4. 灰度策略定义
灰度发布的核心在于“策略”——即如何从全量用户中筛选出小部分流量，使其率先接入 Level2 行情新链路，同时保证其余用户仍使用旧链路。策略的优劣直接决定灰度期间的数据可比性、问题发现速度以及用户体验损伤程度。本章定义四种最常用的灰度策略，并给出各自的适用场景、实现要点与风险控制手段。
4.1 基于用户 ID 的灰度
按用户标识（如 user_id、手机号、设备号）的哈希值或尾号区间进行切分，是最直观且最稳定的策略。同一用户在整个灰度周期内始终落在同一分组，便于追踪行为变化。
| 维度 | 说明 |
|---|---|
| 切分方式 | user_id % 100 < 灰度比例（如 5%） |
| 优点 | 用户分组固定，A/B 测试结果可信；实现简单 |
| 缺点 | 无法精确控制地域或网络属性；灰度比例调整后部分用户会跨组 |
| 典型场景 | 新行情协议兼容性验证、终端性能压测 |
实现要点：使用一致性哈希或取模运算时，务必保证 user_id 分布均匀；灰度比例变更时，应通过“双倍写入”或“分层采样”避免用户反复切换链路。
4.2 基于 IP 段的灰度
按客户端出口 IP 的 CIDR 段或运营商归属进行分组，适合需要按地域或网络运营商逐步放量的场景。例如先开放华东电信用户，再扩展至华北联通。
- 切分粒度：/24 或 /16 网段，也可按 AS 号聚合。
- 优点：可精准控制地域流量，便于与 CDN/边缘节点联动。
- 缺点：用户 IP 可能变化（如移动网络切换基站），导致分组漂移；无法覆盖内网统一出口场景。
- 典型场景：新行情网关上线、多机房流量调度验证。
避坑提示：不要仅依赖 IP 段做唯一分组标识。建议将 IP 段与 user_id 组合，形成“主分组+辅助校验”的双层策略，避免因 IP 变化导致数据污染。
4.3 基于交易量的灰度
按用户近 30 日日均交易笔数或资产规模进行分层，优先让低交易量用户（风险容忍度高）接入新链路，高交易量用户最后迁移。这是金融场景特有的“风险逆向”策略。
| 用户分层 | 日均交易笔数 | 灰度优先级 | 接入比例 |
|---|---|---|---|
| 低活跃 | 0 ~ 5 笔 | 第一批 | 100% |
| 中活跃 | 5 ~ 50 笔 | 第二批 | 30% |
| 高活跃 | 50 笔以上 | 最后一批 | 5% |
数据要求：交易量统计需离线预计算并写入用户画像表，灰度引擎在运行时直接读取分层标签，避免实时计算带来的延迟。
4.4 基于随机采样的灰度
不依赖任何用户属性，直接通过随机数生成器决定每条行情连接是否进入灰度组。实现成本最低，但无法保证同一用户前后行为的一致性。
- 切分方式：每次建立 WebSocket 连接时，生成 [0, 1) 随机数，若 < 灰度比例则走新链路。
- 优点：部署零配置，适合快速验证链路稳定性。
- 缺点：同一用户可能在不同会话中落入不同分组，无法做用户维度的对比分析。
- 典型场景：新链路压力测试、协议兼容性快速验证。
使用限制：随机采样仅适用于“链路功能验证”阶段，不可用于 A/B 效果评估。若需分析行情延迟或数据准确性，必须切换至基于用户 ID 的固定分组策略。
4.5 四种策略对比总览
| 策略 | 分组稳定性 | 地域控制 | 风险隔离 | 实现复杂度 | 推荐阶段 |
|---|---|---|---|---|---|
| 用户 ID 灰度 | 高 | 低 | 中 | 低 | 功能验证 / A/B 测试 |
| IP 段灰度 | 中 | 高 | 高 | 中 | 地域放量 / 网关迁移 |
| 交易量灰度 | 高 | 低 | 极高 | 高 | 生产环境全量前验证 |
| 随机采样 | 低 | 无 | 低 | 极低 | 快速冒烟测试 |
4.6 灰度策略组合架构
在实际生产系统中，四种策略并非互斥，而是按层级组合使用。下图展示了一个典型的灰度策略决策流程：
4.7 策略选择决策树
在实际项目中，可按以下决策树快速选定灰度策略：
- 是否需要用户维度的 A/B 分析？ → 是 → 选用户 ID 灰度；否 → 进入下一步。
- 是否需要按地域/运营商逐步放量？ → 是 → 选 IP 段灰度；否 → 进入下一步。
- 是否对高价值用户有强保护需求？ → 是 → 选交易量灰度；否 → 选随机采样。
最佳实践：建议在灰度初期使用“随机采样 + 用户 ID”双层策略：第一层随机采样控制整体比例，第二层用户 ID 哈希保证分组稳定。待链路稳定后，再切换至“IP 段 + 交易量”组合进行全量放量。