在分布式系统的服务部署模式。 

停机部署（Big Bang / Recreate）： 现有停机，然后部署新的版本。 

蓝绿部署（Blue/Green /Stage）：部署好新版本后，把流量从老服务那边切过来。

滚动部署（Rolling Update / Ramped）： 一点一点地升级现有的服务。 

灰度部署（Canary）：把一部分用户切到新版上来，没有问题 就继续扩大升级，直到全部完成。 

AB 测试（A/B Testing）：同时上线两个版本，然后做相关的比较。 下面，我们来看一下每种方式的使用场景和优缺点。

一、停机部署

现有版本的服务停机，然后部署新的版本。新版本中的服务使用到了和 老版本完全不兼容的数据表的设计，对生产有两个变更，一个是数据库，另一个是服务，新老版本互不兼容，只能使用停机部署的方式。

优势是，状态完全一致。

二、蓝绿部署

生产线上部署相同数量的新的服务，新的服务测试OK ，把流量切到新的服务这边来。无需停机。就是预发环境。生产线上有两套相同的集群：Prod 真实服务和Stage 预发环境， 发布发 Stage，然后把流量切到 Stage 这边，于是 Stage 就成了 Prod，而之前Prod 则成了 Stage。有点浪费，使用双倍的资源（不过，这只是在物理机时代，在云计算时代没 事，因为虚拟机部署完就可以释放了）。服务中有状态，比如一些缓存什么的，停机部署和蓝绿部署都会有问题。

三、滚动部署

逐个替换应用的所有实例，来缓慢发布新版本。

过程：在负载调度后有个版本 A 的应用实例池，一个版本 B 的实例部署成功，可以响应请求时，该实例被加入到池中。然后，版本 A 的如果在升级过程中，需要做别的一些运维工作，我们还要判断哪些结点是老版本的，哪些结 点是新版本的。这太痛苦了。 因为新老版本的代码同时在线，所以其依赖的服务需要同时处理两个版本的请求，这可能会带来兼容性问题。 而且，我们无法让流量在新老版本中切换。

四、灰度部署（金丝雀）

金丝 雀对瓦斯这种气体十分敏感。空气中哪怕有极其微量的瓦斯，金丝雀也会停止歌唱。而当瓦斯含 量超过一定限度时，虽然鲁钝的人类毫无察觉，金丝雀却早已毒发身亡。当时在采矿设备相对简 陋的条件下，工人们每次下井都会带上一只金丝雀作为 " 瓦斯检测指标 "，以便在危险状况下紧 急撤离。

逐渐将从老版本切换到新版本。通常流量是按比例分配的。例如 90% 的请求流向老版本，10% 的流向新版本。除了切流量外，对于多租户的平台，例如云计算平台，灰度部署也可以将一些新的版本先部署到 一些用户上，如果没有问题，扩大部署，直到全部用户。一般的策略是，从内部用户开始，然后 是一般用户，最后是大客户。用于缺少足够测试,新版本的稳定性缺乏信心的情况 下。

五、AB 测试

AB 测试是同时上线两个版本，做比较。是用来测试应用功能表现的方法，例如可用性、受欢迎程度、可见性等。

蓝绿部署是为了不停机，

灰度部署是对新版本的质量没信心。

AB 测试是对新版的功能没信 心。注意，一个是质量，一个是功能。 比如，网站 UI 大改版，推荐算法的更新，流程的改变，我们不知道新的版本否会得到用户青睐 或是能得到更好的用户体验，我们需要收集一定的用户数据才能知道。于是我们需要在生产线上发布两个版本，拉一部分用户过来当小白鼠，然后通过科学的观测得出 来相关的结论。AB 测试旨在通过科学的实验设计、采样样本代表性、流量分割与小流量测试等 方式来获得具有代表性的实验结论，并确信该结论在推广到全部流量时可信。

AB 测试，其包含了灰度发布的功能。如果只是观测有没有 bug，那就是灰度发布了，如果复杂一点，要观测用户的一些数据指标，这完全也可 能做成自动化的，如果新版本数据好，就自动化地切一点流量过来，如果不行，就换一批用户 （样本）再试试。 对于灰度发布或是 AB 测试可以使用下面的技术来选择用户。 浏览器cookie。 查询参数。 地理位置。 技术支持，如浏览器版本、屏幕尺寸、操作系统等。 客户端语言。

小结

停机或者滚动部署: 开发或者模拟环境时，干净和快速。

滚动部署或者蓝绿部: 生产环境, 主流程测试是必须的。

金丝雀部署或者 AB 测试发布: 缺乏测试或者对软件的功能和稳定性影响缺乏信 心，

AB 测试技术:根据地理位置、语言、操作系统 或者浏览器特征等参数来给一些特定的用户测试。

你接触到的部署方式有哪些？在什么场景下使用哪一种部署方式？