机群系统的优点是可扩展性好，但随着机群系统规模的增大，节点数目的增多，机群系统整体的可靠性会相应降低。因此提高机群系统可用性的软件将成为机群操作系统中必不可少的部分。特别是故障恢复手段对大规模系统和长时间运行的应用显得尤为重要。另外，由于在机群操作系统中为每个子系统或子服务以及第三方应用独立维护自身高可用所带来的系统复杂性、系统运行时资源的浪费以开发维护过程中人员浪费与困难导致了机群操作系统中需要开发独立的高可用管理软件用以维护其它子系统或应用的高可用性。 曙光4000机群操作系统是一个集成的、一体化的机群中间件系统，高可用管理软件HA触发器是这个中间件系统的一个重要组成部分，我们称之为机群操作系统的一个重要“服务”。该服务是从原有的机群系统软件中抽取出来的可以共享的服务之一，它负责小规模应用和服务的高可用管理。HA触发器软件的设计采用了基于服务和一体化构件的思想，以基于CORBA的分布式构件方式实现，具有良好的可扩展性、高可用性和系统的包容性。 本文以提高机群系统中应用和服务的可用性为目的，以曙光4000机群操作系统为工程背景，探讨设计和实现机群操作系统中高可用管理软件过程中面临的关键问题及其解决方案。论文首先介绍的是课题背景、高可用研究目和高可用基本理论等相关内容。接着介绍了曙光4000机群操作系统的高可用性设计并提出了高可用管理在其中面临的关键问题。然后围绕这几个问题设计并实现了机群系统的高可用管理软件HA触发器。最后对高可用管理带来的应用和服务的可用性影响进行了量化建模分析。