随着peer-to-peer(P2P)技术的不断发展和成熟，互联网中出现了很多大规模(用户量大，跨地理区域大)的P2P系统，这些系统在用户交流、资源搜索和共享、分布式计算、流媒体等领域都具有突出的优势。P2P系统中的很多用户具有相同或相似的兴趣爱好(我们定义为“属性”)，把这些用户组织成社区，能优化P2P系统的逻辑结构，让其发挥更大的作用。当前的大部分P2P系统中都不存在这样的社区，而某些其他类似的产品，例如web社区、QQ群，yahoo群等，都是由用户自己创建社区、选择社区和加入社区的，peer的兴趣、特性也是用户自己定义的，这在很大程度上限制了削弱了社区的优势。 本文定义了两种属性，分别是个人属性和社区属性；定义了属性树，研究了如何从用户自身的信息中提取出用户的属性，并提出了属性权重树的概念；提出了集中式的P2P社区发现算法，算法简单易于实现；研究了分布式的P2P社区发现，并提出两种算法；研究了如何根据用户的属性，以及用户之间的查询、下载关联，来计算用户之间的相关度；最后，把属性提取和集中式算法应用到北大网络实验室的Maze系统中，以及用仿真实验实现了分布式的P2P社区发现算法，都取得了很好的效果。