上线要不要窗口期
上线要不要窗口期
我见过太多团队把“随时能上线”当成效率。直到某个周三下午三点,推了一个只改文案的版本,客服电话响了四十分钟。窗口期不是流程洁癖,它是把不可逆的动作挪到还有人盯着的时间段。
窗口期管的是人,不是钟点
很多人把窗口期理解成“几点能发版”。它真正约束的是另一件事:出事的时候谁在旁边。开发在不在工位,运维有没有盯着监控,客服能不能马上接起电话,管数据库的那个人是不是正在开会。
同一份代码,上午十点推和凌晨两点推,风险不是一回事。凌晨出错,你连“是不是刚才那次发布引起的”都判断不了,因为前后没有可对比的观察。
所以我一般把窗口期定义成“人在岗的时段”,不是某个固定钟点。
冻结期、发布窗、观察窗
三个词经常被混着用。冻结期是禁令,大促前一周、财报发布当天,除了修故障什么都不能上。发布窗是许可,比如每周二、周四下午两点到五点可以发。观察窗是义务,发完必须有人盯满一段时间,这件事才算结束。
只设发布窗不设观察窗,风险只是被推迟了。发完散会,问题在晚上八点冒出来,值班的人手上没有发布记录,只能从头猜。
折中的办法是把观察窗交给自动对比:发布前后同一时段的错误率曲线叠在一张图上,人只需要看有没有分叉。曲线比人可靠,人负责被叫醒。
先按变更等级定窗口
有人跑来问“我这个能现在发吗”,让他先说是哪一类,答案就出来了。
| 等级 | 典型变更 | 窗口要求 | 谁批 |
|---|---|---|---|
| A 类 | 数据库结构、网关路由、计费支付、证书替换 | 只在发布窗内,提前一天报备 | 技术负责人加业务方 |
| B 类 | 应用版本、配置项、依赖升级 | 发布窗内,可以当天报 | 值班组长 |
| C 类 | 文案、图片、静态资源 | 随时,避开业务高峰 | 不用批 |
| D 类 | 线上已经在故障的修复 | 不受窗口限制 | 事后补记录 |
这张表的用处不是分类,是把“能不能现在发”变成一句能照着答的话。分类本身不值钱,能让半夜的人不用重新思考才值钱。
窗口开着也别发的五种情况
核心链路上有未结的告警;上一个版本还在观察窗里;支付、短信、对象存储这些依赖方正在维护;当天只有一个人懂这块代码;回滚方案是“再改一版改回去”。这几条里任何一条成立,我通常会叫停。
最后那条最要命。用新代码修旧代码,等于在故障上再叠一层不确定。回滚得是一条能执行的路径,不是一句态度。
窗口开在哪几个小时
看业务曲线,不看习惯。电商高峰在晚上,游戏在线峰值在夜里,企业站的峰值在工作日上午。窗口落在“流量低谷”和“人还在岗”的交集里,多数团队的交集是工作日下午到傍晚。
这里有个矛盾得说清楚。流量最低的时段,往往也是人最少的时段。凌晨三点的窗口曲线好看,出了事没人。我宁可牺牲一点流量,换一个五分钟内能拉起三个人的时间。
节假日另算。假期值班通常只有一个远程的人,发布窗要么关掉,要么缩到上午那两三个小时,别让一次小改动绑住唯一能处理的人。
发版前一天的清单
清单的作用是逼你在脑子清醒的时候把该问的问完。我的版本就这几行:
清单要能在一屏内看完,超过二十条就没人看了。
回滚脚本这周跑过没有、跑完要几分钟;这次有没有 DDL、锁表多久;配置项的默认值改了没有;下游三方的接口版本确认没有;新增指标有没有进看板;窗口内谁专门看盘、不参与操作。
还该加一条:这次改动在预发环境跑过没有。用一台按小时计费的机器专门当预发,比在线上试便宜得多,西安那批云主机就适合干这个。
窗口内怎么发
分批。先一台,看两分钟,再推一层。灰度不是高级玩法,是没有回滚能力时唯一的保险。带切流的方案可以把一部分用户先导到新版本,出问题把权重调回去,比重新发一次快。
还有两件事容易漏:把版本号、发布时间、操作人写在一个所有人都看得见的地方;留一个人专门看监控。手在敲命令的时候,眼睛是看不见曲线的。
发布群里留一条消息记录。事后复盘时,它是唯一能还原操作顺序的东西,人记不住顺序。
跨地域部署的,先动一个边缘节点。香港 CN2 的轻量机型,出问题也只影响一小片用户,验证完再推国内主站。
观察窗里盯四个数
错误率、延迟 P95、连接数、下游依赖的错误率。前三个看自己,第四个看别人——不少“发布引起的问题”其实是下游先抖了。观察窗要多长,我没法给通用值,取决于你们的流量曲线,A 类变更至少跨一个业务高峰。
关闭观察窗要有人签字。“应该没事了”不算。签字的人对后果负责,这一条比任何监控都管用。
例外通道要留,但只能窄
完全不给例外,团队会绕过流程,那比没有流程更难管。留一条窄门:线上已经在故障、影响可量化、修复方案明确,三条同时成立才走。走完补记录,记录里写清楚为什么不能等。
证书到期这种可预见的事故,永远不该走热修。SSL 证书的续期提前一个月排进日历,比凌晨爬起来换证书省事得多。
一句判断
窗口期的价值不在拦住多少次发布,在于让每次发布都有一个明确的结束时刻。没有结束时刻的变更会一直挂在所有人心里,谁也不敢说它是好的。
反过来说,如果每次发布都能当场回滚、当场验证,窗口可以放宽到几乎不留。前提是你真有这个能力,而不是嘴上说有。
你们上一次回滚用了几分钟?这个数答不上来,窗口期对你们就还没开始起作用。