Rilasci canary: iniziando da pochi utenti
Sposti una piccola parte del traffico verso il nuovo modello.
Rilasci canary: iniziando da pochi utenti è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento MLOps Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso MLOps Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
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. ✅
Domande Frequenti
La lezione «Rilasci canary: iniziando da pochi utenti» è gratuita?
Sì — il testo completo di «Rilasci canary: iniziando da pochi utenti» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso MLOps Academy, passa a CoddyKit PRO. Il corso MLOps Academy include 4 lezioni in totale.
Cosa imparerò in «Rilasci canary: iniziando da pochi utenti»?
Sposti una piccola parte del traffico verso il nuovo modello. Eserciti MLOps Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare MLOps Academy?
Non è richiesta alcuna esperienza precedente. MLOps Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Rilasci canary: iniziando da pochi utenti»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione MLOps Academy?
Sì. Ogni lezione MLOps Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Rilasci canary: iniziando da pochi utenti
- Traffico shadow senza impatto sugli utenti
- Definire i criteri di rollback automatico
- Rilascio progressivo con Argo Rollouts