رایانش ابری نتیجه تحول سرویس تقاضا درپارادایم های رایانش محاسبات توزیع شده ی بزرگ است این تکنولوژی قابل پذیرش است چرا که موجب ادغام نرم افزار و منابعی که بصورت پویا مقیاس پذیر هستند می گردد این سیستم ها کمابیش درمعرض شکست هستند تحمل پذیری خطا توانایی یک سیستم را برای پاسخ گویی به خرابی غیرمنتظره ی سخت افزاری یا نرم افزاری ارزیابی می کند به منظور دستیابی به استحکام و اقابلیت اطمینان دررایانش ابری خطا باید بررسی شده و بطور موثر بکارگرفته شود روشهای تحمل خطا درواقع برای پیش بینی این خرابی ها و انجام یک اقدام مناسب قبل ازخرابی می باشد اگرچه تحمل خطا درسیستم های توزیع شده موضوع پژوهش درگذشته بوده است که مجموعه وسیعی ازالگوریتم ها برای تشخیص شناسایی و اصلاح خطا ایجادنموده اما می بایست این مفاهیم را درزمینه رایانش ابری دوباره مورد مطالعه قرارداد این مقاله درنظر دارد درک بهتری ازتکنیک های تحمل خطای مورد استفاده درمحیطهای تحمل پذیرخطا به همراه برخی مدلهای موجود ایجادکرده و آنها را با پارامترهای مختلف مقایسه کند