随着云服务的流行与发展,保证云服务的稳定运行对提升用户体验起到重要作用。为此,云服务中的各个系统组件持续地采集监控指标。运维人员需要对监控指标进行异常检测以快速发现云服务的异常状态,包括单指标的分别检测和多指标的整体检测。然而,云服务经常进行软件变更,可能导致指标数据分布发生显著的变化即概念偏移。以往的异常检测方法没有处理概念偏移,因而其准确率会显著下降。另外,检测到异常后需要对监控指标进行根因诊断,确定异常的根本原因。根因诊断通常要结合具体的领域知识,并且需要具备可解释性以帮助运维人员做决策。比如在云数据库领域,数据库管理员需要解决间歇性慢查询的根因诊断问题。本文解决了异常检测与根因诊断的实际挑战,实现了面向真实云服务监控指标的三个系统。本文的主要贡献总结如下:（1）适应概念偏移的单指标异常检测框架:据本文所知,本文第一次提出单指标异常检测需要稳定且快速地适应概念偏移的问题,并且设计实现Step Wise框架解决该问题,主要创新包括无需调参的概念偏移检测方法和鲁棒线性模型的适应算法。Step Wise部署在搜狗搜索的多个云服务中进行评估。实验表明,Step Wise能在概念偏移发生后提升多种常用的异常检测算法的准确性,相比没有适应的情况准确率提升206%,适应延迟只需约6分钟。（2）快速启动的多指标异常检测方法:本文研究发现软件变更后,以往基于深度学习的多指标异常检测算法启动时间过长,难以应对概念偏移。本文提出可以快速启动的方法Jump Starter,首次将压缩感知技术应用于多指标异常检测,并且设计了基于形状的聚类算法和规避离群值采样算法。Jump Starter使用腾讯和字节跳动公司的云服务多指标数据进行评估。实验表明,Jump Starter只需二十分钟的启动时间,并且可以达到94.1%的准确率。（3）间歇性慢查询的根因诊断框架:据本文所知,本文第一次提出云数据库服务中间歇性慢查询的根因诊断问题,并且设计了可解释的诊断框架i SQUAD。结合领域知识,i SQUAD设计了四个核心组件,即异常提取、关联清洗、面向指标类型的模式集成聚类算法和贝叶斯案例模型,帮助数据库管理员快速诊断间歇性慢查询的根因。i SQUAD应用在阿里巴巴云数据库的间歇性慢查询根因诊断中,平均诊断准确率达80.4%,诊断效率也大幅提升。