本文主要通过对Linux、Unix、Windows等主流操作系统高可用故障管理的学习、研究与分析,以KYLIN操作系统为基础,故障管理为切入点,从软硬件结合的角度来实现高可用故障管理机制的分析与优化。论文的主要工作如下:1.针对Linux、Unix、Windo ws等主流操作系统的故障管理机制,对故障格式的统一描述机制和时间序列的统一算法、MCA/EDAC/AER、Eventing Tracing机制、perf工具以及故障响应迁移等相关技术进行分析与研究。2.针对现有操作系统故障管理的不足,采用一种基于Event Tracing的故障传递机制,设计了统一的单机故障管理框架,并提出了一种高可用的多机故障管理机制。3.针对操作系统应用层已有的定时故障检测模式,采用内核层主动监测的方式,结合ABRT故障管理工具对故障管理进行分析与优化。包括:硬件错误报告机制、Daemon运行模式、自动故障报告机制等内容的研究与优化。4.从两个维度选择了六种经典故障对应用层定时监测与内核层主动监测这两种检测方式进行测试。同时,对计算机系统的可用性进行了电信级要求的CGL标准测试。综上所述,本文针对现有操作系统高可用故障管理方面的管理单机性、类型多样化以及工具零散化的不足,提出了一种软硬结合的高可用多机故障管理机制,并针对已有的故障检测模式进行核内核外的优化,使得操作系统的高可用故障管理更加合理与统一,具有很好的实际应用意义。