如果您创建的报警规则是组合指标，并且设置了多个报警规则表达式，在出现异常问题时，可以参见下列常见问题。
问题排查
检查报警规则多指标中，是否有某个指标无数据。
如果报警规则多指标中有一个指标无数据，将导致报警规则整体无数据，建议您把无数据的指标和有数据的指标进行分开配置报警规则。
检查在监控指标的Dimensions中，是否有某个字段含义不同。
说明监控指标Dimensions参数，请参见附录1 云产品监控指标。
如果在报警规则多指标中，多个指标有相同的Dimension字段，经过查询每个指标之后，会判断每一条数据的每一个指标是否齐全，但是如果Dimension中的某个字段，在不同指标中含义不一致，同一个字段的数据值不一致，将会导致指标齐全判断无法通过，则会显示报警规则无数据。
举例：ECS产品的磁盘指标disk_readiops的dimensions是[userId, instanceId, device]，Network指标networkout_rate的dimensions也是[userId,instanceId,device]，但是显然磁盘指标的device指的是磁盘名称，Network指标的device指的是网络设备名称，含义不同，值不同，这两个指标对应的device都缺另一个指标对应的数据，最终导致报警规则无数据，在此情况下，建议您把磁盘指标和网卡指标进行分开配置规则。
检查多指标数据聚合后，导致报警数量增多造成的问题。
如果在报警规则多指标中，多个指标有不同的Dimension字段，经过查询每个指标之后，会对数据根据dimension使用笛卡尔积的计算方式对多个指标数据进行join合并，这样会导致监控数据增多，报警量增多。
说明笛卡尔积（Cartesian product），在数学中，特别是集合论领域，是一个基本概念，用于描述两个集合之间所有可能的有序对的集合。如果集合A和集合B是两个非空集合，那么它们的笛卡尔积A×B定义为所有形式为(a, b)的有序对的集合，其中a是集合A中的任意元素，b是集合B中的任意元素。简而言之，就是集合A中的每个元素都与集合B中的每个元素配对一次，形成一个新的元素对，并将所有这样的元素对组成一个新的集合。
例如，如果集合A = {1, 2}，集合B = {'a', 'b'}，那么它们的笛卡尔积A×B为： A×B = {(1, 'a'), (1, 'b'), (2, 'a'), (2, 'b')}
注意，这里的有序对(1, 'a')与('a', 1)不同，因为顺序 matters，(a, b)不等于(b, a)，除非a等于b。在数据库查询中，不恰当的使用笛卡尔积（比如没有合适的连接条件的表连接）会导致结果集大小爆炸性增长，这是因为每个来自一个表的行都会与另一个表中的每一行进行配对，这通常不是期望的结果，且会极大地降低查询效率。
举例：一个规则监控ECS实例的cpu使用率和磁盘iops，其中ECS实例指标cpu_total的dimensions是[userId, instanceId]，磁盘指标disk_readiops的dimensions是[userId, instanceId, device]，所以如果磁盘指标正常，cpu使用率异常，用户一个实例下挂了多个盘，每一个磁盘都会报一条信息。这种情况下，建议用户分开设置报警。