目前高性能的超级计算机的趋势是从高端的大型机向商业化计算机机群发展。这是因为迅速发展的PC、工作站和高速网络系统,使得机群系统的性能和可用性不断提高,完全有可能替代原有的大型机系统。由于机群系统结构松散、节点独立性强、网络连接复杂难以维护。为了解决这个问题,国际上流行的方式是在节点机的操作系统之上建立一层监控管理系统来管理整个机群,称之为机群监控管理系统。本文以曙光机群系统为背景,对机群环境下的大规模服务器远程监控管理关键技术进行了分析,并在此基础上实现了一套大规模的机群监控管理系统DCMM2。DCMM2机群监控系统采用软硬件结合的结构体系,C/S的分层结构,可对大规模机群进行远程监控和控制。DCMM2实现了对各服务器节点软硬件数据的实时监控、资源信息的实时监控。DCMM2机群监控系统还提供了历史查询和分析的功能,采用了多元化报警方式,并可以远程控制各个节点服务器的开机、关机和重启。DCMM2采用三层异步通信模式,保证了监控数据的刷新延迟很低,使其使用性能提高。DCMM2机群监控系统丰富的功能和稳定的性能,对大规模机群系统有效运行起到很好的监控保证作用。本文首先讨论了机群监控系统的现状,综合分析了现有的各种实现方法,总结了现在机群监控系统的优缺点。在此基础上,提出了研制适用大规模机群监控的设计目标。DCMM2监控系统是在此目标基础上提出的一套解决方案。本文分析了大规模机群监控系统DCMM2采用的关键技术,软硬件结合的体系结构、采用SNMP模型实现对机群资源的监控、采用三层异步的通信模式、和灵活的Socket网络连接。然后,介绍了DCMM2的整体设计方案。最后对DCMM2机群监控系统从功能和性能方面进行了评价。文章最后,讨论了目前系统还存在的一些问题和进一步的工作。