在大型数据中心，为提升数据中心的计算能力和提高设备利用率，普遍采用了虚拟化技术。虚拟化技术的使用存在一些潜在的问题，若虚拟机的资源需求与资源分配不匹配、部分虚拟机长时间负载过重，导致服务失效，造成服务中断或者数据丢失。因此，有必要进行虚拟分布环境中的主机故障预测技术研究。虚拟主机故障预测是利用主机运行日志，采用数据挖掘的方法获得主机运行属性与故障之间的关联规则。基于关联规则的故障预测在进行规则匹配时，存在属性划分边界过硬的问题；本文提出一种基于模糊数据挖掘的主机故障预测模型，模糊数据挖掘获得的模糊关联规则使得模糊集之间能够平滑变迁，解决了区间划分方式带来的尖锐边界问题。基于模糊关联规则的故障预测在进行模糊关联规则匹配时，数据模糊化使得对聚类边缘数据的处理较弱，导致故障预测的准确度降低。为解决这一问题，提出了基于模糊预测规则，利用阈值迭代法得出日志数据的修正系数，在进行主机故障实时预测时，首先利用修正系数对日志数据做预处理，然后做数据模糊化和匹配模糊关联规则，进而得到故障的预测结果。实现了基于模糊数据挖掘的主机故障预测模型的实验系统。实验结果表明，预测模型能够在实际服务失效之前预测故障的出现，预测准确率达到85%以上。故障预测模型可以有效帮助工作人员及时地调整虚拟机资源分配等情况，及时制定故障解决策略，一定程度避免了故障发生带来的损失。