线上服务灰度发布怎么做才容易回滚

我以前参与过一次发布，灰度只看了接口能不能访问，没看新旧版本数据是否兼容。前10%的流量没出大问题，放到全量后才发现老版本写入的字段新版本读不了，回滚也没用，因为数据已经变了。后面我做灰度会先确认三件事：配置能不能独立开关，数据库和缓存是否前后兼容，回滚后老版本还能不能处理新版本留下的数据。灰度指标也不能只看CPU和错误率，要看关键业务动作，比如登录、下单、支付回调、消息发送这些链路是否正常。发布前我会先在预发环境用生产相近的数据跑一遍，再把灰度观察时间写死，不因为群里没人报错就马上全量。发布时我会把版本号、配置开关、回滚命令写在同一张检查表里。真的出问题时，值班的人没有时间翻群记录，能照着执行才算可回滚。