新版本灰度 5%,名单里 5000 个用户,上线后新版本日志一条都没有。监控上两个版本的 QPS 比例是 0 比 100。
分流代码是 if (crc32($uid) % 100 < 5)。看着没问题,uid 是用户 ID,整型自增。抽样打日志,crc32 的结果全是偶数。
问题出在 PHP 的 crc32 返回值。32 位平台上它是带符号整数,负数取模在 PHP 里结果也是负的;64 位返回无符号,可我们又在前面套了一层 abs,分布早就不对了。
真正的原因是取模的字段。分流用 uid,网关传下来的却是设备号,两个值一拼,输入变成 uid_device,前 5000 个用户长度一样,哈希扎堆。
换成 md5 取前 8 位十六进制转十进制再取模。分布立刻均匀,抽 1 万个 uid,落在 0 到 4 的比例是 4.97%。
$h = substr(md5($uid . ":" . $salt), 0, 8);
$bucket = hexdec($h) % 100;
if ($bucket < 5) { return "v2"; }
return "v1";
salt 必须固定。有人把它写成日期,每天的分桶都变,同一个用户今天在新版明天在旧版,会话直接乱掉。salt 写进配置中心,改一次要发公告。
还要处理边界。灰度比例从 5 调到 10 时,原来在 0 到 4 的用户必须还在新版,否则等于回滚了一部分人。取模天然满足这个性质,用随机数就不行。
确认:写脚本对 10 万个 uid 跑分桶,比例误差小于 0.2%;再挑 20 个真实用户核对,网关日志和预期一致;灰度期间新旧版本的错误率都正常。
最后加了个开关,出问题直接把比例改成 0,不用发版。开关的值也走配置中心,读取失败时默认走旧版,宁可少灰度不可全挂。
