随着互联网时代的发展,大数据概念的兴起,互联网数据中心(简称,数据中心或IDC)的市场正面临着巨大变革,从传统的独立化、分散化转向规模化、集中化。在这个信息化爆炸的时代,无论是对数据的存储需求还是处理需求,都在急剧扩大。对于大数据的存储和处理能力将成为未来企业的核心竞争力。数据中心逐渐成为互联网健康和平稳发展的关键要素,是提供高效互联网服务器的基础。然而,面对日益庞大的数据中心服务器集群,其运维管理的难度越来越大。传统的数据中心的运维管理都是按照标准ITIL流程进行管理,流程复杂且管理周期长。因此,经常造成变更信息修改不及时的情况。由于服务器之间的逻辑关系信息都是依赖于信息系统中所登记的信息。因此,会导致的业务逻辑关系混乱的情况。这种运维模式已经无法适应大规模数据中心。因此,需要一种高效的自动化手段来梳理数据中心服务器的业务逻辑结构。本文从复杂网络角度去看待规模庞大的数据中心,不仅仅关注单台服务器的运行状态,同时也关注服务器之间的交互行为。服务器之间的通信行为基本都是业务驱动的。因此,通信行为在某种程度上是能够反映它们的业务关系的。并且业务系统是以集群形式存在,会存在一定的网络结构。因此,复杂网络的分析方法能够被尝试用来解决数据中心业务系统发现问题。本文的研究思路大致如下。首先,构建数据中心的通信交互网络,还原数据中心的业务交互行为。然后,通过分析服务器之间的交互模式,构建服务器之间的关系模型,用来衡量两台服务器之间的业务关系强弱程度。接着,提出了一种基于监督信息的关系权值学习方法。该方法能够从标签数据中学习到一个高质量的参数,用来作为网络边的权值。最后,利用社区划分算法对此通信网络进行业务系统划分。本研究是在真实的数据中心服务器运行状态日志数据上进行实验的。最终实验表明,我们设计的思路是可行的。我们设计了多组对比实验：带权网络与无权网络、基于逻辑回归学习方法的权值网络与基于内交互模型的权值网络。通过对比不同的建模方法和不同的社区划分算法,充分证明了我们所提出的关系建模方案能够提高社区划分的准确性。