Rilis Canary: Kirim ke Sedikit Pengguna Terlebih Dahulu
Alihkan sebagian kecil lalu lintas ke model baru.
Rilis Canary: Kirim ke Sedikit Pengguna Terlebih Dahulu adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa Itu Canary
Peluncuran canary mengirim model baru Anda terlebih dahulu ke sebagian kecil lalu lintas nyata, sehingga dampak masalah apa pun tetap kecil saat Anda mengawasinya. 🐤
Mengapa Tidak Dirilis kepada Semua Pengguna
Mengalihkan semua lalu lintas ke model baru sekaligus adalah penerapan sekaligus: jika model tersebut bermasalah, setiap pengguna langsung merasakannya.
Mulai dari Kecil dengan Sengaja
Canary biasanya dimulai dari sekitar 5% lalu lintas. Jumlah ini cukup untuk mengumpulkan sinyal nyata, tetapi cukup kecil sehingga model yang buruk hampir tidak berdampak pada pengguna.
Model Utama dan Penantang
Model yang stabil adalah model utama; canary adalah model penantang. Keduanya berjalan langsung secara bersamaan agar Anda dapat membandingkannya pada permintaan nyata yang sama.
Awasi Sebelum Memperluas
Saat canary melayani bagiannya, Anda memantau tingkat kesalahan, latensi, dan metrik bisnis utama secara berdampingan dengan model utama.
Naikkan Bertahap
Jika canary terlihat sehat, Anda menaikkan porsinya secara bertahap, misalnya 5%, 25%, 50%, lalu 100%, sambil berhenti sejenak untuk memeriksa pada setiap tingkat.
Membagi Lalu Lintas
Perute atau proksi menentukan model yang menerima setiap permintaan. Pembagian sederhana ini mengirim satu dari setiap dua puluh pemanggilan ke versi 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)Tandai Model yang Melayani
Catat model yang menangani setiap permintaan. Tanpa tag versi pada setiap prediksi, Anda tidak akan dapat mengetahui metrik milik model mana di kemudian hari.
log.info("prediction", extra={
"model_version": "v2-canary",
"latency_ms": latency,
})Jaga agar Bagiannya Dapat Dibandingkan
Rutekan berdasarkan hash stabil dari id pengguna agar orang yang sama selalu diarahkan ke model yang sama. Pembagian acak per permintaan membuat perbandingan yang adil menjadi lebih sulit.
Batalkan dengan Cepat
Inti dari semua ini adalah dapat keluar dengan cepat. Jika canary bermasalah, Anda mengembalikan lalu lintasnya ke 0% dan pengguna tidak pernah menyadari apa pun.
Canary vs Blue-Green
Blue-green mempertahankan dua lingkungan lengkap dan beralih di antara keduanya. Sebaliknya, canary mengalirkan lalu lintas secara bertahap, sehingga memberi Anda kendali yang lebih terperinci dan peringatan lebih awal.
Pemeriksaan Singkat
Mari kita periksa gagasan inti di balik canary.
Ringkasan
Canary mengirim model baru Anda ke sebagian kecil lalu lintas terlebih dahulu, membandingkannya dengan model utama, meningkatkannya hanya jika sehat, dan langsung mengembalikannya jika tidak. ✅
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Rilis Canary: Kirim ke Sedikit Pengguna Terlebih Dahulu” gratis?
Ya — teks lengkap “Rilis Canary: Kirim ke Sedikit Pengguna Terlebih Dahulu” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Rilis Canary: Kirim ke Sedikit Pengguna Terlebih Dahulu”?
Alihkan sebagian kecil lalu lintas ke model baru. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Rilis Canary: Kirim ke Sedikit Pengguna Terlebih Dahulu” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Rilis Canary: Kirim ke Sedikit Pengguna Terlebih Dahulu
- Cerminkan Lalu Lintas tanpa Dampak bagi Pengguna
- Tentukan Kriteria Pengembalian Otomatis
- Pengiriman Progresif dengan Argo Rollouts