在RDF流数据的处理上,现有的RDF流处理语言大部分都是基于连续查询语言的处理模型,它们通过扩展SPARQL的功能实现了对RDF流数据的查询,但是都缺乏语义层的定义。对于RDF流处理的语义实际上缺乏一种通用的形式化表示。其次,现有的RDF流处理引擎普适性较差,都只能满足流处理的部分需求,而且难以支持异构数据的混合查询。本文提出了一种新的连续查询语言CT-SPARQL,为连续查询定义了统一的形式化语义。绝大多数RDF流查询语言都可以在此形式化语义框架下比较其不同的语法语义,然后转换为CT-SPARQL查询。基于该语义,本文提出了自适应RDF流处理框架SRSP,可以在统一的框架下对当今主流的RDF流处理语言进行评估。进一步,本文对SRSP框架进行了扩展,提出了SRSPG框架。SRSPG在SPARQL引擎查询时使用GPU进行协同处理来提高RDF流处理的查询效率。此外,本文还从应用需求的角度考虑提出了一个混合数据查询框架FedQL,用于处理RDF流数据和关系数据查询相结合的场景。最后,本文对提出的三个框架在标准测试数据集和真实数据集上设计了大量的对比实验。实验结果表明SRSP和SRSPG既能够很好的支持当前主流的查询语言在统一的框架下进行处理,同时能够利用GPU的计算能力提高查询的效率。FedQL可以支持混合数据的查询处理,满足实际应用层面上的需求。综上所述,本文定义的形式化语义框架保证了RDF流查询的正确性,提出的流处理框架具备较强的普适性,且能支持混合数据的查询处理。