近些年来,随着互联网+、大数据、人工智能、物联网、云计算、移动支付等科技的飞速发展,数据规模正在呈指数式增长,大数据时代早已来临并深入到了大家的生活之中。与此同时,随着各大互联网公司的迅速扩张,其系统规模也越发臃肿,为了应对市场环境的快速变化,各大系统微服务化已经成为必然的趋势。包括阿里、京东、Facebook、Twitter在内的各大国内外互联网巨头纷纷积极地开启了自己在微服务领域的实践。然而随着大数据技术与微服务架构的普及,相关系统的复杂性与日俱增,如何能有效地维护系统的质量已经逐渐成为业界热烈讨论的话题。大数据环境下的微服务系统属于软件系统的一个细分领域,继承了传统软件质量的诸多特性。另一方面,大数据环境下的微服务也有着区别于传统软件系统的特点,诸如系统环境复杂、各微服务迭代速度快且互相独立、微服务质量易受上下游服务及数据源的异常而产生故障、微服务团队通常规模较小且难以接受繁琐的过程管理流程。诸如以上这些特点,导致微服务无法全套照搬传统软件系统的质量管理模式,需要尝试得到适合于自己的一套小而精的质量管理模式。本文首先梳理了研究需要的相关理论知识。然后以J公司的推荐系统为例,整理了大数据环境下微服务系统常见的质量问题,并从中分析总结出了在这类场景下发生故障的核心原因。在此基础上,本文结合CMMI、PDCA、大数据、微服务、QoS、服务治理等领域的知识,提出了以面向故障优化为核心思想的过程管理模型,指出大数据环境下微服务的质量管理应围绕故障的预防、发现、止损及恢复四要素进行管理。之后通过结合实际工作情况,制定了相应的实践方案,将该模型运用到了 J公司的推荐系统管理实践中去,并得到了较好的实践效果,显著提高了推荐系统下各微服务的服务质量。