为了提高云服务的可靠性，目前学术界和工业界已经给出了一些解决方案。这些方案的基本流程是先检测故障，然后再恢复故障。然而由于传统的故障检测器采用了端到端的超时机制，导致检测故障的时间往往会超过恢复故障的时间，故障检测已经成为影响云服务容错性能的瓶颈；除此之外，传统的故障检测技术一般都是考虑小规模的一对一检测模型，而在云环境下则需要对整个数据中心的状态有一个全局性的视图，因此必须支持大规模的计算系统，对故障检测器的扩展性也提出了较高的要求；最后很多高可用服务都需要跨云部署，所以不同云环境之间的故障检测也是一个值得研究的问题。　　基于分层的故障检测系统FDKeeper（Failure Detection Keeper），具有快速检测、高扩展性和开放性等特点。为了解决故障检测技术成为影响云服务容错性能瓶颈的问题，FDKeeper设计并实现了基于分层的故障检测机制，通过精细的分层，故障检测器可以充分利用每一层内部的信息，基于内部信息能够加快故障检测速度，增大故障检测准确性，减小误报噪声，提供详细的故障信息；为了支持大规模的计算系统，使故障检测器具有较高的扩展性，FDKeeper采用类似ZooKeeper的集群架构，具有较高的扩展性，能够支持大规模的计算系统，并设计了一种基于层次的故障管理模型，能够支持超大规模的计算系统；为了实现不同云环境的互相检测，FDKeeper设计并实现了开放的CDP（Cloud Detection Protocol）云服务故障检测协议，支持不同云环境之间的故障检测。　　实验结果表明，FDKeeper的应用层/内核层故障检测时间小于600ms，虚拟机管理器/物理层故障检测时间小于2s，误报噪声小于0.27次/年，性能开销小于1％，各项指标均比现有的故障检测系统好，同时能够详细生成每层的故障描述信息，为故障恢复提供支持；在扩展性方面，实验结果表明，FDKeeper能够保证用于故障检测的节点与计算系统的规模呈线性关系，增长因子小于0.001。