数据中心日志是数据中心性能优化的主要依据。随着数据中心规模的增长,数据中心日志的数据属性数量和记录数量也在稳定增长。在该背景下,数据中心日志的数据缺失问题日益严重。既有工作对缺失的数据的处理方法无法应对日志数据缺失问题的两大新挑战:数据稀疏性以及数据属性间复杂的相关关系。针对现有工作的不足,本文提出一种面向数据中心数据稀疏日志的缺失数据恢复方法STDR,基于张量理论对缺失数据进行恢复,并使用数据属性选取以及离散化优化方法来提高数据恢复的准确度并降低计算开销。(1)提出了一个数据中心大规模稀疏日志数据恢复框架。本文分析了具有代表性的阿里巴巴数据中心日志的数据缺失特征。在该缺失特征的基础上,提出的方法框架包含两个主要阶段,数据属性选取和离散化阶段以及张量构建和补全阶段。数据属性选取和离散化对日志数据进行预处理以降低数据恢复的计算开销并提高准确率。张量构建和补全阶段基于张量理论进行数据恢复。(2)提出了一个基于调整互信息的数据属性选取方法。同时考虑候选数据属性与缺失数据属性之间的相关性,以及选取数据属性之间的冗余性。提出了一个动态步长数据离散化方法。针对数据属性选取和张量补全两个过程的不同需求,使用不同的离散化粒度搜索步长对数据离散化粒度进行搜索优化。(3)提出了一个基于张量理论的日志数据恢复方法。分别使用张量CANDECOMP/PARAFAC、Tucker分解方法对日志数据进行恢复。其中基于张量Tucker分解的方法中,额外构建了辅助矩阵,利用完整数据属性之间的关系以提高数据恢复的准确度。(4)对采用两种张量分解方法的STDR分别进行了性能评估。与三类共计六种数据恢复方法进行了性能对比。实验结果表明,与两种统计学数据恢复方法、三种基于机器学习的数据恢复方法、基于遗传算法的数据恢复方法相比,STDR分别降低了81.3%、45.7%、47.3%的数据恢复平均相对误差。进一步的,本文对使用STDR恢复后的日志进行了日志分析,得到了若干新发现。对现有基于不完整阿里巴巴数据中心日志的相关分析工作的结论进行了补充和修正。