1. 课程导论：蓝绿发布与灰度发布对比、Prometheus在发布中的核心价值、自动化故障排查的总体流程

1.1 蓝绿发布与灰度发布：核心概念与对比

在微服务与云原生架构下，发布策略直接决定了系统的风险暴露面与回滚速度。蓝绿发布与灰度发布是两种最主流的零宕机部署模式，但它们的切换逻辑、流量控制粒度与监控关注点存在本质差异。

1.2 蓝绿发布典型架构与流量切换流程

下图展示了蓝绿发布的核心组件与一次完整的版本切换过程。注意 Prometheus 需要同时采集蓝、绿两套环境的指标，并在切换前后执行预定义的 健康检查规则。

1.3 Prometheus 在发布中的核心价值

在蓝绿发布场景中，Prometheus 不仅仅是“看指标”的工具，而是自动化决策的度量基础。其核心价值体现在三个层面：

• 实时健康度评估： 通过 up、http_requests_total、grpc_server_handled_total 等指标，在切换前自动判定新环境是否就绪。
• 多维标签对比： 利用 environment="blue" 与 environment="green" 标签，在 PromQL 中直接计算错误率差异：
  

  # 蓝环境错误率
  sum(rate(http_requests_total{environment="blue", status=~"5.."}[1m])) 
  / 
  sum(rate(http_requests_total{environment="blue"}[1m]))
  
  # 绿环境错误率
  sum(rate(http_requests_total{environment="green", status=~"5.."}[1m])) 
  / 
  sum(rate(http_requests_total{environment="green"}[1m]))

• 自动化告警触发回滚： 当绿环境错误率超过阈值（如 > 1%）或 P99 延迟飙升时，Prometheus Alertmanager 自动触发 Webhook，驱动 CI/CD 管道执行回滚。

1.4 自动化故障排查的总体流程

基于 Prometheus 的蓝绿发布自动化故障排查，遵循 “采集 → 检测 → 定位 → 决策 → 恢复” 五步闭环。下图展示了这一流程的完整链路：

1.5 流程关键节点说明

1. 指标采集层： 使用 Prometheus Operator 自动发现蓝绿环境的所有 Pod，通过 serviceMonitor 或 podMonitor 注入 environment 标签。
2. 异常检测层： 预置 recording rules 计算错误率与延迟滑动窗口，避免直接使用原始指标导致告警抖动。
3. 根因定位层： 结合 kube_pod_labels 与 container_* 指标，快速定位是哪个微服务、哪个实例出现异常。
4. 自动决策层： Alertmanager 的 webhook_configs 调用 Jenkins/GitLab CI 的 API，传入 rollback=true 参数。
5. 恢复与复盘层： 回滚完成后，Prometheus 自动生成 发布事件报告，包含切换前后的指标对比图，供 SRE 团队复盘。