詳細解釋
軟體發布的漸進策略：先將新版本部署給小部分用戶（金絲雀），驗證無問題後再擴展到全部用戶。得名於煤礦中的金絲雀預警毒氣。
流程：
- 部署到新版本到 1-5% 用戶/服務器
- 監控錯誤率、延遲、業務指標
- 若健康，逐步擴展到 10%、50%、100%
- 若問題，自動或手動回滾
AI 系統的特殊考量：
- 模型 A/B 測試：新舊模型並行，比較預測質量
- 影子模式：新模型處理請求但不返回結果，僅記錄對比
- 漸進路由：按查詢類型、用戶分群逐步切換
- 回滾策略：模型回滾比代碼回滾更複雜（數據格式、特徵版本）
工具支持：
- Kubernetes：原生支持滾動更新、流量分割
- Istio/Linkerd：服務網格，精細流量控制
- MLflow Model Registry：模型版本管理和階段轉換
- 監控：Datadog、Prometheus + Grafana
好處：
- 降低風險：問題影響有限用戶
- 即時反饋：生產環境問題快速發現
- 信心建立：逐步驗證新模型可靠性
挑戰：
- 狀態管理：數據庫 schema 變化的兼容性
- 測試覆蓋：金絲雀用戶需能代表整體
- 延遲問題：部分用戶體驗新舊版本差異
這是「ML Ops」的必備實踐—— 模型部署不是「全有或全無」，而是「小心翼翼」。