近些年来，数据流管理己成为数据库领域的一类热点研究问题，并得到了广泛的关注。随着数据流查询处理等技术的不断发展，数据流在工业控制、环境检测、金融分析和交通管理等领域正在得到越来越广泛的应用。由于数据流自身的特点，传统关系数据库的模型和查询技术已不能支持数据流上的连续查询，这就需要提出面向数据流的模型和查询算法。特别是随着应用领域的不断扩大，出现了一些包含特殊语义的复杂应用，现有的数据流模型，语言和算法无法很好的表述和处理这些应用。因此，本文对支持复杂应用的扩展数据流模型和查询优化技术进行了深入的研究。 本文从新的角度分析了数据流上的窗口模型，数据处理和驱动方式，在兼容原有数据流模型的基础上提出了扩展数据流模型，其中包括扩展窗口模型，操作流模型和事件驱动模型。这些模型可以分别表述具有特殊语义的窗口，提供在线修改和恢复，以及高效地支持事件相关的应用。同时提出了一种支持扩展模型的查询语言来更加有效的描述相关的应用。 针对扩展模型的新特点，提出了相应的查询处理和查询优化技术。首先，针对扩展窗口模型和复杂查询计划，根据操作流模型的特点，提出了_种高效的整体查询维护策略AT，该策略通过标记元组的祖先来高效的维护过期元组，具有很好的灵活性和适应性。其次，提出了一种基于截止期的批处理策略，来更好的满足用户的实时需求。此外，针对事件驱动模型的特点，分析了事件驱动的查询优化，以事件相关应用中常见的区间事件的一次查询为例，研究了事件驱动方式和数据共享问题，并提出了相应的查询优化策略。 大量实验和分析证明，本文提出的扩展模型和优化算法能够有效的解决某些涉及特殊语义的复杂应用，同时体现出了良好的时间和空间性能。