目前，传感器网络广泛采用网内数据处理技术来降低数据传送量，以节约传输的能量消耗。M27C1024-10F1大部分系统都是结合数据融合和路由技术，在数据传输的路由节点上把相关联的数据融合在一起，以降低数据传输量[26]。这类技术对数据查询的汇总操作（如max，sum等）很有效，但没有对查询运算进行优化。文献[27]提出了一种针对查询运算（如filter，join等）的层次式网络查询优化策略。网络采取层次式组织，越在上层的节点，其计算能力和通信能力越强。数据由叶节点获取，查询请求由根节点向下发送到叶节点，查询结果从叶节点向上传送到根节点。为了降低网络通信量，查询运算一般在低层节点上执行，但这时需要较高的计算费用。该策略通过贪婪算法优化查询运算的执行层次来平衡计算费用与网络通信量，以达到降低整个网络能量消耗的目的。

   现有的传感器网络数据库系统也都采用一些查询优化策略。TinyDBl281的查询优化目标是降低网络的总能量消耗。它采用基于代价的查询优化技术来产生能量消耗尽可能少的查询执行计划。查询代价由传感器节点采集数据和传输查询结果能量消耗决定。其优化技术主要集中于数据采集和谓词操作的执行次序，且

确定可以共享的数据采集操作，删除不必要的数据采集操作。TinyDB还通过优化基于事件的查询来降低冗余的数据采集操作。根据这一特点，TinyDB采用基于重写的多查询的优化技术，把多个外部事件转化为一个事件流，使得不管事件以何种频率发生，只能同时有一个查询在运行，这样就可避免频繁地启动数据采集操作。在STREAM[191系统中，一旦持续查询发布，就生成一个相应的查询计划。查询计划的执行由用于运行状态资源管理的全局调度器来控制，使得单数据流查询在运行时内存占用方面几乎是最佳的。STREAM系统所采用的优他技术包括：在查询计划中重新分配窗口运算；使用数据流限制来减少窗口的大小；标识共享计

算和共享内存的时机；当由于资源限制迫使降低查询的精度要求，得到近似的查询结果时，可以使用减少滑动窗口、降低采样频率等相关的技术来实现。

   查询优化问题是传感器网络领域的研究难题之一。它必须设计一些高效的分布式处理和数据重用技术，既要降低全网络的能量消耗，又要避免少量节点因负担过重、能量消耗过快而失效，从而影响到整个网络的使用寿命。