随着云计算作为商业计算模型的流行,企业不需要再关注底层的IT基础设施,而只需要从云计算中取相应的服务来满足自身的业务要求即可。OpenStack作为开源云计算的事实标准,越来越多的企业都将业务转移到OpenStack云平台上。OpenStack为云计算落地提供了便利,但是也存在着一定问题。OpenStack控制节点作为控制层面,逻辑处理密集,作为整个系统控制管理的枢纽,对于单个控制节点的性能有限,无法满足大规模的计算集群和密集的流量冲击。OpenStack的控制层和计算层运行着大量的服务组件,每一个组件都可能出现故障,且面临着单节点失效的风险。不管是节点故障还是服务组件失效,都会降低用户的体验感,因此提高OpenStack系统的可扩展性和高可用性是关键研究问题之一。本文针对上述问题,设计实现了面向OpenStack的高可用服务故障恢复系统,主要工作如下:1.结合高可用集群与OpenStack分布式系统,给出了高可用集群与故障恢复系统方案。该方案将单点的控制节点转变为分布式多控制节点集群系统,利用集群管理将系统组件进行管理,并将高可用负载均衡应用到各个OpenStack组件,解决了控制节点网络瓶颈和单点失效的问题,对于节点的故障,设计故障的自动恢复和迁移功能,从而提高系统的可扩展性和高可用性;2.基于上述方案,为了满足系统的功能需求,设计了系统间多种集群高可用协作机制,分别是高可用控制层集群协作系统,包括集群管理系统、多节点双链路心跳和集群基础服务高可用;高可用计算层集群协作系统、多服务多虚拟IP负载均衡代理系统和高可用故障恢复与自主迁移系统;3.完成了高可用故障恢复系统功能模块的实现,搭建实验测试云平台,对系统进行了高可用性验证及迁移性能测试。结果表明,本文设计实现的高可用故障恢复系统中各个功能互相协作,实现了集群高可用和故障的快速转移和恢复,保证了云服务的稳定提供,具备良好的高可用性。