由于需要分析历史数据且静态阈值难以应对不断增长的负载，设置告警阈值一直具有挑战性。按时间段变化的指标尤其难以通过固定阈值进行监控。Cloud Monitoring 告警现已提供针对 PromQL 的长回溯告警策略（当前处于预览阶段），可利用长达两年的指标数据。该功能支持动态阈值，即告警触发基于指标的历史行为而非固定值。例如，可设置告警在近期性能显著偏离长期历史平均值时触发。动态阈值提供多种算法，包括用于稳定数据的移动平均、用于波动数据的 Z 分数，以及用于按时间模式变化的指标的季节分解。移动平均将近期趋势与长期平均值进行比较，Z 分数则基于标准差识别异常值。季节分解将当前数据与对应历史时期进行比较，适用于具有每日或每周模式的指标。动态阈值还可用于防止成本超支，当支出指标显示异常增长时自动调整配额。Cloud Monitoring 正在利用 AI 模型开发更先进的异常检测功能。用户可注册为设计合作伙伴，以就这些新功能提供反馈。