服务器已经被广泛应用于电信、银行、航天、气象、军事等领域。在这些领域中，服务器作为关键设备承担着主要的工作任务。但是无论是在航天、军事等国防领域还是在电信、银行等民用领域，决定这些行业选择服务器的一个重要因素就是服务器的可用性。如何保证服务器的可用性，保障其持续工作的能力已经成为人们的重要研究课题。服务器的管理是保证服务器可用性的关键，为实现服务器的有效管理，设计了高可用服务器故障管理平台。本文结合故障管理的一般过程，分析了自主计算的相关概念和管理模型，讨论了故障管理中需要解决的问题，并对故障监控、故障诊断和故障恢复等技术进行了研究。在此基础上，论文针对具有分布式结构的高可用目标系统设计了故障管理方案，采用双层架构实现服务器故障管理平台对服务器进行管理。管理平台由本地管理模块LMM和全局管理模块GMM组成。LMM对应于每个节点，负责直接对计算节点的状态进行监控；全局有两个GMM，负责对LMM收集的状态信息进行分析、诊断，然后对故障进行恢复。本文设计实现了服务器故障管理的硬件平台，并在其基础上设计了服务器故障管理的软件框架，结合硬件平台，实现了服务器状态信息的采集功能，包括从带内和带外两方面角度对服务器的状态进行采集；研究了故障定位和故障诊断的过程，实现了故障诊断的基本功能；制定了部分故障的管理策略；提供了用户远程管理的接口。最后本文对管理平台的功能做了简单的测试。