要实现物联网设备位置数据的高效存储和查询，可以考虑以下几个方面：

1. 数据库选择：选择适合存储和查询大量位置数据的数据库。一些常见的选择包括时序数据库（如InfluxDB），地理空间数据库（如PostGIS），以及分布式数据库（如Cassandra）。根据实际需求和数据规模，选择合适的数据库。
2. 数据模型设计：设计合适的数据模型来存储位置数据。可以使用表格模型或者文档模型，根据实际需求选择合适的存储方式。考虑存储设备ID、时间戳、经纬度、海拔高度等相关数据，以及根据需求可能涉及的其他属性。
3. 索引设计：根据查询需求，设计合适的索引来提高查询效率。可以使用空间索引来支持位置范围查询、最近邻查询等。另外，还可以使用时间索引来支持时间范围查询、最新位置查询等。
4. 数据分区：如果数据量巨大，可以考虑将数据按照时间或地理区域进行分区存储，以减轻查询负载和提高查询效率。
5. 缓存机制：使用缓存来提高查询性能。可以使用分布式缓存（如Redis）来缓存查询结果，减少对数据库的查询请求。
6. 数据压缩：对位置数据进行压缩可以减小存储空间，提高存储效率。常见的方式包括使用压缩算法（如Gzip）或者使用近似算法（如Geohash）。
7. 批处理和异步处理：对于大规模的位置数据，可以考虑使用批处理和异步处理来提高处理效率。可以将数据分批导入数据库，使用批处理框架（如Apache Spark）进行处理，或者使用消息队列（如Apache Kafka）异步处理数据。
8. 分布式计算：如果数据规模非常大，可以考虑使用分布式计算框架（如Apache Hadoop或Apache Flink）来进行数据处理和分析，以提高处理效率。

以上是一些常用的方法和技术，具体的实现方式需要根据实际情况和需求进行选择和调整。