4. 灰度批次概念：批次定义、批次大小、批次间隔、批次暂停与回滚机制

灰度发布的核心在于将一次大规模的版本变更拆解为多个可控的“小批量”逐步推进。在 K8s Operator 的发布流水线中，灰度批次（Batch） 是定义“一次推进多少、推进多快、何时暂停、如何回退”的基础单元。理解批次的四个核心属性，是构建可靠灰度面板与自动化流水线的第一步。

4.1 批次定义（Batch Definition）

批次是灰度发布的最小执行单元，它描述了一次操作所影响的实例集合。在 Operator 的 CRD（Custom Resource Definition）中，批次通常通过一个列表或数组来定义，每个元素包含该批次的目标实例数量或百分比。

4.2 批次大小（Batch Size）

批次大小决定了每次灰度推进的“步长”。步长过大会增加风险，步长过小则延长发布周期。在面板留痕中，批次大小直接影响“灰度进度”和“风险暴露曲线”两个关键指标。

• 固定大小模式： 每个批次更新固定数量的实例，例如每次更新 2 个 Pod。
• 百分比模式： 每个批次更新总实例的固定百分比，例如每次更新 10%。
• 动态大小模式： 根据当前集群负载、错误率等指标自动调整批次大小（高级特性）。

4.3 批次间隔（Batch Interval）

批次间隔是指两个连续批次之间的等待时间。这个时间窗口用于观察新版本实例的运行状态，收集指标数据，并让监控系统有足够的时间触发告警。

在面板留痕中，批次间隔的结束时刻应记录为 batch_completed_timestamp，并与下一个批次的 batch_started_timestamp 形成对比，用于计算“等待耗时”指标。

4.4 批次暂停与回滚机制

暂停与回滚是灰度发布的安。Operator 必须提供明确的暂停条件和回滚触发逻辑，并在面板中清晰展示当前状态。

4.4.1 暂停机制

• 自动暂停： 当监控指标（如错误率 > 5%、P99 延迟 > 500ms）超过阈值时，Operator 自动暂停当前批次，不再推进到下一批次。
• 手动暂停： 运维人员通过更新 CR 的 spec.paused: true 字段，或通过面板上的“暂停”按钮触发。
• 定时暂停： 在指定时间窗口内自动暂停（如夜间发布暂停）。

4.4.2 回滚机制

回滚分为“批次内回滚”和“全量回滚”两种粒度：

4.5 批次状态与面板留痕字段

为了在 Grafana 面板中完整追溯灰度过程，每个批次都需要记录以下关键字段。这些字段由 Operator 在 reconcile 过程中写入 Prometheus 指标或日志中。

4.6 批次配置示例（CRD YAML）

以下是一个完整的灰度批次配置示例，展示了如何在 Operator 的 CRD 中定义多批次灰度策略：

apiVersion: operator.example.io/v1
kind: Release
metadata:
  name: my-app-release-v2
spec:
  targetVersion: "v2.0.0"
  currentVersion: "v1.0.0"
  replicas: 20
  batches:
    - batchIndex: 0
      replicas: 2
      interval: 120s
      pauseAfter: false
      rollbackOnFailure: true
    - batchIndex: 1
      replicas: 4
      interval: 90s
      pauseAfter: false
      rollbackOnFailure: true
    - batchIndex: 2
      replicas: 6
      interval: 60s
      pauseAfter: true
      rollbackOnFailure: true
    - batchIndex: 3
      replicas: 8
      interval: 30s
      pauseAfter: false
      rollbackOnFailure: false
  globalPause: false
  autoRollback: true
  rollbackVersion: "v1.0.0"