Detectar la ubicación de anomalías de rendimiento en sistemas distribuidos complejos es fundamental para garantizar el funcionamiento efectivo de un sistema, en particular, si se consideran implementaciones de contenedores de corta duración, lo que añade desafíos a la detección y localización de anomalías. En este documento, presentamos un marco para monitorear, detectar y localizar anomalías de rendimiento para clústeres basados en contenedores utilizando el modelo oculto de Markov jerárquico (HHMM). El modelo tiene como objetivo detectar y localizar la causa raíz de las anomalías en tiempo de ejecución para maximizar la disponibilidad y el rendimiento del sistema. El modelo detecta variaciones en el tiempo de respuesta en contenedores y sus nodos de clúster de alojamiento en función de su utilización de recursos y realiza un seguimiento de las causas raíz de las variaciones. Para evaluar el marco propuesto, se realizaron experimentos de orquestación de contenedores, utilizando diferentes métricas de rendimiento. Los resultados muestran que los HHMM pueden detectar y localizar con precisión anomalías de rendimiento de manera oportuna.