tags, create time
| tags | create time | |||||
|---|---|---|---|---|---|---|
|
2026-05-05 |
流量治理
概述
灰度发布（也叫金丝雀发布）是降低变更风险的核心手段。它让你将新版本逐步推向一小部分用户，观察指标正常后再全量。
[!question] 如何安全地上线？ 你修复了一个紧急 Bug，但这次改动涉及核心支付链路。直接全量发布一旦出问题损失巨大。有没有办法先小范围验证，确认没问题再放量？
灰度策略全景
flowchart LR
A["🟢 v1 (稳定版)<br/>95% 流量"] --> B["🔵 v2 (测试版)<br/>5% 流量"]
B --> C{"监控指标?"}
C -- "✅ 一切正常" --> D["逐步放量<br/>10% → 25% → 50%"]
C -- "❌ 错误率飙升" --> E["自动回滚到 v1 🔄"]
D --> F{"全部放量至 100%"}
F --> G["🟢 v2 成为新稳定版"]
常见灰度策略对比
| 策略 | 描述 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| 按百分比 | 随机分配 N% 流量到新版本 | 简单粗暴，覆盖面广 | 可能只命中特定用户 | 通用场景 |
| 按用户 ID | 指定用户/内部账号走新版 | 可精准控制测试范围 | 样本不够代表性 | 内部验收阶段 |
| 按 Header | x-canary: true 路由到新版本 |
灵活性最高 | 需要客户端配合 | QA / AB 测试 |
| 按地域 | 某个城市/机房的新版本 | 地域性问题的理想试验场 | 地域偏差大 | 全球化部署 |
| 按设备类型 | iOS 新用户先用新版 | 覆盖目标人群 | 样本有限 | 移动端发版 |
蓝绿 vs 灰度
[!summary] 两种发布策略对比
维度 蓝绿部署 灰度发布 (金丝雀) 切换方式 一次性全切 逐步放量 资源消耗 双倍（新旧并行） 初期少量副本 回滚速度 秒级（切回 LB 即可） 同样秒级 风险等级 中高（全量暴露问题） 低（渐进式） 适合场景 大型变更、重大版本 日常迭代、高风险链路
蓝绿部署流程
stateDiagram-v2
[*] --> Blue: 初始状态
Blue --> DeployGreen: 部署 v2 到 Green 环境
DeployGreen --> TestGreen: 验证 Green
TestGreen --> Switch: 切换入口流量
Switch --> Green: 全部流量到 Green/v2
Green --> CleanupBlue: 删除 Blue/v1
CleanupBlue --> [*]
金丝雀发布流程
graph TB
S1["v1 运行中<br/>100% 流量"]
S2["部署 v2<br/>5% 流量"]
S3["监控 15min"]
S4{"P99 延迟 < SLA?"}
S4 -- 否 --> Rollback["回滚 v2 🔄"]
S4 -- 是 --> S5["放量 25%"]
S5 --> S6["监控 30min"]
S6 --> S7{"错误率 < 0.1%?"}
S7 -- 否 --> Rollback
S7 -- 是 --> S8["放量 50%"]
S8 --> S9["监控 1h"]
S9 --> S10{"全项达标?"}
S10 -- 是 --> S11["100% 全量 ✅"]
S10 -- 否 --> Rollback
style Rollback fill:#ffebee
style S11 fill:#e8f5e9
高级路由规则
Istio VirtualService
# 灰度规则：header 携带 canary=true 的用户走 v2
apiVersion: networking.istio.io/v1beta1
kind: VirtualService
metadata:
name: order-route
spec:
hosts: ["order-service"]
http:
# 灰度规则
- match:
- headers:
x-canary:
exact: "true"
route:
- destination:
host: order-service
subset: v2
weight: 100
# 默认：全部走 v1
- route:
- destination:
host: order-service
subset: v1
weight: 100
权重路由示例
# 按比例分流
http:
- route:
- destination:
host: order-service
subset: v1
weight: 90
- destination:
host: order-service
subset: v2
weight: 10
流量治理的其他维度
除了发布策略，流量治理还包括：
| 能力 | 说明 |
|---|---|
| 熔断降级 | 下游不可用时自动降级，参见 02-服务治理/容错模式/README |
| 限流 | 保护上游不因过量请求被打垮，参见 02-服务治理/容错模式/README |
| 重试 | 对瞬态故障自动恢复，参见 02-服务治理/容错模式/README |
| 黑白名单 | IP 级别访问控制 |
| A/B Testing | 基于用户分组的长期实验 |
灰度发布的量化决策依据
[!tip] 必须有可量化的观测指标作为决策依据
不要凭感觉放量，让数据说话：
指标 阈值参考 告警级别 错误率 < 0.1% (v1 baseline 对比) > 1% 立即回滚 P99 延迟 ≤ v1 × 1.1 > v1 × 1.3 暂停放量 CPU/Memory 在 limits 的 70% 以内 > 85% 扩容 下游依赖成功率 > 99.5% < 95% 熔断
关联笔记
- 02-服务治理/API网关/README — API Gateway 的路由和权重分发
- 04-可观测性/Metrics监控/README — 灰度期间的监控面板设计
- 05-部署运维/SRE实践/README — 基于 SLO 的发布决策