在网络技术越来越发达的现在,分布式技术已经成为了计算机技术发展的趋势,它将高性能计算技术往前推进了一大步,应用范围也逐渐的从科学研究领域发展到了商业、地理等其他领域。做为分布式技术的一个重要组成部分,分布式集群在实际的应用过程中,往往具有许多的软硬件性能参数需要被实时监控以保障集群的负载均衡以及集群间有序调度,同时还需要能够及时获得集群的故障信息并加以解决,保障集群稳定运行。论文首先介绍了课题的研究背景以及应用价值,总结国内外的研究现状和现有的集群监控管理系统的缺点,并阐述了论文的研究目标。其次,介绍了分布式技术和集群监控技术,对集群监控技术中的数据传输机制做了阐述。接着对实现集群监控管理系统的过程中会遇到的关键性问题做了分析,并提出解决方案。再次,重点介绍了基于开源软件Flume和Zookeeper实现的集群监控平台故障监测和管理的软件设计和实现过程,根据具体的功能构成,将系统细化为集群故障监测模块、集群故障告警模块以及配置管理模块,并详细给出了每个模块的设计和具体实现方法。最后,对系统进行测试和评估,根据测试结果总结系统存在的不足和需要改进的地方,提出下一步的工作方向。