灰度批次概念

灰度批次是容器运行时发布流水线中实现渐进式交付的核心机制。它通过将目标实例划分为多个有序子集，按预设策略逐步引入新版本，从而在每一批次中验证稳定性、收集反馈，并在异常发生时将影响范围控制在最小。理解灰度批次的定义、大小策略、等待时间及其与全量发布的关系，是构建风险清单留痕体系的基础。

3.1 灰度批次定义

灰度批次（Gray Batch）是指将一组待更新的容器实例（Pod/Node）按照逻辑分组，每个分组即为一个批次。发布流水线按顺序依次处理每个批次，只有当前批次验证通过后，才会触发下一批次的更新。

• 批次单元：最小操作单位，通常为一个或多个 Pod、一组 Node 或一个可用区（AZ）。
• 批次顺序：严格串行，前一批次完成后才能启动下一批次。
• 批次状态：每个批次在生命周期中经历 Pending → Rolling → Verifying → Completed / Rollback 四个阶段。
• 风险隔离：异常仅影响当前批次，不会扩散至后续批次或已稳定的实例。

3.2 批次大小策略

批次大小决定了每个灰度批次中包含的实例数量或比例。常见的策略包括：

3.3 批次间等待时间

批次间等待时间（Inter-batch Wait Time）是指完成一个批次更新后，到启动下一个批次更新之间的观察窗口。这段时间用于收集监控指标、运行自动化测试、等待人工审批或观察日志异常。

• 固定等待：每批次完成后等待固定时长（如 5 分钟），适用于变更风险较低、监控体系成熟的场景。
• 条件等待：等待直到满足特定条件（如错误率 < 0.1%、P99 延迟 < 200ms、人工点击“继续”），适用于高风险变更。
• 自适应等待：根据前一批次的异常指标动态调整等待时间（如异常增多则延长等待），适用于自动化程度高的流水线。
• 零等待：批次间无间隔，等同于快速滚动更新，仅用于紧急修复或低风险配置变更。

3.4 灰度批次与全量发布的关系

灰度批次是全量发布的分解执行过程，二者在发布流水线中形成“策略-执行”的映射关系：

在实际流水线中，灰度批次执行完毕后，通常需要执行一次全量确认操作，将剩余未更新的实例（如有）一次性更新至目标版本，或通过调整 Deployment 的 replicas 完成最终收敛。

{
  "gray_batch": {
    "total_batches": 5,
    "batch_size_strategy": "阶梯递增",
    "first_batch_count": 2,
    "inter_batch_wait_seconds": 180,
    "wait_condition": "error_rate < 0.1% AND p99_latency < 200ms",
    "full_release_after_gray": true,
    "full_release_trigger": "manual_approval"
  }
}

3.5 灰度批次风险清单留痕模板

在发布流水线中，每个灰度批次都应生成结构化的风险留痕记录。以下为推荐模板：