4. 灰度发布策略设计：按用户ID灰度、按流量比例灰度、按地域/渠道灰度、多策略组合灰度

灰度发布的核心在于可控与可观测。单一策略往往无法覆盖所有风险场景，实际生产环境需要根据业务特征选择或组合不同的灰度策略。本章详细拆解四种主流策略的设计原理、适用场景与实现要点。

4.1 按用户ID灰度（Hash取模策略）

按用户ID灰度是最基础、最精准的策略。通过对用户唯一标识（如 user_id、phone_hash）进行哈希运算后取模，将用户稳定映射到不同的灰度区间。

import hashlib

def get_gray_bucket(user_id: str, total_buckets: int = 100) -> int:
    """计算用户灰度桶编号"""
    hash_val = int(hashlib.md5(user_id.encode()).hexdigest()[:8], 16)
    return hash_val % total_buckets

def is_in_gray(user_id: str, gray_percent: int) -> bool:
    """判断用户是否在灰度组"""
    return get_gray_bucket(user_id) < gray_percent

4.2 按流量比例灰度（随机采样策略）

按流量比例灰度不依赖用户标识，而是对每次请求进行随机采样。适用于无需用户维度的规则验证场景，如模型响应时间监控、规则命中率对比。

import random

def is_in_traffic_gray(gray_ratio: float) -> bool:
    """按流量比例判断是否灰度，gray_ratio 范围 [0.0, 1.0]"""
    return random.random() < gray_ratio

4.3 按地域/渠道灰度（白名单策略）

按地域或渠道灰度属于定向灰度策略，通过预定义的白名单或黑名单控制灰度范围。常用于新规则上线前，先在小范围可控区域验证效果。

class RegionChannelGray:
    def __init__(self, gray_regions: list, gray_channels: list):
        self.gray_regions = set(gray_regions)
        self.gray_channels = set(gray_channels)

    def is_in_gray(self, region: str, channel: str) -> bool:
        return region in self.gray_regions and channel in self.gray_channels

4.4 多策略组合灰度

生产环境中最常用的策略是多策略组合。通过将上述策略按优先级或逻辑关系组合，实现更精细、更安全的灰度控制。

class CompositeGray:
    def __init__(self, gray_config: dict):
        self.region_gray = RegionChannelGray(
            gray_config.get("regions", []),
            gray_config.get("channels", [])
        )
        self.gray_percent = gray_config.get("gray_percent", 0)
        self.traffic_ratio = gray_config.get("traffic_ratio", 0.0)

    def is_in_gray(self, user_id: str, region: str, channel: str) -> bool:
        # 第一步：地域/渠道过滤
        if not self.region_gray.is_in_gray(region, channel):
            return False
        # 第二步：用户ID哈希灰度
        if get_gray_bucket(user_id) < self.gray_percent:
            return True
        # 第三步：流量比例兜底
        return is_in_traffic_gray(self.traffic_ratio)

4.5 策略对比与选型建议