Пропонується альтернативний підхід виявлення аномалій у великому масиві показників хмарної інфраструктури Google Cloud Platform, ефективніший з погляду використання обчислювальних ресурсів для застосування в режимі близькому до реального часу. Сутність підходу полягає у виявленні лінійно залежних один від одного показників, моделюванні їхньої трендової та сезонної компоненти за допомогою лінійної регресії від інших показників, та пошуку аномалій у лишковому компоненті. Це дозволяє з меншими витратами обчислювальних ресурсів знаходити аномальні значення показника, та оптимізує роботу центрів моніторингу хмарної інфраструктури. В роботі продемонстровано підхід до виділення набору показників, придатних до застосування декомпозиції в поєднанні з лінійною регресією, розрахунок оптимальної довжини часового ряду для знаходження коефіцієнтів регресії та критерії виявлення аномальних значень показників. Експериментально перевірено ефективність поєднання декомпозиції та лінійної регресії в реальній хмарній інфраструктурі високонавантажених веб-застосунків в контейнерах Google Cloud Platform.