Canary-Rollouts: Zuerst nur wenige bedienen
Leiten Sie einen kleinen Teil des Traffics an das neue Modell weiter.
Canary-Rollouts: Zuerst nur wenige bedienen ist eine kostenlose MLOps Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des MLOps Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
What a Canary Is
A canary rollout sends your new model to a small slice of real traffic first, so any damage stays tiny while you watch. 🐤
Why Not Ship to Everyone
Flipping all traffic to a fresh model at once is a big-bang deploy: if it is wrong, every single user feels it instantly.
Start Small on Purpose
Canaries usually begin around 5% of traffic. That is enough to gather real signal, but small enough that a bad model barely dents your users.
Champion and Challenger
The stable model is the champion; the canary is the challenger. Both run live at once so you can compare them on the same real requests.
Watch Before You Widen
While the canary serves its slice, you monitor error rate, latency, and key business metrics, side by side against the champion.
Ramp Up in Steps
If the canary looks healthy, you ramp its share up in stages, say 5%, 25%, 50%, then 100%, pausing to check at each level.
Splitting the Traffic
A router or proxy decides which model each request hits. This simple split sends one in twenty calls to the canary version.
import random
def route(request, canary_pct=5):
if random.uniform(0, 100) < canary_pct:
return canary_model.predict(request)
return champion_model.predict(request)Tag Who Served It
Log which model handled each request. Without a version tag on every prediction, you cannot tell whose metrics are whose later.
log.info("prediction", extra={
"model_version": "v2-canary",
"latency_ms": latency,
})Keep the Slices Comparable
Route by a stable hash of user id so the same person always lands on the same model. Random per-request splits make a fair comparison harder.
Bail Out Fast
The whole point is a quick exit. If the canary misbehaves, you drop its traffic back to 0% and users never noticed a thing.
Canary vs Blue-Green
Blue-green keeps two full environments and flips between them. A canary instead leaks traffic gradually, giving you finer control and earlier warning.
Quick Check
Let us check the core idea behind a canary.
Recap
A canary ships your new model to a tiny slice first, compares it against the champion, ramps up only if healthy, and rolls back instantly if not. ✅
Häufig gestellte Fragen
Ist die Lektion „Canary-Rollouts: Zuerst nur wenige bedienen“ kostenlos?
Ja — der vollständige Text von „Canary-Rollouts: Zuerst nur wenige bedienen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des MLOps Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Canary-Rollouts: Zuerst nur wenige bedienen“?
Leiten Sie einen kleinen Teil des Traffics an das neue Modell weiter. Du übst MLOps Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um MLOps Academy zu starten?
Keine Vorkenntnisse erforderlich. MLOps Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „Canary-Rollouts: Zuerst nur wenige bedienen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser MLOps Academy-Lektion Code schreiben und ausführen?
Ja. Jede MLOps Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Canary-Rollouts: Zuerst nur wenige bedienen
- Shadow-Traffic ohne Auswirkungen auf Nutzer
- Kriterien für automatisches Zurückrollen definieren
- Progressive Bereitstellung mit Argo Rollouts