一句话回答
功能开关是把功能包在一个可以在运行时修改的条件开关里,让代码可以先部署、后发布,只对一小部分用户开放,需要时不用重新部署就能撤回。
公式: hash(flag_key + user_id) mod 100 < 放量百分比 时开关为开
什么是功能开关(Feature Flag)?
功能开关(feature flagging)是一种技术:把某个功能包在一个条件判断里,这样不用发布新代码,就能在运行时把它打开或关闭。功能开关(feature flag,也叫 feature toggle)就是那个开关:一个有名字的值,通常存放在代码之外,程序决定走哪条路径时去读它。
核心思想是把原本合在一起的两件事拆开:部署代码(代码到达生产环境)和发布功能(用户能看到)。有了开关,代码带着「关闭」状态上线,发布就变成一次配置修改:几秒钟内就能对 1% 的用户、某个国家或某个账户生效,撤回也一样快。
最简单的形式只有几行:
if flags.is_enabled("new_checkout", user_id):
show_new_checkout()
else:
show_old_checkout()
四种开关
不是每个开关的寿命都一样,决定方式也不同。Pete Hodgson 在 martinfowler.com 上的分类被广泛引用,他把开关分成四种。
| 类型 | 典型寿命 | 谁来决定、何时决定 | 例子 |
|---|---|---|---|
| 发布开关 | 几天到一两周 | 静态:发布完成前对所有人答案相同 | 代码每天合并,但把没做完的页面藏起来 |
| 实验开关 | 几小时到几周,直到结果清楚 | 按请求,根据用户所在的组 | 给一半用户展示新的定价布局 |
| 运维开关 | 多数很短;紧急关闭开关可以长期保留 | 出故障时由运维修改 | 数据库变慢时,关掉消耗大的推荐组件 |
| 权限开关 | 几个月到几年 | 按请求,根据用户 | 让付费套餐可以使用高级报表 |
寿命这一列最有用。一个当作发布开关建的开关,如果留了两年,就已经悄悄变成了没人负责的权限开关。
按百分比放量是怎么做的
逐步发布最需要一个性质:黏性。今天看到新结账页的用户,明天必须还看到。常用的做法是把稳定的用户 ID 和开关名一起做哈希,映射到 0 到 99 的桶里:
bucket = hash(flag_key + ":" + user_id) mod 100;bucket < 放量百分比 时开关为开
把放量比例从 10 提到 25,已经在 10% 里的用户全部保留,再新增 15 个百分点的用户。哈希里带上开关名,意味着每个开关有各自独立的分法,不会总是同一批 10% 的人给每个新功能当试验品。
示例数据:50,000 名符合条件的用户,放量 10%。预期曝光是 50,000 × 10% = 5,000 人开、45,000 人关。如果日志里只有 4,600 人曝光,就检验一下:卡方 = 400² ÷ 5,000 + 400² ÷ 45,000 = 32.0 + 3.6 = 35.6,远超 5% 水平、自由度 1 的临界值 3.84。差这么多,说明开关的计算不均匀(例如页面加载完才计算,或者部分浏览器被跳过),这次放量得出的结果不可信。
分阶段放量,用数字说话
只有在放大范围之前先看结果,开关才能降低风险。示例数据:新结账流程分步发布,仍用旧流程的用户作为对照组。
| 阶段 | 开 / 关用户数 | 开的转化 | 关的转化 | 能下什么结论 |
|---|---|---|---|---|
| 1% | 500 / 49,500 | 500 人中 22 人 = 4.4% | 3.6% | z = 0.94,p ≈ 0.35:用户太少,看不出 |
| 10% | 5,000 / 45,000 | 5,000 人中 220 人 = 4.4% | 45,000 人中 1,620 人 = 3.6% | z = 2.85,p ≈ 0.004:不太可能是偶然 |
同样是 4.4% 对 3.6%,500 人时是噪声,5,000 人时是明确的信号。所以阶段计划应该有两类检查点:小阶段做安全检查(错误、崩溃、页面速度、客服工单),问题很快会暴露;大阶段做结果检查(转化、留存),样本才够大。这里用的是普通的两比例 z 检验,读法见假设检验。
放量对比也不是真正的实验,除非分配是随机的,并且两组在同样的日期里比较。只对热心的内测用户打开的开关,看起来永远很好。想在几个月里保留一个干净的基线,就有意让一部分用户留在旧版本上,见对照组。
功能开关、金丝雀发布和 A/B 测试
这几个词有重叠,但回答的问题不同。
| 技术 | 回答的问题 | 分组里是谁 |
|---|---|---|
| 功能开关 | 能不能不部署就改变行为? | 你指定的任何人 |
| 金丝雀发布 | 新版本会不会弄坏线上? | 一小部分线上流量,出问题自动回滚 |
| A/B 测试 | 哪个版本表现更好? | 随机分组,测试前就定好 |
开关是机制,金丝雀或 A/B 测试是用法。很多所谓的「A/B 测试」,其实是没有预设样本量和结束日期的开关放量。
开关债务和其他误区
- 从不清理开关。 每个开关让代码路径翻倍:10 个独立开关就有 2^10 = 1,024 种组合,几乎没有一种被测过。给每个发布开关指定负责人和删除日期,放量到全部用户后,把开关和旧代码一起删掉。
- 开关服务出故障时没有默认值。 提前定好读不到开关值时代码怎么走,并测试这条路径。
- 开关嵌套。 开关 B 只有在开关 A 打开时才有意义,这种依赖很难推理,尽量拉平。
- 测试中途改受众。 对比期间调高百分比,会改变每组里的人。固定分法,或者只比较最后一次调整之后的时段。
- 把没见过新功能的用户也算进来。 只统计真正走到开关代码的用户(「已曝光」),而不是所有符合条件的人,否则差异会被稀释到接近零。
- 把开关当成实验。 没有假设、指标和停止规则,开关只是个开关。
用 TapCub 衡量开关放量
TapCub 不提供功能开关、放量控制或 A/B 分流,只负责衡量。用它来看被开关命中的用户后来做了什么。
- 先定曝光事件。 在 全端分析 › 数据管理 › 埋点方案 里新增事件
flag_exposed,属性是flag和variant(例如new_checkout和on/off),两个属性都标为必填。属性只留你会拆分的那几个。 - 从开关命中的代码路径里发送。 在用户真正到达开关页面的那一刻调用
tapcub.track('flag_exposed', { flag: 'new_checkout', variant: 'on' }),而不是在为一个根本没到那里的人计算开关时发送。 - 先核对曝光数。 在事件分析里按变体统计去重用户数,和你配置的分法对照(上面 5,000 对 45,000 的检验)。对不上说明是投放出了 bug,不是结果。
- 按变体对比结果事件。 在相同日期内,把目标事件(如
purchase)按variant属性拆开,分别看每组转化。 - 显著性检验自己做。 TapCub 给出数字;本文不依赖它来判断差异是不是真的,用上面的公式或在线计算器即可。
资料来源
- Pete Hodgson,Feature Toggles (aka Feature Flags),martinfowler.com。
- OpenFeature,OpenFeature 规范,云原生计算基金会(CNCF)。
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。
