ডিপ্লয়মেন্ট স্ট্র্যাটেজি — ব্লু-গ্রিন, ক্যানারি, রোলিং

১ · রোলিং আপডেট — ধাপে ধাপে প্রতিস্থাপন

রোলিং আপডেটRolling Updateপুরনো ভার্সনের ইনস্ট্যান্স/পড অল্প অল্প করে নতুন ভার্সন দিয়ে প্রতিস্থাপন করা — L28-এর Kubernetes Deployment-এর ডিফল্ট আচরণ। হলো L28-এ দেখা Deployment-এর ডিফল্ট আচরণ — একসাথে সব ইনস্ট্যান্স বদলানোর বদলে, একটি নির্দিষ্ট সংখ্যক পুরনো ইনস্ট্যান্স বন্ধ করে সমান সংখ্যক নতুন ইনস্ট্যান্স চালু করা হয়, ধাপে ধাপে — পুরো প্রক্রিয়া জুড়ে সার্ভিস চালু থাকে (zero-downtime লক্ষ্য)।

২ · ব্লু-গ্রিন ডিপ্লয়মেন্ট — দুটি সম্পূর্ণ পরিবেশ, তাৎক্ষণিক সুইচ

ব্লু-গ্রিন ডিপ্লয়মেন্টBlue-Green Deploymentদুটি সম্পূর্ণ, একইরকম প্রোডাকশন পরিবেশ চালানো — একটি (blue) বর্তমানে লাইভ, আরেকটি (green) নতুন ভার্সন — টেস্ট শেষে এক ধাক্কায় সব ট্রাফিক green-এ সুইচ করা হয়। পদ্ধতিতে বর্তমান লাইভ পরিবেশকে "blue" এবং নতুন ভার্সনের সম্পূর্ণ আরেকটি কপিকে "green" ধরা হয় — green সম্পূর্ণভাবে তৈরি ও টেস্ট করার পর, একটি রাউটার/লোড ব্যালেন্সার/DNS পরিবর্তনের (ties to L14/L15) মাধ্যমে সব ট্রাফিক এক ধাক্কায় green-এ পাঠানো হয়। কিছু ভুল ধরা পড়লে আবার blue-তে সুইচ করে দিলেই তাৎক্ষণিক রোলব্যাক — কোনো "উল্টো দিকে রোলিং" করার দরকার নেই।

৩ · ক্যানারি রিলিজ — ছোট পরিসরে যাচাই করে ধীরে ধীরে বাড়ানো

ক্যানারি রিলিজCanary Releaseনতুন ভার্সন প্রথমে real ট্রাফিকের একটি ছোট শতাংশে ছাড়া, ঘনিষ্ঠভাবে মনিটর করা, তারপর স্বাস্থ্যকর দেখলে ধীরে ধীরে শতাংশ বাড়ানো — নাম এসেছে কয়লা খনির ক্যানারি পাখি থেকে, যা বিপদ আগেভাগে সংকেত দিত। পদ্ধতিতে নতুন ভার্সন সরাসরি সব ইউজারের কাছে না পাঠিয়ে, প্রথমে খুবই ছোট একটি শতাংশ (যেমন ৫%) real ট্রাফিকের কাছে পাঠানো হয়। এই ছোট গ্রুপের error rate, latency ইত্যাদি মেট্রিক্স ঘনিষ্ঠভাবে মনিটর করা হয় (ties to M10) — স্বাস্থ্যকর মনে হলে শতাংশ ধীরে ধীরে বাড়ানো হয় (৫% → ২৫% → ১০০%), আর কোনো সমস্যা দেখা দিলে সাথে সাথে ০%-এ ফিরিয়ে নেওয়া যায় — অর্থাৎ একটি খারাপ ভার্সনের প্রভাব (blast radius) মাত্র কয়েক শতাংশ ইউজারের মধ্যে সীমাবদ্ধ থাকে।

৪ · তিনটি স্ট্র্যাটেজির তুলনা

# ক্যানারি ট্রাফিক-স্প্লিট সিমুলেটর — ফিক্সড-সিড random.Random ব্যবহার করে
# পুনরুৎপাদনযোগ্য ফলাফল পাওয়া যায় (কখনো unseeded random নয়)
import random

def simulate_canary_rollout(canary_pct, total_requests, seed=42):
    rng = random.Random(seed)  # ফিক্সড সিড — একই ইনপুটে বারবার একই ফলাফল
    counts = {"canary (নতুন ভার্সন)": 0, "stable (পুরনো ভার্সন)": 0}
    for _ in range(total_requests):
        roll = rng.uniform(0, 100)
        if roll < canary_pct:
            counts["canary (নতুন ভার্সন)"] += 1
        else:
            counts["stable (পুরনো ভার্সন)"] += 1
    return counts

canary_pct = 10          # কনফিগার করা ক্যানারি শতাংশ
total_requests = 20000    # সিমুলেটেড রিকোয়েস্ট সংখ্যা

result = simulate_canary_rollout(canary_pct, total_requests)
actual_pct = result["canary (নতুন ভার্সন)"] / total_requests * 100

print(f"কনফিগার করা canary_pct: {canary_pct}%")
print(f"মোট সিমুলেটেড রিকোয়েস্ট: {total_requests}")
print(f"রাউটিং ফলাফল: {result}")
print(f"প্রকৃত canary শতাংশ: {actual_pct:.2f}%")
print(f"পার্থক্য (কনফিগার বনাম প্রকৃত): {abs(actual_pct - canary_pct):.2f} শতাংশ পয়েন্ট")