常见的部署类型（停机部署、蓝绿部署、滚动部署、灰度部署、AB测试等）

目录

一、常见部署类型

二、停机部署

三、蓝绿部署

四、滚动部署

五、灰度部署（金丝雀）

六、AB测试

---

一、常见部署类型

停机部署（Big Bang / Recreate）： 把现有版本的服务停机，然后部署新的版本。

蓝绿部署（Blue/Green /Stage）：部署好新版本后，把流量从老服务那边切过来。

滚动部署（Rolling Update / Ramped）： 一点一点地升级现有的服务。

灰度部署（Canary）：把一部分用户切到新版本上来，然后看一下有没有问题。如果没有问题就继续扩大升级，直到全部升级完成。

AB 测试（A/B Testing）：同时上线两个版本，然后做相关的比较。

二、停机部署

停机部署其实是最简单粗暴的方式，就是简单地把现有版本的服务停机，然后部署新的版本。有时候，我们不得不使用这样的方式来部署或升级多个服务。比如，新版本中的服务使用到了和老版本完全不兼容的数据表设计。这个时候，我们对生产有两个变更，一个是数据库，另一个是服务，而且新老版本互不兼容，所以只能使用停机部署的方式。

优势：在部署过程中不会出现新老版本同时在线的情况，所有状态完全一致。

弱势：停机部署主要是为了新版本的一致性问题。这种方式的问题是会停机，对用户的影响很大。所以，一般来说，这种部署方式需要事前挂公告，选择一个用户访问少的时间段来做。

三、蓝绿部署

其在生产线上部署相同数量的新服务，然后当新的服务测试确认 OK 后，把流量切到新的服务这边来。蓝绿部署比停机部署好的地方是，它无需停机。

这种一般都有多套环境，然后可以支持切换。

优势：优点是没有停机，实时发布和升级，也避免有新旧版本同时在线的问题

弱势：这种部署的问题就是有点浪费，因为需要使用双倍的资源（不过，这只是在物理机时代，在云计算时代没事，因为虚拟机部署完就可以释放了），

四、滚动部署

滚动部署策略是指通过逐个替换应用的所有实例，来缓慢发布应用的一个新版本。通常过程如下：在负载调度后有个版本 A 的应用实例池，一个版本 B 的实例部署成功，可以响应请求时，该实例被加入到池中。然后，版本 A 的一个实例从池中删除并下线。

这种部署方式直接对现有的服务进行升级，虽然便于操作，而且在缓慢地更新的过程中，对于有状态的服务也是比较友好的，状态可以在更新中慢慢重建起来。但是，这种部署的问题也是比较多的。

  存在问题：

• 在发布过程中，会出现新老两个版本同时在线的情况，同一用户的请求可能在新老版中切换而导致问题。

• 在整个过程中，生产环境处于一个新老更替的中间状态，如果有问题要回滚就有点麻烦了。

• 如果在升级过程中，需要做别的一些运维工作，我们还要判断哪些结点是老版本的，哪些结点是新版本的。这太痛苦了。

• 因为新老版本的代码同时在线，所以其依赖的服务需要同时处理两个版本的请求，这可能会带来兼容性问题。

• 无法让流量在新老版本中切换。

五、灰度部署（金丝雀）

灰度部署又叫金丝雀部署。其得名来源于矿井中的金丝雀。17 世纪，英国矿井工人发现，金丝雀对瓦斯这种气体十分敏感。空气中哪怕有极其微量的瓦斯，金丝雀也会停止歌唱。而当瓦斯含量超过一定限度时，虽然鲁钝的人类毫无察觉，金丝雀却早已毒发身亡。当时在采矿设备相对简陋的条件下，工人们每次下井都会带上一只金丝雀作为 " 瓦斯检测指标 "，以便在危险状况下紧急撤离。

灰度发布形式一，采用控制比例流量的方式进行切换。比如50%比例导流到旧程序，50%导流到新程序。

灰度发布形式二，通过控制使用方，让一部分人使用新系统，一部分人使用旧系统，然后逐渐放开，直到扩大到所有人。

改部署方式大多数用于缺少足够测试，或者缺少可靠测试，或者对新版本的稳定性缺乏信心的情况下。把一部分用户切到新版上来，然后看一下有没有问题。如果没有问题就继续扩大升级，直到全部升级完成。

六、AB测试

AB 测试是同时上线两个版本，然后做相关的比较。它是用来测试应用功能表现的方法，例如可用性、受欢迎程度、可见性等。

蓝绿部署是为了不停机，灰度部署是对新版本的质量没信心。而 AB 测试是对新版的功能没信心。注意，一个是质量，一个是功能。

AB测试需要在生产线上发布两个版本，拉一部分用户过来当小白鼠，然后通过科学的观测得出来相关的结论。AB 测试旨在通过科学的实验设计、采样样本代表性、流量分割与小流量测试等方式来获得具有代表性的实验结论，并确信该结论在推广到全部流量时可信

我们可以看到 AB 测试，其包含了灰度发布的功能。也就是说，我们的观测如果只是观测有没有 bug，那就是灰度发布了。当然，如果我们复杂一点，要观测用户的一些数据指标，这完全也可能做成自动化的，如果新版本数据好，就自动化地切一点流量过来，如果不行，就换一批用户（样本）再试试。