随着云计算应用的深入,越来越多的网络资源以信息化服务的形式在互联网上发布。如何对这些部署在不同管理域的服务进行有效的故障管理已经成为服务管理的研究重点。针对云环境下多域服务故障管理面临的挑战,本文开展了以下几个方面的研究。(1)多域服务故障管理框架。域内故障管理系统对单个管理域内的服务故障管理的主要内容进行了定义。在域内故障管理系统的基础上,提出了多域服务故障管理框架,定义了多域协同故障管理机制和多域故障管理交互模型。(2)域内故障管理技术。通过主动部署监测探针的症状监测技术对管理对象进行监测,采集症状服务相关信息;针对预设先验概率不可靠这一问题,提出了概率更新的故障定位算法,根据历史故障概率对故障先验概率进行更新;提出了服务故障调控策略,对故障服务进行替换,提高了服务的可用性。(3)多域协同故障管理技术。根据症状与管理域之间的依赖关系,提出了域间依赖模型,并设计了症状簇划分算法,将症状集合中具有关联性的症状划分在同一症状簇进行联合诊断。通过基于域间依赖模型的多域故障诊断算法对跨域症状与管理域的依赖关系进行概率评估,选定关联管理域进行诊断,完成故障定位。针对多域故障诊断算法性能不高的问题,提出了故障集合更小的筛选算法。针对多域故障管理的交互需求,设计了多域故障交互协议,实现了域间症状诊断信息的交互。(4)在上述技术的基础上,完成了多域故障管理原型系统,实现了域内故障管理,能够对跨域服务进行症状监测,完成跨域症状的故障诊断,并对故障服务进行替换。本文以多域服务故障管理框架为基础,域内故障管理技术和多域协同故障管理技术为支撑,多域故障管理系统为应用,提供了多域服务故障管理比较完整的解决方案。