Déploiements canari : commencer par quelques utilisateurs
Acheminez une petite partie du trafic vers le nouveau modèle.
Déploiements canari : commencer par quelques utilisateurs est une leçon MLOps Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage MLOps Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours MLOps Academy comprend 4 leçons au total.
Qu’est-ce qu’un déploiement canari ?
Un déploiement canari envoie d’abord votre nouveau modèle à une petite partie du trafic réel, afin que tout problème reste limité pendant que vous surveillez la situation. 🐤
Pourquoi ne pas le déployer pour tout le monde ?
Rediriger tout le trafic vers un nouveau modèle en une seule fois constitue un déploiement massif : s’il comporte une erreur, chaque utilisateur la subit instantanément.
Commencer volontairement petit
Les déploiements canaris commencent généralement autour de 5 % du trafic. C’est suffisant pour recueillir un signal réel, tout en restant assez faible pour qu’un mauvais modèle affecte à peine vos utilisateurs.
Le modèle de référence et le modèle candidat
Le modèle stable est le modèle de référence ; le canari est le modèle candidat. Les deux fonctionnent simultanément en conditions réelles afin que vous puissiez les comparer sur les mêmes requêtes réelles.
Surveiller avant d’élargir
Pendant que le canari traite sa part du trafic, vous surveillez le taux d’erreur, la latence et les indicateurs métier essentiels, côte à côte avec ceux du modèle de référence.
Augmenter progressivement
Si le canari semble fonctionner correctement, vous augmentez progressivement sa part, par exemple 5 %, 25 %, 50 %, puis 100 %, en vous arrêtant pour vérifier les résultats à chaque étape.
Répartir le trafic
Un routeur ou un serveur mandataire décide quel modèle reçoit chaque requête. Cette répartition simple envoie un appel sur vingt à la version canari.
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)Identifier le modèle qui a répondu
Consignez le modèle qui a traité chaque requête. Sans étiquette de version sur chaque prédiction, vous ne pourrez pas déterminer plus tard à quel modèle appartiennent les différentes mesures.
log.info("prediction", extra={
"model_version": "v2-canary",
"latency_ms": latency,
})Garder les groupes comparables
Effectuez le routage à partir d’un hachage stable de l’identifiant utilisateur afin qu’une même personne arrive toujours sur le même modèle. Des répartitions aléatoires à chaque requête rendent une comparaison équitable plus difficile.
Interrompre rapidement
Tout l’intérêt est de pouvoir sortir rapidement. Si le canari se comporte mal, vous ramenez son trafic à 0 % et les utilisateurs ne remarquent jamais rien.
Canari contre bleu-vert
Le déploiement bleu-vert conserve deux environnements complets et bascule de l’un à l’autre. Un canari répartit au contraire le trafic progressivement, ce qui vous donne un contrôle plus précis et un avertissement plus précoce.
Vérification rapide
Vérifions l’idée essentielle qui sous-tend un déploiement canari.
Récapitulatif
Un canari déploie d’abord votre nouveau modèle sur une très petite partie du trafic, le compare au modèle de référence, augmente sa part uniquement s’il fonctionne correctement et revient instantanément en arrière dans le cas contraire. ✅
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Déploiements canari : commencer par quelques utilisateurs » est-elle gratuite ?
Oui — le texte complet de « Déploiements canari : commencer par quelques utilisateurs » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours MLOps Academy, passe à CoddyKit PRO. Le cours MLOps Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Déploiements canari : commencer par quelques utilisateurs » ?
Acheminez une petite partie du trafic vers le nouveau modèle. Tu pratiques MLOps Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer MLOps Academy ?
Aucune expérience préalable n'est requise. MLOps Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Déploiements canari : commencer par quelques utilisateurs » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon MLOps Academy ?
Oui. Chaque leçon MLOps Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Déploiements canari : commencer par quelques utilisateurs
- Dupliquer le trafic sans impact pour les utilisateurs
- Définir les critères de retour automatique
- Déploiement progressif avec Argo Rollouts