本文介紹一種前端灰度發布方案，主要解決的是傳統的灰度發布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布機制。
傳統灰度發布，因為是以機器分組，所以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。有長連接、讀寫文件、緩存等場景，就是所謂”有狀態“的。有狀態的服務，如果用戶的前一個請求打在機器A，后一個請求打在機器B，就會出問題。
所以，有狀態的服務灰度發布，要做到：
- 同一用戶始終訪問同一版本的代碼
- 放量過程像傳統發布一樣可控
本灰度發布方案對構建、部署、啟動服務、處理請求階段分別做改造，實現有狀態服務灰度發布。
方案概述
我們把線上的代碼稱為stable版，本次發布的新代碼稱為beta版。先整體描述一下方案：
- 用git tag標識每次發布
- 在構建階段生成tag，同時用tag名稱來命名manifest.json
- 每次構建完新版本后，從cdn源機器取回上次發布的manifest.json文件，一並放在dist目錄下
- 部署階段全量部署到所有機器，在運行階段來決定訪問哪個版本的代碼
- node層啟動服務時，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，無需有任何額外操作。
構建階段
publish-tag
新增一個git tag，以p-開頭，意為publish。每次發布都有一個tag標記，格式為p-201911111001-lvdabao.標記發布時間與發布者。構建完成並同步cdn成功后，會將該tag同步到git倉庫。
manifest.json
manifest.json是webpack構建完畢后的文件清單，可以用webpack-manifest-plugin插件生成。如有特殊需求也可以自己編寫。我們是自己編寫，並在動態渲染首頁HTML時讀取清單內容並輸出script標簽。
每次構建生成的文件名稱是這樣的格式：manifest-p-201911111001-lvdabao.json，這樣每次發布都生成對應tag命名的manifest.json文件。
啟動服務時可以一次讀取到內存中，並不是處理每個請求都讀一下文件，所以不必擔心性能。
獲取上次發布的版本信息
我們是用publish-tag來標識版本號的，只要拿到上次發布時的tag，就能取到對應的manifest.json文件。所以構建的最后一步就是把上一版的manifest.json文件從cdn源機器取到當前構建后的dist目錄下，為后續服務啟動時使用。
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
如果上次發布的版本有重大問題，不能作為stable版使用，有什么辦法呢？
所以我們增加了一個額外流程，允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么區別，將dist目錄發布到目標機器就行了。每次部署的dist文件包含以下：
- beta版的manifest.json文件
- beta版的資源文件
- stable版的manifest.json文件
啟動服務
啟動服務時我們需要干兩件事情：
- 把兩個manifest.json文件讀到內存中，供分流時使用
- 自動修改放量配置，將新版本比例改為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，當然簡單點放在服務端也是可以的。用途就是根據當前用戶的uuid，來確定用戶該使用哪個版本的資源。
配置內容也及其簡單：
{
percent: 10
}
percent即是beta版的放量比例，10表示10%的用戶使用beta版。全量的時候手動改為100就行啦。
因為啟動服務的時候會自動將percent改為0，所以每次發布完后，我們只需根據放量節奏逐步擴大percent的值就好。
處理請求
萬事具備，我們在處理請求的時候，就很easy了。只需獲取當前用戶的uuid，node層通過RPC調用獲取到放量配置，通過分流策略來計算應該使用哪個版本的資源。
我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
最后再談談分流策略，這塊也是有很多細節的。分流策略要做的核心工作：
- 根據放量配置來決定當前用戶應使用的資源版本
- 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
- 新版本發布或放量比例變化時，重新分流
首先，放量配置只有一個百分比數字，我們需要把uuid散列化，即把uuid字符串對應到0-99間固定的數字。算法可以有很多，我們選一種簡單的，取每個字符的ASCII碼相加，然后再除100取余。偽代碼：
for (i = 0; i < uuid.length; i++) {
hash += uuid.charCodeAt(i);
}
取到的這個hash就可以與放量百分比比較，在范圍內就使用beta版。
另外一個比較麻煩的事情是第2點，為了讓用戶下次訪問的時候能夠跟首次的分流一致，我們需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，如果可用則優先用cookie。不可用的話清掉cookie，再去計算分流。
那么既然uuid的散列算法能保證hash值穩定，每次都用uuid計算不行嗎？原因就是我們訪問環境的特殊，uuid的穩定性不能保證，相對來說還是cookie更穩定。這個看項目吧，如果你的項目uuid穩定，那可以省去用cookie。
總結
以上就是灰度發布方案的核心內容啦，相關的代碼細節不贅述，有讀者朋友感興趣可以留言探討。
通過這套方案我們實現了以用戶維度進行分組的灰度發布，並且整個流程足夠自動化，業務開發無感知，需要手動操作的只有修改放量配置。
有朋友可能想說，你這個方案和ABTest很相似啊！其實ABTest和本方案的差別主要有：
- 需要同時上線AB兩套新代碼
- 最終會丟棄其中一套代碼
盡管看起來差別不大，但ABTest方案的構建、部署、分流控制都會有所區別。
當然，如果我們把ABTest退一步，認為stable版是A，新上線代碼是B，那么將本方案改造成ABTest方案也很容易。