从20世纪80年代以来,随着多媒体、web等技术的发展,多媒体数据库在许多应用领域变得非常重要,其中一个重要的研究方向便是针对这些数据对象建模为高维数据向量,然后针对高维数据进行相似查询,包括基于内容的视频、音频检索,流数据的匹配,数字图像处理,文本处理等。同时,由于相似查询计算的复杂性,集中式处理会导致单机负荷过高,造成性能瓶颈等问题,因此,随着P2P系统的兴起和发展,分布式处理的研究成为了重点。然而当前的研究主要着重于结构化P2P系统和传感器网络上的相似查询,而对无结构化P2P系统以及混合式P2P系统上的查询研究相对较少,因此,需要在P2P系统的普适性问题上做更多的研究。本文的研究内容是如何在混合式P2P系统中完成相似查询,包括最主要的两个查询类型:窗口查询和kNN查询。首先分析了各种P2P系统的结构,然后挑选混合式P2P系统作为底层P2P系统,并针对其特点提出了一个相似查询的分布式框架。针对分布式框架,本文提出了两个分布式查询算法,用于解决窗口查询和kNN查询。算法在每个单独的网络节点上,数据通过一种降维算法映射到一维空间,在超级节点上,构造数据的统计信息表以及构造网络查询树,算法在每次查询时,按照查询树的规则来访问整个网络,并利用统计信息剪枝网络中的节点查询,避免网络的泛洪。在kNN查询过程中,还提出了一个半径估计算法,用于将复杂的kNN查询转换为简单的范围查询。实验使用了不同的数据集来评测两个算法的查询效率,实验表明这两个算法具有很高的查询效率,并且针对kNN查询,实验验证了半径估计算法的有效性和可行性。