSI算法可以有效处理不完整数据上的Skyline查询问题。