Skip to content

交付一体化:迭代节奏与发布节奏解耦 ​

本篇要点:让代码长期处于可发布状态,把"发布"从一场通宵战役变成一次独立、可回退的决策。前置是《质量内建:TDD、重构与代码评审》的质量内建——没有能在十分钟内跑完的自动化测试,小批量只会让故障来得更快。

1. 为什么需要它 ​

2026 年 3 月,一个 9 人团队维护 SaaS 后台,Sprint 两周。每个迭代第 9 天开始封版,第 10 天晚上八点合并到 release 分支,运维次日凌晨一点发版。那次发布单上有 43 个提交、17 个故事、2 个数据库迁移。

上线到第 3 个故事时监控报警:订单列表接口 P99 从 180 毫秒涨到 2.4 秒。回滚脚本跑了 47 分钟,因为其中一个迁移不可逆。第二天上午的复盘会上,没人说得清是哪次提交引入的——43 个提交里有 6 个动了同一个查询。

这不是某个人的失误。把两周的改动压进一个两小时的窗口,风险就集中在同一时刻,反馈则被推迟到最贵的时候才发现。团队后来做了两件事:先把每个故事切成一天以内能合进主干的小块;三个月后再把发版从每月一次提到每周两次。发布单上的提交数从 43 降到 6,回滚中位数 8 分钟。

这一章讲的就是这条路径:怎么让代码随时可发,怎么让"发布"成为一次独立判断。

2. 核心概念 ​

2.1 批量大小(Batch Size) ​

批量大小指一次进入验证与发布的改动量,可以用提交数、故事数或净增代码行衡量。

类比:搬箱子下楼,你愿意一次扛十个,还是每次两个?前者看着快,摔一跤全碎。反例:某团队坚持"迭代末统一合并",理由是减少冲突,结果每次合并冲突更多,因为分支已经分叉了两周。

小批量的收益不在"改得快",在于每次改动只带一个变量。出问题时能立刻指到那个变量,而不是在一份 43 行的清单里做排除法。

2.2 部署与发布(Deploy vs Release) ​

部署(deploy)是把新代码放进运行环境;发布(release)是让用户的行为发生变化。传统流程里这两件事是同一件事,所以必须一起等窗口。

拆开之后,代码可以每天部署,功能可以下周再放出。类比:部署是把货送进仓库,发布是打开店门开始卖。仓库每天进货,不代表今天就上架。

这条区分能解释一个常见现象:团队明明每天都在发版,用户却三个月才看到新功能。原因是代码一直部署着,开关一直关着,没人做"放出"这个动作。

2.3 Feature Flag(功能开关) ​

Feature Flag 是代码里的一个配置判断,决定某段新逻辑对谁生效。按用途分四类,见表 7-1。

反例:一个团队上线时加了 40 个 flag,半年后没人知道哪些能删。开关本身变成了需要维护的分支,测试要覆盖的组合翻倍。

表 7-1 Feature Flag 的四种类型

类型用途生命周期例子
发布开关 Release Toggle未完成的功能先上线但不生效数周到数月,必须清理新版结算页
灰度开关 Experiment Toggle按比例分流做对照一个实验周期两种按钮文案
权限开关 Permission Toggle按客户或套餐开放长期,随合同变更企业版导出
运维开关 Ops Toggle故障时降级非核心功能长期保留关掉推荐服务

四种的生命周期差别很大。发布开关到期不删就是技术债,运维开关则应该长期留着,别混在一个列表里管理。

2.4 迭代节奏与发布节奏 ​

迭代节奏是计划与学习的周期,一到四周,决定"这段时间我们想验证什么"。发布节奏是风险与合规的决策,可能每天,也可能跟着客户窗口走。

解耦的含义是:迭代结束时没有"必须上线"的压力,只有"这个增量做完了没有、现在要不要放出"的判断。

2.5 四项交付度量(DORA Metrics) ​

DORA(DevOps Research and Assessment)留下四项指标,用来判断交付能力而不是工作量,定义见表 7-2。图 7-1 画的是它们对应的链路位置。

表 7-2 四项交付度量

指标定义数据来源健康方向
变更前置时间 Lead Time for Changes首次提交到进入生产的中位时长Git 提交时间 + 发布事件表越短越好,以小时计
部署频率 Deployment Frequency单位时间进入生产的次数发布事件表越高越好,但看业务需要
变更失败率 Change Failure Rate导致回滚或热修的发布占比发布记录 + 事故单越低越好,15% 以内
恢复时长 MTTR(Mean Time to Recovery)从故障确认到服务恢复的时长事故单时间戳越短越好,按分钟计

四项要一起看。只看部署频率会把团队推去刷发布次数;只看失败率则没人敢发。

口径必须先写下来:什么算一次发布,按部署事件还是按 flag 放量算;失败怎么算,回滚算不算,线上热修算不算。口径不一致,两个季度的数字就没法比,讨论会变成各说各话。

图 7-1 小批量交付链路:部署先行,放出由灰度决定

图 7-1 里有两次"停"的机会:一次在评审,一次在灰度。改动越小,这两次停下来的代价越低。

3. 动手实践 ​

分四步,一周内能跑起来。前提是已有主干分支和一套能跑的测试。

步骤 1:把发版拆成"构建"和"放出" ​

流水线只做一件事:每次合并到 main,验证、构建、部署到预发,并部署到生产的关闭状态。

yaml
# .github/workflows/deliver.yml
name: deliver
on:
  push:
    branches: [main]
concurrency:
  group: deliver-main
  cancel-in-progress: false
jobs:
  verify:
    runs-on: ubuntu-24.04
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0        # 计算前置时间需要完整提交历史
      - run: pnpm install --frozen-lockfile
      - run: pnpm test -- --coverage --coverageThreshold='{"global":{"lines":80}}'
      - run: pnpm build
  deploy-staging:
    needs: verify
    runs-on: ubuntu-24.04
    environment: staging
    steps:
      - run: ./scripts/deploy.sh staging "${{ github.sha }}"
  deploy-prod-dark:
    needs: deploy-staging
    runs-on: ubuntu-24.04
    environment: production
    steps:
      - run: ./scripts/deploy.sh production "${{ github.sha }}"
      - run: ./scripts/write-deploy-event.sh "${{ github.sha }}" dark

预期输出(每次合并到 main 会自动触发一条流水线):

$ gh run list --workflow=deliver.yml --limit 3
STATUS  TITLE              WORKFLOW  BRANCH  EVENT  ELAPSED  AGE
✓       fix: cart ttl      deliver   main    push   6m12s    2h
✓       feat: coupon v2    deliver   main    push   5m48s    5h
✓       chore: bump deps   deliver   main    push   7m03s    9h

注意最后一步写了一条 dark 记录。这条记录是后面算指标的唯一事实来源,别省。

步骤 2:flag 默认关闭上线 ​

yaml
# flags/checkout-v2.yaml
key: checkout.v2
owner: team-checkout
description: 新版结算页,替代 legacy 流程
created: 2026-03-18
expires_at: 2026-06-30        # 到期前 14 天流水线告警
default: false
targeting:
  - segment: internal
    enabled: true
  - segment: beta_users
    percentage: 5
  - segment: all_users
    percentage: 0
cleanup_issue: PLAT-4471

预期输出(配置生效后读一次 flag 服务):

$ curl -s localhost:8080/flags/checkout.v2 | jq
{
  "key": "checkout.v2",
  "default": false,
  "rules": [
    { "segment": "internal", "enabled": true },
    { "segment": "beta_users", "percentage": 5 }
  ],
  "expires_at": "2026-06-30"
}

步骤 3:用 SQL 算指标 ​

sql
-- 变更前置时间:提交到进入生产的中位与 P90,按服务聚合最近 28 天
WITH released AS (
  SELECT d.deploy_id, d.service, d.released_at,
         MIN(c.committed_at) AS first_commit_at
  FROM deploys d
  JOIN deploy_commits dc ON dc.deploy_id = d.deploy_id
  JOIN commits c        ON c.sha = dc.sha
  WHERE d.environment = 'production'
    AND d.released_at >= now() - interval '28 days'
  GROUP BY 1, 2, 3
)
SELECT service,
       count(*) AS releases,
       round(percentile_cont(0.5) WITHIN GROUP (
         ORDER BY EXTRACT(EPOCH FROM released_at - first_commit_at) / 3600
       )::numeric, 1) AS lead_hours_p50,
       round(percentile_cont(0.9) WITHIN GROUP (
         ORDER BY EXTRACT(EPOCH FROM released_at - first_commit_at) / 3600
       )::numeric, 1) AS lead_hours_p90
FROM released
GROUP BY service
ORDER BY releases DESC;

预期输出:

servicereleaseslead_hours_p50lead_hours_p90
checkout2619.561.0
search1831.288.4
billing4104.0210.5

billing 的 P50 是 104 小时,说明它的改动平均要躺四天才上线。先查这一段为什么慢,别急着催开发。

步骤 4:给发布定一条规则 ​

规则要能被引用,不写进 PPT,写进团队的工作协议。一个能直接抄的四条:

  1. 每个进生产的改动必须带 flag 名;没有开关的改动需要两位评审同意。
  2. 发布窗口固定在工作日上午,避开周五下午和大促前 48 小时。
  3. 灰度阶梯为 5% → 25% → 100%,每档至少观察 30 分钟,看错误率与 P99。
  4. 变更失败率连续两次超过 20%,暂停提频,先修流水线与测试,再谈论发版次数。

4. 常见误解 ​

很多人以为持续交付(continuous delivery)就是每次提交都直接上生产。实际上持续交付要求的是"随时可发布"——每次合并都通过验证、都进了类生产环境,但放不放给用户仍是产品与风险的判断。持续部署(continuous deployment)才是自动放量,它依赖更强的监控与回滚,不是起步就该选的档位。

很多人以为 Feature Flag 只是一个开关。实际上没有过期时间和清理责任人的 flag 会变成隐形分支:if/else 越叠越深,测试组合翻倍,最后没人敢删。上面那个 expires_at 不是装饰。

很多人以为发布频率高就等于交付快。实际上频率是结果。如果评审要等两天、测试环境只有一个、迁移靠人工,那么提到每天发布只会让队列更长。先看前置时间卡在哪一段,再谈提频。

还有一种担心:先把流水线做完美,再切小批量。顺序反了。小批量本身就降低了搭建流水线的门槛——一次只验证一个改动,失败原因单一。通常的做法是先用最小流水线(跑测试 + 自动部署预发)跑两周,再补指标与灰度。

5. 小结 ​

  • 交付风险由批量大小决定,不由迭代长度决定;先切小,再提频。
  • 部署与发布是两件事,拆开后迭代不必为发版让路。
  • Feature Flag 让代码先上线、行为后放出,但必须带过期时间与负责人。
  • 四项度量用来诊断流程,不用来考核个人,尤其不要按部署频率排名。
  • 提频之前,先确认失败时能在十分钟内回退。

上一章讲的质量内建是这一章的地基。没有那层测试与评审,小批量只是把错误送得更快。

6. 相关文章 ​

节奏打通之后,新的问题会浮出来:为什么回顾会开成吐槽会,行动项写在白板上,两个迭代后没人记得?《回顾会:让改进真正发生》讲怎么把回顾会开成有产出的会,以及行动项怎么才能真的做完。