在当今的网络监控、电信数据管理、传感器数据监控等应用中，数据采取的是多维的、连续的、快速的、随时间变化的流式数据的形式，对数据的访问也是多次和连续的，并要求即时的响应。研究表明传统的关系数据库系统难于适应这种流式应用的数据管理需求，因此如何有效地开发一种新型的数据库系统来满足这种新的数据处理要求已成为目前研究的一个热点课题。由于数据流的突发、潜在无限等特性和存在CPU处理能力、内存容量等资源瓶颈，系统经常出现系统超载的情况，这使保证系统的服务质量产生困难，设计有效的卸载技术显得尤为重要，但是数据流速的动态变化性、数据处理时间的难以预测性等使设计合理高效的卸载控制策略成为一项挑战。 数据流管理系统中的查询处理需要满足各种服务质量(QoS)要求，其中延迟是用户非常关注的QoS参数。本文提出了数据流管理的服务质量自适应框架，它综合考虑了CPU和内存的限制，能适应多种策略。一方面它能保证CPU负载的平稳和CPU处理能力被充分利用。另一方面内存缓冲区卸载控制器管理内存负载，超载时进行卸载处理，清洗器清洗不满足QoS要求的数据，调度器优化了数据传送顺序，以保证系统有更高的效率和在动态环境中具有良好自适应性。 本文实现了QoS自适应框架，讨论了FIFO，EDF，RED等多种策略，并设计了基于控制理论的控制算法。其中运用了系统辨识的方法建立系统数学模型，讨论了PID控制的参数整定，还涉及了网络突发数据的模拟算法。实验结果表明，该框架具有稳定性好、健壮性强的优点，在错失率相同的情况下，卸载率、系统资源利用率等几方面性能均优于与其它现有方法。