云系统中的异常检测涉及识别偏离正常运行的异常模式或行为，这些模式或行为可能表明性能问题、安全威胁或配置错误。云环境是动态的，具有不断变化的工作负载、自动伸缩资源和分布式架构，这使得手动监控不切实际。异常检测可以自动发现异常值，例如 CPU 使用率的突然飙升、意外的网络流量或未经授权的访问尝试。例如，数据库读取吞吐量突然下降 90% 可能表明节点发生故障，而来自不熟悉位置的不规则登录尝试可能指向安全漏洞。通过及早标记这些异常，团队可以在问题升级之前进行调查和解决。
在云系统中实施异常检测通常依赖于分析从服务、虚拟机、容器和无服务器函数收集的指标、日志和跟踪。诸如 AWS CloudWatch、Azure Monitor 或 Prometheus 和 Grafana 等开源解决方案之类的工具提供基线监控，但异常检测添加了机器学习 (ML) 或统计模型来识别偏差。例如，时间序列模型可能会学习 Web 应用程序的正常流量模式，并标记异常下降（例如，DDoS 攻击）或飙升（例如，配置错误的 cron 作业）。像 Isolation Forest 这样的无监督学习算法可以在没有事先训练的情况下检测资源使用情况中的异常值，而监督模型可能会对已知的攻击模式进行分类。云提供商还提供内置解决方案，例如用于安全相关异常的 AWS GuardDuty 或 Google Cloud 中用于检测成本超支的计费数据异常检测。
实际使用案例包括检测基础设施故障（例如，崩溃的 Kubernetes pod）、安全事件（例如，凭据盗窃）或配置错误（例如，公共存储桶）。例如，异常检测系统可能会注意到，通常空闲的开发服务器突然消耗了 80% 的网络带宽，这表明存在加密劫持攻击。在多租户环境中，它可以识别影响共享资源的嘈杂邻居。挑战包括通过调整灵敏度阈值和适应合法的更改（如季节性流量高峰）来最大程度地减少误报。团队通常将基于规则的警报（例如，CPU > 95%）与 ML 驱动的异常评分相结合，以平衡精确度和覆盖范围。将这些系统与事件响应工具（例如，PagerDuty）集成可确保及时补救，而诸如 AWS X-Ray 或分布式跟踪之类的根本原因分析工具可帮助将警报置于上下文中。