20、软件测试与监控：保障系统稳定运行的关键

软件测试与监控：保障系统稳定运行的关键

一、金丝雀发布与版本测试平衡

金丝雀发布是一种强大的版本发布技术。在这种发布方式中，如果新版本表现不佳，可以迅速回滚；若表现良好，则能逐步增加新版本的流量。与蓝绿部署不同，金丝雀发布允许不同版本在较长时间内共存，并且可以灵活调整流量比例。

Netflix 广泛采用这种方法。在发布前，新服务版本会与代表生产环境相同版本的基线集群一起部署。然后，Netflix 会在数小时内，让生产负载的一部分同时在新版本和基线版本上运行，并对两者进行评分。如果金丝雀测试通过，公司就会将新版本全面推向生产环境。

在考虑金丝雀发布时，需要决定是将部分生产请求转移到金丝雀版本，还是复制生产负载。有些团队会对生产流量进行影子复制并导向金丝雀版本，这样现有生产版本和金丝雀版本就能处理完全相同的请求，但只有生产请求的结果会对外展示。这种方式能进行并行比较，同时避免客户请求看到金丝雀版本的失败情况。不过，影子复制生产流量的工作可能很复杂，尤其是当重放的事件或请求不具有幂等性时。

金丝雀发布虽然有诸多优势，但相较于蓝绿部署，它需要更复杂的设置和更多的思考。不同版本的服务可能会在较长时间内共存，这意味着可能会占用更多的硬件资源。此外，还需要更复杂的流量路由，以便根据情况调整流量百分比，增强对版本发布的信心。

二、MTBF 与 MTTR 的权衡

在软件发布过程中，我们无法在实际发布前发现并解决所有问题。因此，有时将精力投入到更好地修复发布问题上，可能比增加更多自动化功能测试更有益。这在 Web 运营领域常被称为平均故障间隔时间（MTBF）和平均修复时间（MTTR）之间的权衡。

减少恢复时间的技术可