运维体系（Ops / SRE Platform）

目标：让系统“可发布、可回滚、可治理、可恢复”

P0（基础运维）
├── CMDB
├── 容器平台（K8s）
├── 发布平台
├── 配置中心

P1（稳定运行）
├── 服务治理（Service Mesh / Dubbo / SpringCloud）
├── 运维工具集

P2（事件驱动）
├── 事件中心（告警 / 事件 / 变更）
├── 灰度平台（Feature Flag）
├── 变更管理平台

P3（可靠性工程）
├── 自动化运维 / 自愈
├── 容量 & 成本管理
├── 运维审计 / 合规

灰度平台（Feature Flag / Progressive Delivery Platform）

下面我从“平台级能力”而不是“开关工具”的视角，对灰度平台（Feature Flag / Feature Toggle Platform）做一次企业级、可治理、可演进的系统性拆解，重点讲清楚：它到底在“灰什么”、解决什么问题、如何与发布/配置/SRE 形成闭环。

一、灰度平台的本质定位

1️⃣ 一句话定义

灰度平台（Feature Flag）是将“功能是否生效”的决策权从“代码与发布”中剥离出来，在运行时按人、流量、环境、风险进行精细化控制的能力中枢。

关键词：

  • Decouple（解耦）
  • Runtime Control（运行时控制）
  • Fine-grained（精细化）
  • Risk Mitigation（风险控制）

2️⃣ 灰度平台 ≠ if/else

if/else 灰度平台
写死在代码里 策略在平台
全量生效 按规则生效
不可审计 可审计
不可回滚 秒级关闭

一句话区分：

Feature Flag 的价值，不是“慢慢开”，而是“随时关”。

二、灰度平台到底在“灰什么”

1️⃣ 功能灰度（最典型）

  • 新功能
  • 新交互
  • 新业务规则

2️⃣ 行为灰度

  • 限流策略
  • 降级逻辑
  • 风控策略

3️⃣ 实验灰度（A/B）

  • 不同算法
  • 不同推荐策略

4️⃣ 风险开关

  • 紧急止血
  • 一键熔断

三、灰度平台的核心能力模块

1️⃣ Feature 模型（非常关键）

Feature Flag 基本属性

  • Key（全局唯一）
  • 类型（Boolean / Multivariate）
  • 状态（On / Off / Partial）

作用域

  • Application
  • Environment
  • Service

2️⃣ 规则引擎（平台核心）

常见规则维度

  • 用户（ID / 标签）
  • 流量比例
  • 地域
  • 环境
  • 请求属性

规则示例

if env == prod
and user in whitelist
and traffic < 5%
then enable

3️⃣ 灰度发布策略

  • 百分比放量
  • 白名单
  • 分桶（Hash）
  • 逐步放量

📌 规则必须稳定、可重复、无抖动。

4️⃣ 实时生效与回滚

  • 秒级生效
  • 全局关闭
  • 应急 Kill Switch

5️⃣ 指标与验证（非常重要）

  • Feature 级指标
  • On / Off 对比
  • SLO 影响

👉 没有指标的灰度，是在赌。

四、平台架构设计要点

1️⃣ 控制面 / 数据面分离

  • 控制面：规则、审批、审计
  • 数据面：高 QPS 决策

2️⃣ 客户端 SDK 设计

必须具备：

  • 本地缓存
  • 降级兜底
  • 超时保护
  • 一致性策略

3️⃣ 高可用设计

  • 多副本
  • 本地评估
  • 异步刷新

五、灰度平台与其他平台的协同关系

1️⃣ 与发布平台

  • 发布 ≠ 生效
  • 发布后逐步打开

2️⃣ 与配置中心

  • Feature 本质是配置
  • 但规则更复杂

3️⃣ 与 SRE / 事件中心

  • 异常 → 自动关 Feature
  • Error Budget 驱动放量

4️⃣ 与实验平台

  • A/B 实验
  • 指标分析

六、治理与风险控制（企业级重点）

1️⃣ 生命周期管理

  • 创建
  • 使用
  • 清理（非常重要）

2️⃣ 权限与审批

  • 核心 Feature 需审批
  • 高峰期冻结

3️⃣ 防“灰度债”

  • 过期 Feature 强制清理
  • 未使用规则报警

七、常见失败模式（血泪经验）

  1. Feature 永远不删
  2. 规则太复杂没人敢动
  3. SDK 不统一
  4. 灰度与指标脱节

八、成熟度演进模型

L1：代码开关

  • if/else

L2：集中配置

  • 手工开关

L3：规则灰度

  • 百分比 / 人群

L4：治理化

  • 审计 / 审批 / 冻结

L5：智能化

  • 自动放量
  • 风险感知

九、一句话总结（非常适合对外）

灰度平台的终极价值，不是“让功能慢慢上线”，而是：把“上线的风险”从不可控，变成可度量、可回退、可自动止损。