一、灰度发布基础概念
1.1 灰度发布定义
灰度发布（Gray Release / Canary Release）是一种渐进式上线策略：将新版本先部署到少量用户或流量上，在真实生产环境中验证稳定性和效果后，再逐步扩大范围，直至全量覆盖。在额度模型场景中，灰度发布意味着新模型只对部分授信请求生效，其余请求仍由旧模型处理，从而在不影响整体业务的前提下完成模型切换。
核心思想：小范围验证 → 收集反馈 → 逐步放量 → 全量切换。
1.2 灰度发布目的
灰度发布并非单纯的技术部署手段，而是风险控制与效果验证的结合。在额度模型灰度中，主要目的包括：
- 降低上线风险：新模型可能存在未预见的偏差（如对特定客群过度授信或拒贷），灰度可提前暴露问题，避免全量事故。
- 对比效果差异：在相同时间窗口内，直接对比新旧模型的授信通过率、逾期率、额度使用率等关键指标，量化模型提升幅度。
- 收集真实反馈：灰度期间可收集用户行为数据、业务人员反馈、系统性能指标，为模型调优提供依据。
- 支持回滚决策：若灰度效果不达预期，可立即停止放量并回滚至旧模型，影响范围仅限灰度用户。
| 目的维度 | 具体说明 | 额度模型场景示例 |
|---|---|---|
| 风险控制 | 限制新模型影响范围，防止系统性风险 | 灰度5%流量，发现新模型对高负债客群授信过高，及时调整 |
| 效果验证 | 在真实环境中对比新旧模型指标 | 灰度组通过率提升8%，但30+逾期率未显著上升 |
| 反馈收集 | 获取业务侧与用户侧的真实体验 | 风控审核人员反馈新模型解释性不足，需补充特征说明 |
| 回滚保障 | 快速切换回旧版本，最小化损失 | 灰度第2天发现额度虚高，立即将流量切回旧模型 |
1.3 灰度发布与蓝绿部署 / 金丝雀发布的区别
三种策略常被混淆，但它们在架构设计、流量切换方式、回滚速度上存在本质差异。下表从多个维度进行对比：
| 对比维度 | 灰度发布 | 蓝绿部署 | 金丝雀发布 |
|---|---|---|---|
| 核心机制 | 按比例/规则逐步放量 | 两套完整环境（蓝/绿）瞬间切换 | 先部署少量实例验证，再逐步替换 |
| 流量切换方式 | 渐进式、可调节比例 | 一次性全量切换 | 先小流量，再逐步增加 |
| 回滚速度 | 快速（调整流量比例即可） | 极快（切换回另一套环境） | 较快（回滚实例或切流量） |
| 资源占用 | 低（共用一套环境） | 高（需同时维护两套环境） | 中（需额外金丝雀实例） |
| 适用场景 | 模型迭代、策略调整、功能灰度 | 重大版本发布、数据库迁移 | 微服务架构、实例级灰度 |
| 额度模型典型用法 | 按用户ID尾号/地域比例灰度 | 较少使用（环境成本高） | 按服务实例灰度（适合API模型） |
实践提示：在额度模型灰度中，灰度发布是最常用的策略，因为它支持按用户维度（如白名单、地域、风险等级）精细化控制流量，且无需额外部署一套完整环境。金丝雀发布更适合微服务架构下的模型服务实例替换，而蓝绿部署通常用于底层系统或数据库的重大变更。
1.4 三种策略的流程对比（SVG）
下图从流量分配与切换流程角度，直观展示灰度发布、蓝绿部署、金丝雀发布的差异：
1.5 额度模型灰度中的选择建议
在额度模型灰度效果对比分析中，推荐优先采用灰度发布策略，原因如下：
- 用户维度可控：可按用户ID、手机号尾号、地域、客群标签等维度划分灰度组，便于后续效果对比。
- 指标对比自然：灰度组与对照组在相同时间窗口内运行，可直接计算通过率、逾期率、额度使用率等差异。
- 回滚成本低：只需调整流量分配比例或关闭灰度开关，无需重新部署环境。
- 支持多轮迭代：可设置5%→10%→20%→50%→100%的多阶段放量，每阶段收集数据并决策。