دیپلوی Canary چیست؟ انتشار نسخهی جدید برای گروه کوچکی از کاربران
در روش Canary، نسخهی جدید ابتدا در اختیار بخش کوچکی از کاربران قرار میگیره تا عملکرد و پایداری اون در شرایط واقعی بررسی بشه. اگر همهچیز درست پیش بره، بهتدریج کاربران بیشتری به نسخهی جدید منتقل میشن. توی این مقاله با مراحل اجرای Canary، نحوهی کنترل ترافیک، مزایا و چالشهای این روش آشنا میشیم.
در مجموعهی استراتژیهای Deployment بررسی میکنیم که چطور میشه نسخههای جدید نرمافزار رو با ریسک کمتر منتشر کرد.
در مقالههای قبل با Big Bang، Rolling Update و Blue-Green آشنا شدیم. هرکدوم از این روشها رویکرد متفاوتی برای جایگزینی نسخهی قدیمی دارن.
اما یک سؤال مهم وجود داره: اگر نسخهی جدید روی سرور بدون مشکل اجرا بشه، آیا میتونیم مطمئن باشیم که در شرایط واقعی و با حضور کاربران هم درست کار میکنه؟
لزوماً نه!
ممکنه تستهای اولیه موفق باشن، اما وقتی کاربران واقعی شروع به استفاده از قابلیتهای جدید میکنن، مشکلاتی مثل افزایش خطا، کاهش Performance یا رفتارهای غیرمنتظره ظاهر بشن.
Canary Deployment برای کاهش همین ریسک طراحی شده.
Canary Deployment چطور کار میکنه؟
در این روش، نسخهی جدید ابتدا فقط در اختیار بخش کوچکی از کاربران قرار میگیره.
بهجای اینکه تمام کاربران به نسخهی جدید منتقل بشن، بخشی از ترافیک به نسخهی Canary هدایت میشه و باقی کاربران همچنان از نسخهی پایدار استفاده میکنن.
برای مثال، فرض کنید روزانه ۱۰ هزار درخواست به برنامهی شما ارسال میشه.
میتونیم انتشار رو به این شکل انجام بدیم:
۱. ابتدا ۵ درصد ترافیک به نسخهی جدید هدایت بشه.
۲. رفتار نسخهی جدید از نظر Error Rate، Latency و سایر معیارها بررسی بشه.
۳. اگر شرایط مناسب بود، سهم ترافیک به ۱۰ یا ۲۰ درصد افزایش پیدا کنه.
۴. این فرایند ادامه پیدا کنه تا تمام کاربران به نسخهی جدید منتقل بشن.
در صورت مشاهدهی مشکل، میتونیم ترافیک نسخهی جدید رو کاهش بدیم یا بهطور کامل متوقف کنیم.
البته درصدهای گفتهشده فقط مثال هستن و مقدار مناسب به نوع برنامه و حجم ترافیک بستگی داره.
در حال رسم نمودار…
تفاوت Canary و Rolling Update
این دو روش ممکنه در ظاهر شبیه هم به نظر برسن، چون هر دو بهصورت تدریجی انجام میشن.
اما تفاوت مهمی دارن:
در Rolling Update تمرکز روی جایگزینی تدریجی Instanceها یا Serverهاست.
در Canary Deployment تمرکز روی کنترل میزان مواجههی کاربران با نسخهی جدید و بررسی رفتار اون در شرایط واقعی است.
به همین دلیل، Canary معمولاً به قابلیتهای دقیقتری برای مسیریابی ترافیک و مانیتورینگ نیاز داره.
یک مثال با Laravel
فرض کنید یک API با Laravel داریم که نسخهی فعلی اون روی چند Instance اجرا میشه.
نسخهی جدید رو هم روی Instanceهای جداگانه مستقر میکنیم.
حالا با استفاده از Load Balancer یا API Gateway، بخشی از درخواستها رو به نسخهی جدید میفرستیم.
برای مثال، میتونیم با یک Cookie یا Header مشخص کنیم که یک گروه از کاربران همیشه نسخهی Canary رو دریافت کنن.
در این معماری، باید مراقب چند موضوع باشیم:
درخواستهای یک کاربر بهتره در طول یک Session بین نسخهها جابهجا نشن، مگر اینکه معماری برنامه این موضوع رو پشتیبانی کنه.
Database باید برای هر دو نسخه سازگار باشه.
Queue Jobهایی که توسط نسخهی جدید تولید میشن، باید توسط Workerهای موجود قابل پردازش باشن.
معیارهای مانیتورینگ باید امکان تفکیک خطاهای نسخهی Canary از نسخهی پایدار رو داشته باشن.
یک مثال با Next.js
برای Next.js هم میتونیم دو نسخهی مستقل از برنامه اجرا کنیم:
متن ساده
Stable Version → Port 3000
Canary Version → Port 3001
حالا Load Balancer درخواستهای کاربران رو بین این دو نسخه تقسیم میکنه.
برای مثال:
متن ساده
95% Traffic → Stable v1
5% Traffic → Canary v2
در این حالت، باید نسخهی Canary رو جداگانه مانیتور کنیم.
اگر از قابلیتهایی مثل Server Actions، Cache و ISR استفاده میکنیم، باید سازگاری نسخهها و نحوهی مدیریت دادهها هم بررسی بشه.
بهخصوص در Next.js، اگر یک کاربر در طول Session بین دو نسخه جابهجا بشه، ممکنه با تفاوت Buildها یا شناسههای Deployment مواجه بشه. بنابراین Sticky Routing یا یک سیاست مسیریابی پایدار میتونه مفید باشه.
چه چیزهایی رو باید در Canary بررسی کنیم؟
صرفاً اینکه نسخهی جدید بدون Crash اجرا میشه کافی نیست.
بهتره معیارهای مشخصی برای تصمیمگیری داشته باشیم:
Error Rate:آیا تعداد خطاهای نسخهی جدید افزایش پیدا کرده؟
Latency:آیا پاسخگویی برنامه کندتر شده؟
Resource Usage:آیا مصرف CPU و RAM غیرعادیه؟
Business Metrics:آیا نرخ ثبت سفارش یا تکمیل عملیات کاهش پیدا کرده؟
Logs and Traces:آیا خطاهای جدیدی در درخواستها مشاهده میشه؟
بهتره قبل از شروع دیپلوی، آستانههای قابل قبول برای این معیارها مشخص شده باشن.
در غیر این صورت، تصمیمگیری برای ادامه یا توقف انتشار بیشتر به حدس و تجربهی شخصی وابسته میشه.
مزایا و معایب Canary Deployment
مزایا:
کاهش تعداد کاربرانی که در معرض یک نسخهی مشکلدار قرار میگیرن.
بررسی رفتار نسخهی جدید با ترافیک واقعی.
امکان توقف یا Rollback قبل از انتشار عمومی.
مناسب برای تغییرات حساس و پرریسک.
معایب:
نیاز به زیرساخت مسیریابی دقیقتر.
پیچیدگی بیشتر در مانیتورینگ و تحلیل دادهها.
نیاز به سازگاری نسخههای مختلف با Database و سرویسهای مشترک.
در پروژههای کمترافیک، ممکنه برای جمعآوری دادهی کافی به زمان بیشتری نیاز باشه.
جمعبندی
Canary Deployment به ما اجازه میده نسخهی جدید رو قبل از انتشار عمومی، در معرض بخشی از کاربران واقعی قرار بدیم.
این روش بهجای اعتماد صرف به تستهای قبل از انتشار، امکان بررسی رفتار برنامه در شرایط واقعی رو فراهم میکنه.
البته برای استفادهی مؤثر از Canary، فقط تقسیم ترافیک کافی نیست؛ باید معیارهای مشخصی برای مانیتورینگ، تصمیمگیری و توقف انتشار داشته باشیم.
در مقالهی بعدی، هر چهار استراتژی رو کنار هم قرار میدیم تا ببینیم برای هر نوع پروژه کدوم انتخاب مناسبتریه.
نظرات
هنوز نظری ثبت نشده است. اولین نفر باشید!