近年来IaaS云平台正在被越来越多的企业所采用。然而IaaS云平台组件众多,节点众多,其运行维护往往需要大量的专业人员。随着异常检测发展,在无需人工干预的情况下,异常检测系统能够对系统进行自动异常检测并给出告警,甚至是预警。为IaaS云平台提供预警能力,以降低运维难度和工作量是当前云计算应用发展的趋势之一。在前述背景之下,本文设计并实现IaaS云平台异常检测系统。IaaS云平台异常检测系统通过采集云平台的日志和关键性能指标(KPI)数据,并进行分析和存储,实现了 IaaS云平台异常检测和告警功能。为了完成上述功能,本文研究了基于日志的异常检测分析技术,针对半结构化日志数据,提出基于上下文高维词向量模板算法提取日志参数,并根据模板间调用链情况,将数据转化为故障图,引入卷积神经网络(CNN)技术将原本的异常检测转为二分类问题对异常进行精确检测;同时本文研究了基于KPI数据的异常检测分析技术,针对机械硬盘故障预警场景,提出了基于时序非均衡数据集的机械硬盘异常检测算法,利用生成式对抗神经网络(GAN)进行故障样本增强来处理故障样本数过少情况,而后采用改进的长短期记忆网络(LSTM)对原有的数据进行分类实现故障预警,监控平台全部机械硬盘数据,及时预测硬盘故障,保证云平台数据可用性。本文首先介绍了 IaaS云平台异常检测系统的研究背景;调研了IaaS云平台相关技术,分析了进行IaaS云平台异常检测的需求;接着提出了基于云平台日志和KPI进行异常检测的相关算法;完成了IaaS云平台异常检测系统整体架构设计及各个模块的详细设计;最后通过一系列测试验证了系统的有效性。