Despliegues canary: publique primero para unos pocos
Desvíe una pequeña parte del tráfico al nuevo modelo.
Despliegues canary: publique primero para unos pocos es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Qué es un despliegue canary
Un despliegue canary envía primero su nuevo modelo a una pequeña parte del tráfico real, de modo que cualquier impacto sea mínimo mientras lo supervisa. 🐤
Por qué no enviarlo a todos
Dirigir todo el tráfico a un modelo nuevo de una vez es un despliegue big bang: si algo falla, todos los usuarios lo sufren al instante.
Empezar poco a propósito
Los despliegues canary suelen comenzar con alrededor del 5 % del tráfico. Es suficiente para obtener señales reales, pero lo bastante poco como para que un modelo defectuoso apenas afecte a los usuarios.
Modelo principal y modelo candidato
El modelo estable es el champion; el canary es el challenger. Ambos se ejecutan simultáneamente en producción para poder compararlos con las mismas solicitudes reales.
Observar antes de ampliar
Mientras el canary atiende su parte del tráfico, supervisa la tasa de errores, la latencia y las métricas empresariales clave, comparándolas con las del champion.
Aumentar gradualmente
Si el canary funciona bien, aumente su porcentaje por etapas, por ejemplo, 5 %, 25 %, 50 % y después 100 %, deteniéndose para comprobarlo en cada nivel.
Dividir el tráfico
Un router o proxy decide qué modelo recibe cada solicitud. Esta división sencilla envía una de cada veinte llamadas a la versión canary.
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)Etiquetar quién la atendió
Registre qué modelo gestionó cada solicitud. Sin una etiqueta de versión en cada predicción, después no podrá saber a qué modelo corresponden las métricas.
log.info("prediction", extra={
"model_version": "v2-canary",
"latency_ms": latency,
})Mantener comparables las partes
Enrute mediante un hash estable del ID de usuario para que la misma persona siempre llegue al mismo modelo. Las divisiones aleatorias por solicitud dificultan una comparación justa.
Retirarlo rápidamente
La idea es poder salir rápidamente. Si el canary se comporta mal, reduzca su tráfico a 0 % y los usuarios no notarán nada.
Canary frente a blue-green
Blue-green mantiene dos entornos completos y alterna entre ellos. Un canary, en cambio, desvía el tráfico gradualmente, lo que ofrece un control más preciso y avisos más tempranos.
Comprobación rápida
Comprobemos la idea fundamental de un canary.
Resumen
Un canary envía primero el nuevo modelo a una parte mínima del tráfico, lo compara con el champion, aumenta su participación solo si funciona bien y revierte los cambios al instante si no es así. ✅
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Despliegues canary: publique primero para unos pocos» es gratis?
Sí — el texto completo de «Despliegues canary: publique primero para unos pocos» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Despliegues canary: publique primero para unos pocos»?
Desvíe una pequeña parte del tráfico al nuevo modelo. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Despliegues canary: publique primero para unos pocos»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Despliegues canary: publique primero para unos pocos
- Replique el tráfico sin afectar a los usuarios
- Defina criterios de reversión automática
- Entrega progresiva con Argo Rollouts