随着全球范围内分布式系统发展进程的加快及其构造的日趋复杂,越来越多的失效现象层出不穷,严重威胁着系统的高可用性。失效检测作为保障分布式系统高可用性的核心技术之一,已成为研究热点方向。目前,失效检测已被广泛应用于通信协议、Web服务器、集群管理和失效恢复等方面。同时,失效检测在无线网络、云计算平台、大数据等领域也得到了重要应用。通过研究现有自适应失效检测算法及其实现过程可以发现,失效检测的本质是研究非线性时间序列的预测问题。而最小二乘支持向量回归算法是非线性时间序列预测领域的有效方法之一,在小样本空间和预测精度等方面有一定优势。传统失效检测算法基于概率统计模型计算下一心跳的到达时间,受限于某种概率分布且需要较大数据量,存在一定局限性。而采用最小二乘支持向量回归算法进行失效检测预测恰能弥补其不足。在实际应用中常面临小样本空间,为此本文提出FD-LSSVR模型并进行了讨论。针对现有自适应失效检测算法需考虑离群值这一问题,模型引入聚类分析法综合考虑心跳延迟和权值两个指标来过滤对预测结果影响较大的离群值,其中权值的分配满足幂律分布。实验结果表明,本文提出的自适应失效检测模型FD-LSSVR不仅满足◇P检测级别,而且在检测时间和准确度方面均有较好表现,可用以缓解子网络延迟对失效检测的影响。另外,FD-LSSVR算法可根据实际情况,通过调整参数α值的大小来满足多种不同应用的需求,具有一定的灵活性。