一種前端灰度發佈方案

本文介紹一種前端灰度發佈方案，主要解決的是傳統的灰度發佈只能以機器維度進行分組的問題。提供一種用戶維度分組的灰度發佈機制。

傳統灰度發佈，由於是以機器分組，因此要求服務是無狀態的。所謂無狀態就是對請求的處理是上下文無關的。有長鏈接、讀寫文件、緩存等場景，就是所謂」有狀態「的。有狀態的服務，若是用戶的前一個請求打在機器A，後一個請求打在機器B，就會出問題。

因此，有狀態的服務灰度發佈，要作到：

1. 同一用戶始終訪問同一版本的代碼
2. 放量過程像傳統發佈同樣可控

本灰度發佈方案對構建、部署、啓動服務、處理請求階段分別作改造，實現有狀態服務灰度發佈。

方案概述

咱們把線上的代碼稱爲stable版，本次發佈的新代碼稱爲beta版。先總體描述一下方案：

• 用git tag標識每次發佈
• 在構建階段生成tag，同時用tag名稱來命名manifest.json
• 每次構建完新版本後，從cdn源機器取回上次發佈的manifest.json文件，一併放在dist目錄下
• 部署階段全量部署到全部機器，在運行階段來決定訪問哪一個版本的代碼
• node層啓動服務時，讀dist目錄下的兩份manifest.json文件，這樣就能拿到新舊兩個版本的文件清單
• 處理請求時，根據動態配置的放量信息和分流策略，來決定使用哪一個manifest.json中的文件
• 版本號信息放在cookie中，以保證同一用戶始終訪問同一版本代碼

開發階段

正常開發代碼，無需有任何額外操做。

構建階段

publish-tag

新增一個git tag，以p-開頭，意爲publish。每次發佈都有一個tag標記，格式爲p-201911111001-lvdabao.標記發佈時間與發佈者。構建完成並同步cdn成功後，會將該tag同步到git倉庫。

manifest.json

manifest.json是webpack構建完畢後的文件清單，能夠用webpack-manifest-plugin插件生成。若有特殊需求也能夠本身編寫。咱們是本身編寫，並在動態渲染首頁HTML時讀取清單內容並輸出script標籤。

每次構建生成的文件名稱是這樣的格式：manifest-p-201911111001-lvdabao.json，這樣每次發佈都生成對應tag命名的manifest.json文件。

啓動服務時能夠一次讀取到內存中，並非處理每一個請求都讀一下文件，因此沒必要擔憂性能。

獲取上次發佈的版本信息

咱們是用publish-tag來標識版本號的，只要拿到上次發佈時的tag，就能取到對應的manifest.json文件。因此構建的最後一步就是把上一版的manifest.json文件從cdn源機器取到當前構建後的dist目錄下，爲後續服務啓動時使用。

取上次的tag也很簡單，一個git命令搞定：git tag --sort=-taggerdate | grep "^p-.*" | head -n 1

容錯機制

若是上次發佈的版本有重大問題，不能做爲stable版使用，有什麼辦法呢？

因此咱們增長了一個額外流程，容許構建的時候傳入環境變量，指定stable tag。這樣在獲取stable版本信息時，優先取環境變量中指定的。

部署階段

部署跟普通流程沒什麼區別，將dist目錄發佈到目標機器就好了。每次部署的dist文件包含如下：

• beta版的manifest.json文件
• beta版的資源文件
• stable版的manifest.json文件

由於stable版的資源文件已經在cdn了，因此本次部署沒必要管他們。

啓動服務

啓動服務時咱們須要幹兩件事情：

1. 把兩個manifest.json文件讀到內存中，供分流時使用
2. 自動修改放量配置，將新版本比例改成0

放量配置

上面提到了放量配置，這個是放在單獨的配置系統中的，固然簡單點放在服務端也是能夠的。用途就是根據當前用戶的uuid，來肯定用戶該使用哪一個版本的資源。
配置內容也及其簡單：

{
    percent: 10
}

percent便是beta版的放量比例，10表示10%的用戶使用beta版。全量的時候手動改成100就行啦。

由於啓動服務的時候會自動將percent改成0，因此每次發佈完後，咱們只需根據放量節奏逐步擴大percent的值就好。

處理請求

萬事具有，咱們在處理請求的時候，就很easy了。只需獲取當前用戶的uuid，node層經過RPC調用獲取到放量配置，經過分流策略來計算應該使用哪一個版本的資源。
咱們的首頁是動態輸出的（SSR），拿到分流策略得出的tag，把相應的manifest.json中的文件輸出，這樣就控制了哪部分用戶使用beta版本。

分流策略

最後再談談分流策略，這塊也是有不少細節的。分流策略要作的核心工做：

1. 根據放量配置來決定當前用戶應使用的資源版本
2. 確保用戶的分流路線穩定，即下次請求頁面應與上次的分流結果一致
3. 新版本發佈或放量比例變化時，從新分流

首先，放量配置只有一個百分比數字，咱們須要把uuid散列化，即把uuid字符串對應到0-99間固定的數字。算法能夠有不少，咱們選一種簡單的，取每一個字符的ASCII碼相加，而後再除100取餘。僞代碼：

for (i = 0; i < uuid.length; i++) {
    hash += uuid.charCodeAt(i);
}

取到的這個hash就能夠與放量百分比比較，在範圍內就使用beta版。

另一個比較麻煩的事情是第2點，爲了讓用戶下次訪問的時候可以跟首次的分流一致，咱們須要把首次分流的結果保存在cookie中。當請求來的時候先分析cookie中的版本信息，若是可用則優先用cookie。不可用的話清掉cookie，再去計算分流。

那麼既然uuid的散列算法能保證hash值穩定，每次都用uuid計算不行嗎？緣由就是咱們訪問環境的特殊，uuid的穩定性不能保證，相對來講仍是cookie更穩定。這個看項目吧，若是你的項目uuid穩定，那能夠省去用cookie。

總結

以上就是灰度發佈方案的核心內容啦，相關的代碼細節不贅述，有讀者朋友感興趣能夠留言探討。
經過這套方案咱們實現了以用戶維度進行分組的灰度發佈，而且整個流程足夠自動化，業務開發無感知，須要手動操做的只有修改放量配置。
有朋友可能想說，你這個方案和ABTest很類似啊！其實ABTest和本方案的差異主要有：

1. 須要同時上線AB兩套新代碼
2. 最終會丟棄其中一套代碼

儘管看起來差異不大，但ABTest方案的構建、部署、分流控制都會有所區別。

固然，若是咱們把ABTest退一步，認爲stable版是A，新上線代碼是B，那麼將本方案改形成ABTest方案也很容易。