数据流自然地出现于很多监控应用中,如网络和金融服务,而这些数据流应用限制了标准关系数据库技术的适用性。许多数据流源在量上是倾向于爆发性的,而CPU处理能力不足和内存有限等瓶颈,一个过载的系统将不能处理它所有的输入数据,而且不能跟上数据的到达速率,从而使服务质量(QoS)降低。因此,使系统能自动地适应于超过系统能力的输入数据速率高峰,使之能连续地提供当前查询的响应,卸载技术显得尤为重要。数据流管理系统中的查询处理需要满足各种服务质量要求,其中延迟是用户非常关注的QoS参数。本文研究的基础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,保证CPU负载的平稳和CPU处理能力被充分利用。本文研究了在数据流QoS自适应框架中,数据流聚集查询的卸载算法问题。在CPU处理能力不足内存超载情况下,在聚集查询操作中对负载进行卸载,并能满足一定的服务质量。对于一个或多个聚集查询存在的情况下,将原有的框架从得到近似结果进一步拓展为可以得到精确结果子集的系统框架。在保留原有清洗器,调度器以及卸载器功能的前提下,进一步改善卸载器的功能,并加入新的如窗口分配器、聚集操作器两个新的功能模块,以确保满足结果是正确结果的子集。本文使用新的卸载算法与原框架相结合,保证系统在执行聚集查询操作时能在动态环境中具有良好的自适应性。实验结果表明,该方法在CPU利用率及结果错失率性能方面优于其它方法。