一句话回答
代码冻结是在发版或季节性高峰前,停止或严格限制对系统代码改动的一段时间。它不会消除风险,只是把风险集中到开启和结束冻结的两次发版上,所以要在冻结开始前就把基线数据定好。
公式: 错误率比值 = 发版后窗口内的错误率 ÷ 基线错误率(前 7 天);比值至少为 2、且窗口内至少 30 个错误时标记
什么是代码冻结?
代码冻结,是指在一段时间内停止或严格限制对某个系统(或系统某一部分)代码的改动。团队通常在重大发版或季节性流量高峰之前不久启动,等发版稳定或高峰过去再结束。目的是不让新改动在失败代价最高的那一刻落地。
冻结不会消除风险,只是把风险挪了位置。本来会一个个发出去的改动,在冻结后面越积越多,解冻后又一起发出去;而你最担心的那个改动,往往就是冻结开始前最后一天仓促塞进去的。风险被集中到两个时刻:开启冻结的那次发版,和结束冻结的那次发版。
所以冻结既是流程问题,也是度量问题。冻结开始前如果知道「正常是什么样」,发版后一个小时内就能判断有没有搞坏什么;如果不知道,数据上每一次波动都会变成争论:是发版引起的,还是天气,还是流量?本文接下来讲冻结的类型、冻结前后值得盯的 5 个数、一个可以复算的算例,以及让冻结流于形式的常见错误。
冻结的类型
这个词其实指好几种不同的做法。宣布之前,先说清楚你指的是哪一种:
| 类型 | 禁止什么 | 仍然允许什么 | 常见时长 | 主要风险 |
|---|---|---|---|---|
| 全冻结(完整代码冻结) | 对系统代码的一切改动 | 什么都不允许,经批准的紧急修复除外 | 几小时到几天 | 冻结开始前赶工塞进改动的压力 |
| 软冻结(功能冻结) | 新功能和重构 | 评审后的缺陷修复和低风险改动 | 几天到几周 | 「修缺陷」悄悄变成新功能 |
| 假日 / 季节性冻结 | 高峰期间(如大促季)的非必要发版 | 安全补丁、关键修复、约定好的内容变更 | 一到几周 | 之后积压的改动一次性全发出去 |
| 需求冻结 | 需求变更 | 实现已经约定的内容 | 到开发阶段结束 | 很晚才发现需求本身有问题 |
功能冻结和需求冻结是发版规划里更早的说法,代码冻结是三者中最严的。日常聊天里说「冻结」,往往指的是软冻结,所以要用一句话写清楚什么还能改。「只修 P1 清单里的问题,由两个人评审」是规则,「大家小心点」不是。
为什么要冻结,以及反对的理由
支持冻结的理由很简单:改动少,新的故障原因就少,团队的注意力可以放在盯系统上,而不是改系统。对零售商、支付服务或票务网站来说,高峰期出故障的代价远高于普通的某个周二。
反对的理由同样站得住。英国司法部(Ministry of Justice)的技术指南要求团队尽量避免代码冻结,列出了五类代价:没人演练过的例外流程、冻结前仓促发版、等到发出去时已经过时的工作、解冻后一大批改动一起发布、范围含糊而不断扩散。它给的替代方案是更小、更频繁的发版,让每一次改动都没那么吓人。
对于冻结仍然合理的情形,同一份指南给出六个条件:只覆盖一个系统或同一团队维护的一小组系统;最多持续几天;窗口期内系统上没有别的工作;对发版能力缺乏信心,且绕开它比修好它便宜;已经规划了后续工作来消除下一次冻结的需要;例外流程有文档。六条不能全满足,指南的建议是让系统更安全地改,而不是冻结。
你不必同意全部观点,也可以从中得到一条教训:冻结是一场赌注,赌的是「改动的风险高于不改动的风险」。数字会告诉你这场赌注有没有赚。
冻结前后要盯的 5 个数
冻结前、冻结中、冻结后盯同样的 5 个数,每个数都对照冻结开始前定好的基线。下面的阈值是示例起点,不是标准,请按自己的流量调整。
| # | 指标 | 基线 | 什么时候标记 | 为什么看它 |
|---|---|---|---|---|
| 1 | 错误率(错误数 ÷ 浏览量) | 前 7 天的均值 | 达到基线的 2 倍以上,且窗口内至少 30 个错误 | 发版是否搞坏了什么,这个数最直接 |
| 2 | 浏览量 | 最近几周的同一个星期几 | 上下偏离超过 30% | 下降可能是页面坏了或统计代码坏了;暴涨说明你的容量正在被检验 |
| 3 | 目标转化率 | 前 14 天的均值 | 低于基线减 2 个标准误 | 抓住不报错的故障,比如按钮不再提交 |
| 4 | 最大内容绘制(LCP),第 75 百分位 | 前 7 天的均值 | 超过 2.5 秒,或比自己的基线高 20% | 发版可能让页面变慢却不抛错 |
| 5 | 没有数据的分钟数 | 0 | 超过 15 分钟 | 发版可能把统计代码弄掉,而沉默看起来像流量下降 |
三个细节让这些规则靠得住:
- 基线在冻结前定。 发版之后取的基线,已经把问题算进去了。
- 要求最小样本量。 4 次浏览里出现 2 倍的比率没有任何意义。第 1 行里「至少 30 个错误」的下限就是为此设的。
- 标出改了什么、什么时候改的。 图上没有日期,你分不清是发版、活动还是节假日造成的变化。
2.5 秒这个阈值,是 Google web.dev 文档给出的最大内容绘制「良好」界线,按页面加载的第 75 百分位计。表里其余内容都是你自己的策略。
算例:错误率 1.6% 什么时候该动手?
示例数据:某店冻结前 7 天的基线是 70,000 次浏览、560 个错误,基线错误率 = 560 ÷ 70,000 = 0.8%。冻结开启当天 14:00 发了一版。
一小时后,这一小时的窗口里有 5,000 次浏览、80 个错误,错误率 = 80 ÷ 5,000 = 1.6%,与基线的比值 = 1.6 ÷ 0.8 = 2.0。
怎么知道这不是偶然?基线 0.8% 时,5,000 次浏览预计出现约 40 个错误。用适合这类稀有事件的泊松模型算,纯靠运气出现 80 个及以上的概率约为一亿分之二,不是噪声。表里的规则触发:比值至少 2、错误至少 30。
再比较同一次发版的三个窗口:
| 窗口 | 浏览量 | 错误数 | 错误率 | 与 0.8% 的比值 | 预计错误数 | 纯靠运气出现的概率 | 决定 |
|---|---|---|---|---|---|---|---|
| A | 5,000 | 80 | 1.6% | 2.0 | 40 | 约 0.000002% | 动手:按约定回滚或热修 |
| B | 5,000 | 48 | 0.96% | 1.2 | 40 | 约 12% | 观察,一小时后再查 |
| C | 250 | 4 | 1.6% | 2.0 | 2 | 约 14% | 样本不够;等错误达到 30 个或流量变大 |
窗口 C 的错误率和窗口 A 一样是 1.6%,却几乎说明不了什么,因为预计 2 个、实际出现 4 个,靠运气很容易发生。这就是规则要分两部分的原因:一个比值,加一个样本量下限。要补一句:错误常常成串出现,比如一个访客把同一个 bug 触发了十次,所以真实波动比泊松模型说的更宽。把这些概率当作理解「为什么要看样本量」的工具,不要当作精确赔率。
表里的转化率一行算法相同。基线 3.0%、窗口内 2,000 个访客,预计 60 次转化,标准差约 7.6;低于均值 2 个标准误约为 44.7,也就是 2.24%。2,000 个访客里转化不到 45 次,就值得查一查。
冻结开始前要定的事
冻结在第一天前需要把五件事写下来。这张清单里每一项,没定好的话都会在凌晨两点变成争吵:
- 范围。 哪些系统、哪些类型的改动,包括配置、功能开关、内容和第三方脚本。代码冻结了,却让市场部随手推一个新的标签管理容器,那不叫冻结。
- 紧急通道。 谁能批准修复,什么算紧急,需要几个人评审。写短一点,并且演练一次。
- 基线。 上面的 5 个数,连同基线值和标记规则都写下来,值班的人不用现场拍板。
- 解冻标准。 什么条件成立冻结才结束:比如最后一次发版后错误率稳定 48 小时,或者一个日历日期。「感觉安全了」不是标准。
- 之后的发版计划。 积压的改动是一批发出去,还是分几批。批次小,更容易定位问题。
相关做法从不同角度处理同一个问题。金丝雀测试通过先给少量用户发版,限制单次发版的损害;本文讲的是整个系统冻结期间该盯什么。错误率的清晰定义是第 1 行的基础,异常检测是标记「某个数已经离开正常范围」的通用方法。第 4 行的页面速度,见网站性能监控。
常见误区
- 偷偷塞热修。 冻结期间每一个「很小」的改动,都绕过了冻结本来要保护的流程。走紧急通道,记录下来,并在图上标出日期。
- 没有解冻标准。 没有结束条件的冻结会漂移,扩散到相邻系统,然后被延长。第一天就把结束规则写好。
- 在第一次发版之后才取基线。 那样问题已经在基线里了,比值看起来一切正常。
- 只看总量。 结算按钮坏了,浏览量和错误数可能都没变。转化率和「没有数据」检查能抓住错误率漏掉的东西。
- 把冻结当成安全的证明。 平静的冻结只说明系统在没有改动的情况下撑住了,对结束冻结的那次发版什么也没说明。
- 最后一次发一个巨大的版本。 积压的改动之间会相互影响,出了问题更难追溯。分成较小的几组发,每一组都盯一遍。
- 忘了非开发人员。 内容编辑、标签改动、价格更新和活动上线,都可能像代码一样搞坏页面。把它们纳入范围,或者约定哪些豁免。
在 TapCub 里盯冻结
以上面的示例店为例,在冻结前一周把 TapCub 配好。
- 标出日期。 在 配置 › 日期标注 里加一条日期范围标注,标题写「代码冻结」(类型选其他),每次发版再加一条单日的发版标注。也可以用 CSV 批量导入,最多 500 行,列为
date_from、date_to、type、title、note、scope。标注会显示在 网站统计 › 概览 的趋势图上,数据跳变旁边就有原因。创建标注需要分析师及以上角色。 - 定基线。 打开 监测 › 错误,选前 7 天,记下错误数、错误率(错误数 ÷ 浏览量)和受影响会话数。错误采集要在安装代码里打开,否则列表为空不代表网站没有抛错。再到 监测 › 性能 里,对最大内容绘制的第 75 百分位做同样的记录。
- 建监控。 在 全端分析 › 智能运营 › 监控 里,建一条按小时检查、对
error_rate设固定阈值的监控;对pv建一条预测基线或同环比监控;再建一条检测没有数据分钟数的采集中断监控。先试运行:它不发送任何通知,只告诉你过去 30 天会触发几次,帮你选一个不会无故叫醒值班人的阈值。 - 前后对比。 错误页和性能页没有上一周期对比,所以先选一个日期范围记下数字,再选发版之后的范围来比较。在某组错误上点 打开会话,看访客当时做了什么。
TapCub 负责观察和通知,不负责批准、拦截或回滚发版,监控也不会替你处理它发出的告警。这些决定仍然留在你们的发版流程里。监控触发后,值班的人按「冻结开始前要定的事」里写好的规则行动。
资料来源
- UK Ministry of Justice,Avoid code freezes,技术指南。核对于 2026-11-17。
- Wikipedia,Freeze (software engineering)。核对于 2026-11-17。
- Google,Alerting on SLOs,The Site Reliability Workbook(短告警窗口与精确度)。核对于 2026-11-17。
- web.dev,Largest Contentful Paint (LCP)(第 75 百分位下 2.5 秒和 4.0 秒的阈值)。核对于 2026-11-17。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
