有关流数据分析与管理的研究是目前国际数据库研究领域的一个热点。在过去30多年中,尽管传统数据库技术发展迅速且得到了广泛应用,但是它不能够处理在诸如网络路由、传感器网络、股票分析等应用中所生成的一种新型数据,即流数据。流数据的特点是数据持续到达,且速度快、规模宏大。分布式处理能力和动态发现并利用动态数据流是近来流数据处理模型研究的热点。如何解决分布式系统中信息之间的异构问题和协作问题是研究的重点。在分布式流数据处理系统中引入数据源的语义描述,不仅可以有效的解决分布式流数据中可能出现的异构问题,通过本体之间的映射机制动态的增减数据源,而且可以通过语义强大的推理机制,有效的提高系统的自适应能力。基于现有的领域本体构建方法,提出了一个可行的构建领域本体的工程学方法,并构建了流数据和系统状态两个领域本体。流数据领域本体的引入很好的支持了流数据的动态语义集成;系统状态本体支持系统状态的推理,是系统自适应机制实现的基础。系统的负载是数据流管理系统中的一个重要课题,也是系统自适应机制的重要组成部分。利用现有的本体推理工具,结合实际分布式数据流管理系统提出了一个数据流动态语义集成和系统自适应机制的框架。实现了一个自适应的数据流过滤算法,在分布式环境下可以有效的减少数据通信量,分析实现了系统运行过程中CPU和内存两种资源在系统超载情况下的调整策略,并进行了试验测试和分析。