{"canonical_url":"https://engineer.company/da/glossary/canary-release/","content_markdown":"# Canary release\n\n## Hvad det er\n\nEn canary release sender en ny version af en tjeneste ud til en lille del af den\nrigtige trafik først, mens den version, den skal afløse, bliver ved med at\nbetjene alle andre. Holder den nye, vokser andelen trin for trin, indtil den\nbærer det hele, og den gamle version kan udfases. Holder den ikke, går\ntrafikken tilbage til den gamle version, som aldrig holdt op med at køre, og kun\nden lille andel nåede at mærke fejlen. Danilo Sato beskrev teknikken på Martin\nFowlers bliki i juni 2014 og nævner, at den også kaldes phased rollout eller\nincremental rollout. I Kubernetes-verdenen siger man oftere canary deployment,\nog på dansk ses canary-udrulning også. Argo Rollouts, en Kubernetes-controller,\nder tilføjer udrulningsstrategier af den slags, kalder indstillingen `canary`.\n\nNavnet kommer fra kulminerne. Minearbejderne tog en kanariefugl i et bur med\nned, fordi udsivende gas ville påvirke fuglen, før den påvirkede menneskene, og\nfuglens tegn på ubehag var deres varsel om at komme ud. Den lille andel trafik spiller samme\nrolle: den møder problemet først, mens der endnu er tid til at handle.\n\nHvem der havner i andelen, er et valg. Sato nævner en tilfældig stikprøve af\nbrugerne, virksomhedens egne medarbejdere før resten af verden og brugere\nudvalgt efter profil eller demografi. Store systemer deler ofte langs\nskillelinjer, de allerede har: én region, ét bestemt sted eller ét brand først.\nIfølge Sato brugte Facebook flere canaries, hvor den første kun var synlig for\nvirksomhedens egne medarbejdere og havde alle feature flags slået til, så\nproblemer med nye funktioner viste sig tidligt.\n\nForskellen fra blue-green deployment ligger i, hvordan trafikken flyttes.\nBlue-green bygger en komplet ekstra kopi og flytter al trafik i ét skift, mens\nden gamle kopi står klar som vejen tilbage. En canary flytter trafikken\ngradvist, så to versioner i en periode betjener rigtige brugere side om side. En\nrullende opdatering har også to versioner i drift på samme tid, men den skifter\ninstanser ud, så hurtigt de bliver klar, uden en pause til at vurdere, hvordan\nden nye version klarer sig. En canary stopper ved hvert trin og venter på et\nsvar.\n\n## Hvorfor det betyder noget\n\nNogle fejl viser sig kun i produktion: under rigtig belastning, med rigtige data\nog med den rigtige blanding af klienter. Et stagingmiljø kan komme tæt på, men\nbliver aldrig identisk. En canary accepterer det og begrænser i stedet skaden.\nNår hver tyvende forespørgsel rammer den nye version, går en dårlig release ud\nover hver tyvende forespørgsel, så længe det tager at opdage den, og løsningen\ner at sende den andel tilbage.\n\nSato peger på en anden gevinst: kapacitetstest. Når andelen skrues langsomt op,\nkan man måle, hvordan den nye version påvirker produktionsmiljøet under stigende\nbelastning, med en sikker vej tilbage, i stedet for at bygge et separat miljø\nalene til belastningstest. Intet testmiljø kommer tættere på produktion end\nproduktion selv.\n\nHagen er, at en canary aldrig er bedre end det signal, der bedømmer den. Fejl,\nsvartider og de forretningstal, der betyder noget, som tilmeldinger, betalinger\neller ordrer, skal kunne ses pr. version og tidligt nok til at standse næste\ntrin. Uden det er en canary bare en langsom udrulning med ekstra ventetid. Sato\nfortæller, at IMVU var pionerer inden for det, der kaldes et »cluster immune\nsystem«: man følger forretningstallene og ruller automatisk en release tilbage\nved en statistisk signifikant regression.\n\nDer er også løbende omkostninger. To eller flere versioner er i drift samtidig,\nog alt, hvad de deler (databasen, en cache, en kø, det API, klienterne kalder),\nskal fungere med dem begge, så længe det står på. Sato råder til at holde\nantallet af samtidige versioner nede på et minimum. Teknikken passer også\ndårligt til software, der er installeret på brugernes egne computere eller\ntelefoner, hvor leverandøren ikke bestemmer, hvornår opgraderingen sker. Dér\nforeslår han, at backenden understøtter begge versioner, at man holder øje med,\nhvilke klientversioner der stadig er i brug, og at den gamle først fjernes, når\ndens andel er faldet tilstrækkeligt.\n\n## Sådan ser det ud i praksis\n\nI sin enkleste form er en canary på Kubernetes to Services, én, der vælger de\nstabile pods, og én, der vælger canary-podsene, plus en rute, der vægter\ntrafikken mellem dem. Med Gateway API ligger vægtene i en HTTPRoute:\n\n```yaml\napiVersion: gateway.networking.k8s.io/v1\nkind: HTTPRoute\nmetadata:\n  name: web\nspec:\n  parentRefs:\n    - name: prod-web\n  hostnames:\n    - \"www.example.com\"\n  rules:\n    - backendRefs:\n        - name: web-stable\n          port: 8080\n          weight: 95\n        - name: web-canary\n          port: 8080\n          weight: 5\n```\n\nVægte er forholdstal, ikke procenter: hver backend får sin vægt divideret med\nsummen af vægtene i reglen, så 95 og 5 sender hver tyvende forespørgsel til\ncanary-versionen. En udeladt vægt tæller som 1, og en vægt på 0 sender\ningenting. Gateway API's vejledning i trafikopdeling viser desuden en regel, der\nmatcher en request-header, `traffic: test` i eksemplet, og kun sender de\nforespørgsler til den nye version, så testere kan nå den, før nogen kunde gør.\nAt rykke canary-versionen frem er at rette to tal; at trække den tilbage er at\nsætte dens vægt til 0.\n\nArgo Rollouts automatiserer trinnene. En `Rollout` træder i stedet for en\n`Deployment` med den samme pod-template og angiver de trin, controlleren går\nigennem, hver gang templaten ændres:\n\n```yaml\napiVersion: argoproj.io/v1alpha1\nkind: Rollout\nmetadata:\n  name: web\nspec:\n  replicas: 10\n  selector:\n    matchLabels:\n      app: web\n  template:\n    metadata:\n      labels:\n        app: web\n    spec:\n      containers:\n        - name: web\n          image: registry.example.com/web:1.4.2\n  strategy:\n    canary:\n      maxSurge: \"25%\"\n      maxUnavailable: 0\n      steps:\n        - setWeight: 10\n        - pause:\n            duration: 1h\n        - setWeight: 20\n        - pause: {}\n```\n\nUden en trafikrouter tilnærmer Argo vægten med antallet af pods: ti replikaer\nved 10 procent giver én canary-pod og ni stabile. Den første pause varer en\ntime; den anden varer, indtil nogen beslutter sig. En release og dens to mulige\nudfald ser sådan ud:\n\n```sh\nkubectl argo rollouts set image web web=registry.example.com/web:1.5.0\n# ved den åbne pause: enten videre ...\nkubectl argo rollouts promote web\n# ... eller stop og sæt den stabile version foran alle igen\nkubectl argo rollouts abort web\n```\n\nAlt i det forløb afhænger af, at man under pausen kan se, om canary-versionen\nklarer sig dårligere end den, den afløser. Det er arbejdet bag ydelsen\n[Site reliability \u0026 overvågning](/da/services/site-reliability/), der handler om\nat få besked, mens en fejl stadig er lille. Den\n[hjemmebyggede fejlovervågning og tracing](/da/portfolio/built-first-party-error-monitoring-and-tracing/)\nfra 2025 viser, hvordan sådan et signal ser ud: fejl samles i tilbagevendende\nproblemer frem for en flad liste, og spikes og regressioner opdages med en\ncooldown, så én dårlig udrulning ikke får nogen kaldt ud fyrre gange. Det er\npræcis, hvad et canary-trin har brug for: en regression, der melder sig selv\ninden for pausen, og ikke én, en bruger falder over næste morgen.\n\n## Hvor det går galt\n\n**Canary-versionen er for lille til at sige noget.** Én pod ud af ti i et stille\ntidsrum betjener måske nogle hundrede forespørgsler i løbet af sin pause, og en\nfejl, der rammer hver tusinde forespørgsel, viser sig aldrig. Uret er det\nforkerte mål; antallet af forespørgsler, canary-versionen har betjent, er det\nrigtige. Afstem andel og pause, så en sjælden fejl får chancen for at dukke op\nflere gange, og hold et trin længere om natten end ved middagstid.\n\n**Dashboardene kan ikke skelne canary fra stabil.** En canary-version, hvis\nfejlrate ligger to procentpoint over den stabile versions, lægger ved en andel\npå 5 procent kun cirka én fejl pr. tusind forespørgsler oven i den samlede\nfejlrate. På et dashboard med én fejlrate for hele tjenesten er det usynligt.\nGiv canary-pods og stabile pods hver sin label, som Argo Rollouts tilføjer via\n`canaryMetadata` og `stableMetadata`, tag labelen med over i målingerne, og\nsammenlign canary-versionen med den stabile i stedet for med en fast grænse. En\n`analysis`, der kører i baggrunden på en Rollout, afbryder opdateringen, hvis\nden fejler.\n\n**Begge versioner skriver til de samme data.** Så længe udrulningen står på,\nlæser og skriver gammel og ny kode i den samme database, og med tilfældig\nfordeling kan én brugers forespørgsler ramme begge inden for et minut. En ny\nkolonne, som den gamle version aldrig udfylder, eller et format, den ikke kan\nlæse, bliver til fejl på den stabile side, altså den del, der skulle være\nsikker. Satos svar er parallel change: databasen understøtter begge versioner af\napplikationen under hele udrulningen, og den gamle struktur fjernes først, når\nden gamle version er væk.\n\n**En abort stopper trafikken, ikke ændringen.** `kubectl argo rollouts abort`\nsender trafikken tilbage til det stabile ReplicaSet, men specifikationen i\n`Rollout`-objektet peger stadig på det nye image, og hvis objektet forlader den\nafbrudte tilstand, går det efter den version igen. Tilbagerulningen er først\nfuldført, når templaten er sat tilbage til den forrige version. Ligger\nspecifikationen i et repository, skal rettelsen ske dér, så kilden og clusteret\ner enige om, hvad der skal køre.\n\n**Canary-versionen bliver også brugt som A/B-test.** Routingen er den samme, så\ndet er fristende at måle en ny funktions effekt på konverteringen med\ncanary-trafikken. Sato råder til at holde de to adskilt: en canary jager\nproblemer og bør være færdig på minutter eller timer, mens et eksperiment tester\nen hypotese og kan kræve flere dages data for at blive statistisk signifikant.\nBedømmes canary-versionen på forretningstal, slører den effekt, eksperimentet\nskal fremkalde, også dommen. Udgiv med en canary, og kør derefter eksperimentet\nbag en opdeling for sig, for eksempel et feature flag, når versionen er ude.\n\n## Læs mere\n\n- [Canary Release](https://martinfowler.com/bliki/CanaryRelease.html)\n  — Danilo Satos beskrivelse fra 2014 på Martin Fowlers bliki: valg af brugere,\n  kapacitetstest, A/B-test og databasen.\n- [Argo Rollouts: Canary](https://argo-rollouts.readthedocs.io/en/stable/features/canary/)\n  — trin og pauser, vægte tilnærmet med antallet af pods og skalering med en\n  trafikrouter.\n- [HTTP traffic splitting](https://gateway-api.sigs.k8s.io/guides/user-guides/traffic-splitting/)\n  — Gateway API's vejledning i vægtede backends og en canary-rute, der matcher\n  på en header.\n- [kubectl argo rollouts abort](https://argo-rollouts.readthedocs.io/en/stable/generated/kubectl-argo-rollouts/kubectl-argo-rollouts_abort/)\n  — hvad en abort gør ved trafikken, og hvad den efterlader i specifikationen.\n\n\u003chttps://engineer.company/da/glossary/canary-release/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"En ny version får først en lille del af den rigtige trafik: hvordan andelen styres, hvad der bedømmer den, og hvornår en lille andel ikke siger nok.","formats":{"gemtext":"https://engineer.company/da/glossary/canary-release/index.gmi","gopher":"https://engineer.company/da/glossary/canary-release/gophermap","html":"https://engineer.company/da/glossary/canary-release/","json":"https://engineer.company/da/glossary/canary-release/index.json","markdown":"https://engineer.company/da/glossary/canary-release/index.md","pdf":"https://engineer.company/da/glossary/canary-release/index.pdf"},"kind":"page","language":"da","title":"Hvad er en canary release?","url":"https://engineer.company/da/glossary/canary-release/","version":1}