目前，信息处理技术的应用领域得到了很大的拓展，如：网络、金融、电子商务、传感器网络等。在这些应用中，数据不再拘泥于静态的关系数据，而是一种连续、无界、实时传输、不定速度的流式数据，即数据流。传统数据处理技术突显出自身的局限性，数据流查询处理技术成为数据库研究领域的又一热点。 查询优化是查询处理中的关键技术。数据流中查询多为连续查询，查询一经注册，该查询一直执行，除非人为加以制止。在一个查询执行期间，随着时间的推移，系统的运行环境将不断地发生变化，数据流本身的一些特征也在不断地发生改变。为提高查询效率，改善系统性能，系统需不断适应易变因素，对查询进行动态调整。因此针对系统环境和数据流本身特征的易变性，查询优化以及优化所涉及到的迁移技术应运而生，并成为数据流查询处理中关键技术之一。 针对数据流中流数据本身及执行环境的易变性与连续查询的特点，首先提出了一个崭新的基于输出速率的代价模型——MaxRateModel；然后在此代价模型的基础上提出了查询优化策略，以动态选择具有最大输出速率的查询计划；并通过实验验证了所提出的代价模型的正确性，以及查询优化策略的可行性。 在数据流的连续查询过程中，查询优化策略需动态地对操作符序列进行重排列，这就涉及到新旧查询计划的迁移。在对传统的Moving State迁移策略进行深入研究地基础上，提出了Pmoving(Parallel Moving)迁移策略。实验证明Pmoving迁移策略可使动态的查询计划进行平滑过渡，避免迁移过程中出现无元组输出的空白期，尤其是在系统资源紧张和数据流流速过大时，仍能确保较少中间元组和较大的输出速率。