在社群检测领域中，在线查询是广泛关注的问题。例如寻找社交网络中同一学校的同学，寻找网页中同一主题的网页集合等。很多社会网络模型需要寻找属于同一类型的点集，在线查询社群的方法能够很好地解决这一问题。 很多模型被用来处理社群的查询问题，包括密集度模型，K-Core模型，K-Truss模型和团重叠模型等等 本文主要运用K-Truss结构描述社群。通过构建索引的方法来实现在线查找。本文首先总结了两种重要的K-Truss社群在线查找方法，其一是基于Truss分解算法的索引，其二是TCP索引。本文提出了一种新的三角连通性优先索引实现K-Truss社群的在线查询。该算法查询复杂度达到理论极限。针对现实生活中的数据，三角连通性优先索引的试验结果比TCP索引和基于Truss分解算法的索引效率更好。针对点度非常大的极限数据，三角连通性优先索引拥有和TCP索引相近的高效率。