蓝绿发布,灰度发布,滚动发布

news2024/10/12 7:16:25

写在前面

本文看下生产环境中有哪些常用的发布策略。

1:蓝绿发布

蓝绿发布要求将线上机器分成逻辑上的AB两(蓝绿就是两种颜色)组,升级时先将A组从负载均衡中摘除,由B组对外提供服务,如下图:
在这里插入图片描述

当A组升级完成后,将A组加入到负载均衡,将B从负载均衡中摘除,如下图:
在这里插入图片描述

B升级完毕后重新加入到负载均衡中,整个蓝绿发布的过程就结束了。这种发布方式的优点是实施简单,缺点是如果升级程序出现问题,将会影响到所有用户,影响范围过大,所以我认为这种升级策略最好不要使用,风险太大。

2:灰度发布

灰度发布也是将机器分成逻辑上的两组,但升级过程不同于蓝绿发布,其过程是,首先将一组从负载均衡中摘除,升级完毕后,加入到集群,但是只引流部分流量到升级完毕的机器,让部分用户来试错,如果有问题便于快速回滚,减少影响范围,如下图:
在这里插入图片描述

这种发布方式的优点是影响范围小,便于快速发现问题,回滚操作,缺点是自动化要求高(能通过技术手段解决的问题我认为都不是问题),这种部署方式本质上是解决了蓝绿发布程序升级后可能影响所有用户的问题,在实际生产环境中可以考虑使用这种部署方式。

灰度发布还有一个名字是金丝雀发布,该名称来源于欧美的矿井工作,因为矿井中可能有毒气,矿工为了辨别井下是否有毒气,在下井时会携带一个金丝雀,因为金丝雀canary [kəˈneəri]的抗毒能力比人类要弱,所以如果有毒气的话,会比人类先挂掉,这样矿工就可以赶快离开了,避免危险,所以这里金丝雀就相当于被导入到新机器的那部分流量,都是用来试错的,小成本避免大问题。

3:滚动发布

本文k8s的升级方式就是滚动发布,首先摘除一个节点,升级完毕后加入到集群,重复这个过程,直到所有的节点都升级完毕,如下图:
在这里插入图片描述
这种部署方式的优点是每次摘除的机器量少,不需要额外的机器来处理流量,缺点是升级过程比较复杂,对升级算法的要求较高。这种部署方式可以考虑在生产环境中用起来,当然如果是使用k8s,自然是要用起来了,因为k8s本身提供的升级方式就是这种。

写在后面

参考文章列表

k8s之平滑升级 。

为什么灰度发布又叫金丝雀发布? 。

一文搞懂蓝绿发布、灰度发布和滚动发布 。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1108947.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

代码随想录算法训练营第二十七天丨 回溯算法part04

93.复原IP地址 思路 其实只要意识到这是切割问题,切割问题就可以使用回溯搜索法把所有可能性搜出来,和刚做过的131.分割回文串 (opens new window)十分类似。 切割问题可以抽象为树型结构,如图: ​ 回溯三部曲 递归参数 在13…

浏览器中的网络钓鱼防护

网络钓鱼防护是一项功能,可保护用户免受旨在窃取其敏感信息的网络钓鱼攻击,网络钓鱼是网络犯罪分子常用的技术,这是一种社会工程攻击,诱使用户单击指向受感染网页的恶意链接,用户在该网页中感染了恶意软件或其敏感信息…

神经网络硬件加速器-DPU分析

一 DPU概述 DPU是专为卷积神经网络优化的可编程引擎,其使用专用指令集,支持诸多卷积神经网络的有效实现。 1、关键模块 卷积引擎:常规CONV等ALU:DepthwiseConvScheduler:指令调度分发Buffer Group:片上数据…

利用爬虫采集音频信息完整代码示例

以下是一个使用WWW::RobotRules和duoip.cn/get_proxy的Perl下载器程序: #!/usr/bin/perluse strict; use warnings; use WWW::RobotRules; use LWP::UserAgent; use HTTP::Request; use HTTP::Response;# 创建一个UserAgent对象 my $ua LWP::UserAgent->new();#…

鸿蒙状态栏设置

鸿蒙状态栏设置 基于鸿蒙 ArkTS API9,设置状态栏颜色,隐藏显示状态栏。 API参考文档 参考文档 新建项目打开之后发现状态栏是黑色的,页面颜色设置完了也不能影响状态栏颜色,如果是浅色背景,上边有个黑色的头&#…

C# LINQ常用操作方法——提升你的编程效率

导语:C# LINQ(Language Integrated Query)是一种强大且灵活的查询语言,可以将数据查询、过滤、排序和转换等操作无缝集成到C#代码中。本文将介绍一些常用的LINQ操作方法,帮助熟练掌握LINQ的使用,并进一步提…

【玩转 EdgeOne】边缘安全加速平台EO给自己的技术博客插上“翅膀”

目录 一、边缘安全加速平台 EO简介 二、产品功能 三、应用场景 四、网站加速体验 五、总结 作为一个技术博客爱好者,不知不觉已经在程序员行业将近十年了,写技术博客也有将近七年的时间,其中我也搭建了一个自己的技术博客,因…

iPhone 12电池寿命结果:四款机型都进行了比较

如果你想决定买哪款iPhone 12,电池寿命应该在你的清单上名列前茅。我们已经通过电池测试运行了所有新款iPhone 12,结果喜忧参半。 iPhone 12 mini是其中最小的一款,有一块小电池可供匹配,在5G上运行时间最短。iPhone 12和iPhone …

探索Java NIO:究竟在哪些领域能大显身手?揭秘原理、应用场景与官方示例代码

一、NIO简介 Java NIO(New IO)是Java SE 1.4引入的一个新的IO API,它提供了比传统IO更高效、更灵活的IO操作。与传统IO相比,Java NIO的优势在于它支持非阻塞IO和选择器(Selector)等特性,能够更…

基于下垂控制的孤岛双机并联逆变器环流抑制模型(Simulink仿真实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭&a…

分享一个Redis自带的压测工具:redis-benchmark

前言 今天给xdm分享一个Redis自带的压测工具:redis-benchmark。 介绍 redis-benchmark 是一个用于测试 Redis性能的基准测试工具,可以帮助开发人员评估和比较 Redis 在不同配置或负载情况下的吞吐量和延迟。 使用 redis-benchmark 可以执行多种类型的…

如何将几个模型合并成一个

1、什么时候需要合并模型? 组装和装配:当你需要将多个零件或组件组装成一个整体时,可以合并它们成为一个模型。例如,在制造业中,当需要设计和展示一个完整的机械装置或产品时,可以将各个零部件合并成一个模…

从黑客帝国到元宇宙,“数字身份”之船终将驶向何方?

1999年第一部《黑客帝国》在北美上映,当时正值千禧年初,在这个互联网并未全民普及的年代,《黑客帝国》超前地抛出在蓝、红药丸(即虚幻与真实)之间作选择的经典问题,表达人类与互联网之间的虚实关系&#xf…

c 语言基础:L1-044 稳赢

大家应该都会玩“锤子剪刀布”的游戏:两人同时给出手势,胜负规则如图所示: 现要求你编写一个稳赢不输的程序,根据对方的出招,给出对应的赢招。但是!为了不让对方输得太惨,你需要每隔K次就让一个…

对传感器采样数据的低通滤波

低通滤波(Low-pass filter) 是一种过滤方式,规则为低频信号能正常通过,而超过设定临界值的高频信号则被阻隔、减弱。 一阶低通数字滤波器 滤波系数a越小,滤波结果越平稳,但是灵敏度低;滤波系数a越大,滤波结…

LeetCode算法刷题(python) Day43|09动态规划|343. 整数拆分、96.不同的二叉搜索树

目录 LeetCode 343. 整数拆分LeetCode 96.不同的二叉搜索树 LeetCode 343. 整数拆分 力扣题目链接 正整数n,先拆成两个数i, n-i,拆成多个数可以对n-i进行拆分,然后对这些求最大值。 确定dp数组以及下标的含义:对i进行拆分的最大…

ch552g下载时遇到的可能问题

第一次出现的问题 首先确定,vcc和v33,示例芯片中的是15和16引脚都并联了去耦电容。 烧录一般使用上面的两个软件。第一次出现的问题,当没有打开这两个烧录软件时,连接usb数据线后电脑循环出现识别和断开的情况。当打开软件后就能…

通讯网关软件028——利用CommGate X2Modbus实现Modbus RTU访问PI服务器

本文介绍利用CommGate X2Modbus实现Modbus RTU访问PI数据库。CommGate X2MODBUS是宁波科安网信开发的网关软件,软件可以登录到网信智汇(http://wangxinzhihui.com)下载。 【案例】如下图所示,实现上位机通过Modbus RTU来获取PI数据库的数据。 【解决方案…

计算机算法分析与设计(12)---贪心算法(最优装载问题和哈夫曼编码问题)

文章目录 一、最优装载问题1.1 问题表述1.2 代码编写 二、哈夫曼编码2.1 哈夫曼编码概述2.2 前缀码2.3 问题描述2.4 代码思路2.5 代码编写 一、最优装载问题 1.1 问题表述 1. 有一批集装箱要装上一艘载重量为 c c c 的轮船,已知集装箱 i ( 1 ≤ i ≤ n ) i(1≤i≤…

神经网络中的反向传播:综合指南

塔曼纳 一、说明 反向传播是人工神经网络 (ANN) 中用于训练深度学习模型的流行算法。它是一种监督学习技术,用于调整网络中神经元的权重,以最小化预测输出和实际输出之间的误差。 在神经网络中,反向传播是计算损失函数…