参考资料

• Kubernetes Deployment Strategy
• Argo Rollouts Concepts
• Istio Traffic Management

灰度发布与回滚（01） - 灰度发布策略与流量切分

读完后，你应能完成以下任务：

• 绘制“灰度发布与回滚（01） - 灰度发布策略与流量切分 / 滚动、蓝绿与金丝雀的取舍”的关键对象与数据流，解释“滚动发布资源开销低但新旧版本短暂共存，蓝绿保留完整两套环境便于快速切换，金丝雀用少量真实流量验证风险。”，并用源码位置、日志或 Trace 标注证据。
• 为“灰度发布与回滚（01） - 灰度发布策略与流量切分 / 稳定分桶、流量权重与会话一致性”设计正常与异常输入，验证“按 user_id、tenant_id 或设备的稳定哈希分桶，避免同一会话在版本间跳动；”，输出首个偏差位置与回归测试结果。
• 实现“灰度发布与回滚（01） - 灰度发布策略与流量切分 / 阶段门禁与样本覆盖”的最小代码或配置，检验“先覆盖内部用户和低风险租户，再扩大代表性；”，输出命令、结果与 Diff，并说明不适用边界。

一、先建立全局：灰度发布策略与流量切分 是什么？

理解“灰度发布策略与流量切分”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“灰度发布策略与流量切分”的第一个核心判断是：金丝雀用少量真实流量验证风险。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	滚动、蓝绿与金丝雀的取舍	金丝雀用少量真实流量验证风险。
2	稳定分桶、流量权重与会话一致性	按 user_id、tenant_id 或设备的稳定哈希分桶，避免同一会话在版本间跳动；
3	阶段门禁与样本覆盖	先覆盖内部用户和低风险租户，再扩大代表性；
4	稳定分桶伪代码	stableHash 必须跨实例和版本稳定，百分比变化只扩大已有桶。
5	滚动发布资源开销低但新旧版本短暂共存	滚动发布资源开销低但新旧版本短暂共存，
6	蓝绿保留完整两套环境便于快速切换	蓝绿保留完整两套环境便于快速切换，

1.1 核心对象之间怎样衔接

flowchart LR
  S1["滚动、蓝绿与金丝雀的取舍"] --> S2
  S2["稳定分桶、流量权重与会话一致性"] --> S3
  S3["阶段门禁与样本覆盖"] --> S4
  S4["稳定分桶伪代码"] --> S5
  S5["滚动发布资源开销低但新旧版本短暂共存"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“灰度发布策略与流量切分”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“灰度发布策略与流量切分”的对象和顺序已经明确后，再看可观察的失败：环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、滚动、蓝绿与金丝雀的取舍

滚动发布资源开销低但新旧版本短暂共存， 蓝绿保留完整两套环境便于快速切换， 金丝雀用少量真实流量验证风险。 选择取决于容量、状态、回滚速度和样本代表性，不是金丝雀一定优于滚动。

三、稳定分桶、流量权重与会话一致性

按 user_id、tenant_id 或设备的稳定哈希分桶，避免同一会话在版本间跳动； 匿名流量可使用受控 Cookie。 切分层可以是网关、Service Mesh 或应用路由， 但必须记录实际版本到响应、日志与 Trace。

四、阶段门禁与样本覆盖

每个流量阶段定义最小样本、观察窗口、错误率、尾延迟和业务成功率。 先覆盖内部用户和低风险租户，再扩大代表性； 容量、缓存冷启动和依赖配额在小流量下可能不暴露，需要单独压测。

五、稳定分桶伪代码

同一租户在发布期间始终进入同一版本。

function selectVersion(tenantId: string, canaryPercent: number): 'stable' | 'canary' {
  const bucket = stableHash(tenantId) % 100
  return bucket < canaryPercent ? 'canary' : 'stable'
}

const version = selectVersion(request.tenantId, 5)
response.setHeader('X-App-Version', version)

stableHash 必须跨实例和版本稳定，百分比变化只扩大已有桶。 高风险租户可以显式排除，但需记录样本偏差。

六、故障边界与验证

现象	常见根因	验证与处理
同一用户偶发不同结果	随机切流或分桶键不稳定	使用稳定身份哈希并在会话中固定版本
5% 灰度正常，100% 资源耗尽	非线性容量和缓存冷启动未压测	在扩量门禁加入容量、队列和依赖配额指标
无法确认请求实际版本	日志、Trace 和响应缺少版本标签	统一注入 release/version 并验证端到端传播

七、动手验证：先跑通 灰度发布策略与流量切分，再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“灰度发布策略与流量切分”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

7.1 基线与候选只允许一个变量不同

验证“灰度发布策略与流量切分”时，先固定制品、配置、运行环境、流量样本、权限和回滚条件。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“灰度发布策略与流量切分”时，动作是：执行部署或验收链路，并主动制造一次健康检查、网络或依赖失败。原始结果不能只保留截图或汇总分数，必须同步保存：命令退出码、事件、日志、指标、Trace、页面断言和制品摘要，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	固定制品、配置、运行环境、流量样本、权限和回滚条件
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要
通过阈值	成功路径达标，失败被及时阻断，恢复与回滚结果经过复测
立即停止	环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用

7.2 执行前先排除不可比较条件

“灰度发布策略与流量切分”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“灰度发布策略与流量切分”的当前环境重复运行。
• 候选只改变一个与“灰度发布策略与流量切分”结论直接相关的条件。
• “灰度发布策略与流量切分”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “灰度发布策略与流量切分”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

7.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“灰度发布策略与流量切分”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	固定制品、配置、运行环境、流量样本、权限和回滚条件
过程可回放	执行部署或验收链路，并主动制造一次健康检查、网络或依赖失败
结果可审计	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要

“灰度发布策略与流量切分”的一次合格基线对照按以下顺序执行：

1. 保存“灰度发布策略与流量切分”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“灰度发布策略与流量切分”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“灰度发布策略与流量切分”：执行部署或验收链路，并主动制造一次健康检查、网络或依赖失败。
4. 为“灰度发布策略与流量切分”保存：命令退出码、事件、日志、指标、Trace、页面断言和制品摘要。
5. 使用“灰度发布策略与流量切分”预登记条件判断：成功路径达标，失败被及时阻断，恢复与回滚结果经过复测。
6. 如果“灰度发布策略与流量切分”未通过，不修改第二个变量，先恢复基线并保留失败现场。

八、用一张矩阵验证 灰度发布策略与流量切分 的关键结论

矩阵按正文顺序列出“灰度发布策略与流量切分”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
滚动、蓝绿与金丝雀的取舍	金丝雀用少量真实流量验证风险。	只改变与“滚动、蓝绿与金丝雀的取舍”相关的条件	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要
稳定分桶、流量权重与会话一致性	按 user_id、tenant_id 或设备的稳定哈希分桶，避免同一会话在版本间跳动；	只改变与“稳定分桶、流量权重与会话一致性”相关的条件	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要
阶段门禁与样本覆盖	先覆盖内部用户和低风险租户，再扩大代表性；	只改变与“阶段门禁与样本覆盖”相关的条件	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要
稳定分桶伪代码	stableHash 必须跨实例和版本稳定，百分比变化只扩大已有桶。	只改变与“稳定分桶伪代码”相关的条件	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要
滚动发布资源开销低但新旧版本短暂共存	滚动发布资源开销低但新旧版本短暂共存，	只改变与“滚动发布资源开销低但新旧版本短暂共存”相关的条件	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要
蓝绿保留完整两套环境便于快速切换	蓝绿保留完整两套环境便于快速切换，	只改变与“蓝绿保留完整两套环境便于快速切换”相关的条件	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要

8.1 记录本次实际实验

下面的记录用于“灰度发布策略与流量切分”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "灰度发布策略与流量切分"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行部署或验收链路，并主动制造一次健康检查、网络或依赖失败"
evidence: "命令退出码、事件、日志、指标、Trace、页面断言和制品摘要"
pass_when: "成功路径达标，失败被及时阻断，恢复与回滚结果经过复测"
stop_when: "环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

8.2 边界实验必须证明能够停止和恢复

成功路径只能证明“灰度发布策略与流量切分”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	命令退出码、事件、日志、指标、Trace、页面断言和制品摘要	成功路径达标，失败被及时阻断，恢复与回滚结果经过复测
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：停止扩量，按制品、配置、运行时和依赖顺序定位并恢复	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“灰度发布策略与流量切分”，第一步是：停止扩量，按制品、配置、运行时和依赖顺序定位并恢复。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“灰度发布策略与流量切分”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

九、灰度发布策略与流量切分 的结果解释

解释“灰度发布策略与流量切分”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用	先执行：停止扩量，按制品、配置、运行时和依赖顺序定位并恢复
异常链路无法恢复	环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用	先执行：停止扩量，按制品、配置、运行时和依赖顺序定位并恢复
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“灰度发布策略与流量切分”只有同时满足“成功路径达标，失败被及时阻断，恢复与回滚结果经过复测”，并且没有出现“环境漂移、探针失真、权限错误、发布扩大故障或回滚不可用”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“灰度发布策略与流量切分”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“灰度发布策略与流量切分”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

十、灰度发布策略与流量切分 的发布判断

发布判断需要把“灰度发布策略与流量切分”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “灰度发布策略与流量切分”的基线与候选只存在一个计划内变量。
• “灰度发布策略与流量切分”的输入、代码、依赖、配置和数据版本可以追溯。
• “灰度发布策略与流量切分”的正常、临界、失败和恢复样本使用同一套断言。
• “灰度发布策略与流量切分”的原始输出、中间状态和失败现场已经保留。
• “灰度发布策略与流量切分”的日志、Trace、截图和测试数据已经脱敏。
• “灰度发布策略与流量切分”的停止条件、负责人和回滚入口已经演练。
• “灰度发布策略与流量切分”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“灰度发布策略与流量切分”的判断，就不能发布。

十一、总结

• 滚动、蓝绿与金丝雀的取舍：滚动发布资源开销低但新旧版本短暂共存，蓝绿保留完整两套环境便于快速切换，金丝雀用少量真实流量验证风险。
• 稳定分桶、流量权重与会话一致性：按 user_id、tenant_id 或设备的稳定哈希分桶，避免同一会话在版本间跳动；
• 阶段门禁与样本覆盖：先覆盖内部用户和低风险租户，再扩大代表性；
• 稳定分桶伪代码：stableHash 必须跨实例和版本稳定，百分比变化只扩大已有桶。