本文从某大型国有企业实际信息系统故障报告中采集数据，进行数据梳理、清洗，提取告警特征和故障点类别，形成数据集，采用C4.5算法和CART算法设计决策树，使用R语言的rpart程序包开展仿真实验，利用70％的故障数据完成了对决策树的训练，利用30%的故障数据完成了故障自动诊断的测试。实验证明，该方法可以较为准确地实现故障自动快速诊断，有助于提高信息系统故障诊断分析效率。对两种算法效果进行对比分析，发现两种算法的预测正确率随复杂度变化存在相同的变化规律，即复杂度越低，预测正确率越高，在复杂度相同情况下，C4.5算法的预测正确率相较CRAT算法略高，更适用于当前环境。 本文创新性地将决策树算法引入信息系统故障自动诊断，能够实现良好的故障自动诊断分析效果，实验证明，基于该方法可以实现根据信息系统运行指标告警数据进行故障自动诊断分析，可以在便携式计算设备上实现秒级决策，有效节约人力成本，大幅缩减故障定位时间，在信息调度监控故障处置辅助诊断和决策方面具有广阔的应用前景。在后续工作中，将继续提升信息系统故障告警数据的质量，优化告警特征选择，优化决策树算法设计，并研究故障诊断分析与处置的一体化处理，进一步发挥此方法的实用价值。