第2章 灰度策略类型与选择

2.1 概述

灰度策略决定了“哪些用户/请求会命中灰度版本”，是灰度发布的核心控制维度。不同策略适用于不同业务场景，组合使用可精确控制风险。本章详解四种常用策略：用户ID哈希、按地域、按设备、按百分比，并给出选择指南。

2.2 适用场景

策略类型	典型场景	示例
用户ID哈希	需要保持单个用户始终访问同一版本（会话一致性）；AB测试、流量隔离。	按用户UID取模，1000号以内的用户进入新版本。
按地域	区域化合规、CDN灰度、本地化功能验证；先开放低风险地域。	先灰度华北地区，观察24小时后开放华东。
按设备	App版本兼容、系统版本兼容、硬件差异适配。	仅iOS 15+设备进入新UI，Android 12以下保持旧版。
按百分比	快速起量、无法按ID/地域/设备区分时的兜底策略。	随机5%流量进入新版本，逐步提升至50%。

2.3 前置条件

1. 策略元数据声明：在灰度配置中心（如Apollo/Nacos）或代码中声明支持的策略类型及默认值。
2. 数据完整性：确保用户ID、地域标签、设备指纹字段在请求链路中传递且非空。
3. 策略互斥规则：多策略组合时，必须定义优先级（例如：地域优先于百分比）。
4. 回滚锚点：记录当前生产环境的策略快照，作为回滚基线。

2.4 操作步骤

2.4.1 用户ID哈希策略

1. 选择哈希函数（推荐一致性哈希或简单取模，视节点数量而定）。
2. 定义哈希键（用户UID、设备ID、会话ID等）。
3. 在流量控制层（Gateway / SDK）计算公式：hash(key) % 100 < threshold。
4. 配置阈值（如20，表示20%流量进入灰度版本）。
5. 测试哈希均匀性：抽样检查不同ID段的命中率是否接近阈值。

# 伪代码：一致性哈希选择
gray_set = consistent_hash(user_id, buckets=100, gray_buckets=[0..19])
if gray_set:
    route_to_new_version()
else:
    route_to_old_version()

2.4.2 按地域策略

1. 定义地域编码规范（如国家/省/市 层级，ISO 3166）。
2. 在灰度配置中心维护 灰度地域白名单。
3. 解析请求头中的地域信息（或通过IP库反查）。
4. 判断地域是否在白名单内，是则进入灰度版本。
5. 支持通配符（如 CN-11* 表示北京地区）。

{
  "strategy": "region",
  "gray_regions": ["CN-11", "CN-31", "US-CA"],
  "fallback": "percentage"
}

2.4.3 按设备策略

1. 收集用户设备属性：操作系统、OS版本、浏览器、设备型号、屏幕尺寸等。
2. 定义设备规则：支持等于、大于、版本范围匹配。
3. 配置灰度设备规则列表（多规则取 OR 关系）。
4. 将规则下发至客户端或服务端，匹配则开启灰度功能。
5. 注意：设备指纹可能因隐私限制丢失，需设置兜底策略（如默认不灰度）。

2.4.4 按百分比策略

1. 生成随机数种子（推荐与用户ID无关，避免干扰其他策略）。
2. 在决策点计算：rand() % 100 < percentage。
3. 逐步调整百分比：从1%开始，每次提升5%~10%，观察稳定性。
4. 百分比突变时，注意短时流量冲击，配合限流措施。
5. 与ID哈希策略组合时，百分比只作用于哈希未命中人群。

2.5 输入输出物

输入物	灰度策略配置表、请求上下文（UserId/Region/Device）、灰度阈值参数
输出物	灰度决策结果（是否进入灰度版本）、命中率统计报表、策略切换记录

2.6 责任边界

• SRE/运维：配置并下发灰度策略、监控命中率与错误率、执行策略切换。
• 开发团队：确保策略决策点正确埋点、哈希函数无偏斜、地域/设备字段完整传递。
• QA/测试：验证各策略组合下的版本分配是否符合预期，编写策略边界测试用例。
• 产品/运营：定义灰度目标人群、评估策略切换对业务指标的影响。

2.7 记录材料

• 灰度策略变更日志（记录修改时间、操作人、旧值、新值、原因）。
• 策略命中率快照：每分钟/每小时采样，用于事后分析。
• 异常事件记录：策略执行异常（如地域ID为空时的默认行为）。
• 回滚锚点记录：版本切换前的完整策略快照。

# 策略变更日志示例
[2025-04-07 10:30:00] 操作人: zhang.san
  策略: region_gray
  旧值: ["CN-11"]
  新值: ["CN-11", "CN-31"]
  原因: 扩大华北灰度范围

2.8 异常处理

异常场景	处理措施	恢复条件
哈希键缺失（如UserId=null）	降级为百分比策略或直接走基准版本	上游补全字段后自动恢复
地域数据解析失败	采用默认地域标记（如 unknown），走最小灰度比例	修复IP库后重刷缓存
百分比策略导致全员命中	强制取模：percentage = min(100, config_value)	配置中心下发修正值
策略配置冲突（同时命中ID哈希与地域）	按预设优先级裁决，记录冲突日志	人工调整策略优先级
命中率严重偏离阈值（>10%）	触发告警，自动暂停灰度，回滚策略至上一快照	排查哈希函数或随机数种子问题

2.9 验收标准

1. 策略正确性：根据配置的阈值/规则，灰度组与基准组流量分配偏差 < 1%。
2. 命中率可观测：监控系统实时展示各策略的命中人数与比例。
3. 回滚完整性：执行策略回滚后，灰度命中率归零，无需代码修改。
4. 性能影响：策略决策耗时 < 10ms（非极端高并发场景）。
5. 文档完整性：所有策略规则、管理端操作手册、异常处理SOP均已更新。

2.10 内联SVG说明

上方流程图展示了灰度策略从流量入口到版本决策的完整路径。策略决策节点按 优先级 顺序判断：先按用户ID哈希（确保会话一致性），其次按地域、设备，最后按百分比作为兜底。实际工程中可根据业务调整优先级，并在配置中心动态切换。