概述
金丝雀部署和影子部署是将新模型或服务发布到生产环境的两种低风险策略。金丝雀将一小部分真实流量发送到新版本；影子会发送流量副本，但不会向用户提供响应，因此两者都会在全面推出之前发现问题。
金丝雀和影子部署是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
当您发布新模型时，最安全的做法不是立即将所有人都翻转过来。金丝雀部署将一小部分实时流量（例如 1% 或 5%）路由到新版本，而其他人则保留在旧版本上。您观察错误率、延迟和业务指标；如果金丝雀看起来很健康，你就会逐渐增加它的份额，如果它表现不佳，你会立即以最小的爆炸半径回滚。影子（或“黑暗”）部署是不同的：新模型接收真实请求的镜像副本，但其响应被丢弃，永远不会到达用户。这使您可以在零用户风险的情况下根据生产现实来衡量新模型的预测、延迟和资源使用情况。两者是互补的——影子验证离线但实时的行为，金丝雀验证对实际用户的影响。
技术洞察
两者都依赖于负载均衡器、服务网格或功能标记层的流量路由。金丝雀按百分比分割实时流量，需要密切监控以及与指标阈值相关的自动回滚规则。影子会异步地将每个请求复制到新模型，因此它不会给用户路径增加延迟，并且新模型的输出会被记录和比较（通常与生产模型的输出相比较），而不是返回。由于您运行推理两次，影子测试会花费额外的计算费用。
掌握金丝雀和影子部署
金丝雀部署和影子部署是将新模型或服务发布到生产环境的两种低风险策略。金丝雀将一小部分真实流量发送到新版本；影子会发送流量副本，但不会向用户提供响应，因此两者都会在全面推出之前发现问题。金丝雀和影子部署是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将金丝雀部署和影子部署视为一种操作模型，而不是单一功能：定义所需的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，使用金丝雀和影子部署的强大团队可以根据可靠性和成本来优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
流媒体服务将 2% 的用户引导至新的推荐模型（作为金丝雀），在扩大推广之前观察观看时间和错误率。
一家银行在影子模式下运行欺诈模型两周，将其警报与实时模型进行比较，而不会影响任何实际决策。
一家在线零售商推出了新的搜索排名模型，并在点击率低于阈值时触发自动回滚。
人工智能助理团队通过将真实的用户提示镜像到新的法学硕士并在任何客户看到其响应之前记录答案质量来对新的法学硕士进行影子测试。
实施模式
金丝雀和影子部署的实践
流媒体服务将 2% 的用户引导至新的推荐模型（作为金丝雀），在扩大推广之前观察观看时间和错误率。
流媒体服务将 2% 的用户作为金丝雀引导至新的推荐模型，在扩大部署之前观察观看时间和错误率。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
金丝雀和影子部署的实践
一家银行在影子模式下运行欺诈模型两周，将其警报与实时模型进行比较，而不会影响任何实际决策。
一家银行在影子模式下运行欺诈模型两周，将其警报与实时模型进行比较，而不影响任何实际决策。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
金丝雀和影子部署的实践
一家在线零售商推出了新的搜索排名模型，并在点击率低于阈值时触发自动回滚。
在线零售商推出了新的搜索排名模型，并在点击率低于阈值时触发自动回滚。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
金丝雀和影子部署的实践
人工智能助理团队通过将真实的用户提示镜像到新的法学硕士并在任何客户看到其响应之前记录答案质量来对新的法学硕士进行影子测试。
人工智能助理团队通过向新的法学硕士镜像真实的用户提示并在任何客户看到其响应之前记录答案质量来对新的法学硕士进行影子测试。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。