近几年来P2P技术飞速发展，吸引了越来越多的研究机构和团体加入到这个研究领域。各式各样的P2P的产品和服务更是层出不穷，P2P的应用逐渐扩展到文件共享、协同工作、对等计算、实时通信、信息检索、广域网存储、智能代理、网络游戏等多个领域。 由于P2P网络中节点间连接的随机性，随着P2P网络的急剧膨胀，各节点的连接数会出现很大的差距，导致整个网络的负载不均衡，因此负载均衡技术成为当前P2P网络的研究热点之一。 Bayesian网络是用来表示变量之间连接概率的图形模式，提供了一种自然的表示因果关系的方法，能够根据事件发生的历史信息，对未来发生的可能性进行预测。Bayesian网预测模型具备概率推理能力强、语义清晰、易于理解等特点，是目前不确定知识表示和推理领域中最有效的理论模型之一，也是近年来各种领域研究的热点之一。 本文在对P2P的应用技术，Bayesian网络模型，以及负载均衡技术深入研究的基础上，开展了P2P环境下负载均衡的研究，论文的主要工作如下： 1.提出了基于Bayesian网络的P2P环境下的负载均衡。该模型利用Bayesian网络推理，通过预测网络中节点的可能负载，调度服务节点的选择算法，平衡网络节点中的连接，从而达到改善网络系统的负载使之达到均衡的目的，对保证整个P2P网络的稳定高效具有积极的意义。 2.构建了一个基于千兆以太网的P2P负载均衡仿真实验环境，该环境包括5个服务节点及100个来自各客户节点的服务请求连接，每个连接各发起资源请求200次。 3.在构建的仿真环境下，对无负载指标的Bayesian信任网模型，负载指标多层的Bayesian信任网模型，以及动态负载均衡模型进行了仿真实验。实验结果表明，负载指标多层的：Bayesian信任网模型和动态负载指标模型都能实现P2P网络的负载均衡，但负载指标多层的Bayesian信任网模型较动态模型具有更强的适用性。