{"canonical_url":"https://engineer.company/sv/glossary/canary-release/","content_markdown":"# Canary release\n\n## Vad det är\n\nEn canary release skickar ut en ny version av en tjänst till en liten del av den\nriktiga trafiken först, medan versionen den ska ersätta fortsätter att betjäna\nalla andra. Håller den nya versionen, ökas andelen steg för steg tills den bär\nallt, och den gamla versionen kan fasas ut. Håller den inte, går trafiken\ntillbaka till den gamla versionen, som aldrig slutade köra, och bara den lilla\nandelen hann märka felet. Danilo Sato beskrev tekniken på Martin Fowlers bliki i\njuni 2014 och nämner att den också kallas phased rollout eller incremental\nrollout. I Kubernetesvärlden säger man oftare canary deployment, och på svenska\nförekommer också canary-driftsättning. Argo Rollouts, en Kubernetes-controller\nsom lägger till driftsättningsstrategier av det här slaget, kallar inställningen\n`canary`.\n\nNamnet kommer från kolgruvorna. Gruvarbetarna tog med sig en kanariefågel i bur\nner i gruvan, eftersom gas som läckte in skulle påverka fågeln innan den\npåverkade människorna, och fågelns tecken på obehag var deras varning att ta sig ut. Den lilla andelen\ntrafik spelar samma roll: den möter problemet först, medan det fortfarande finns\ntid att agera.\n\nVilka som hamnar i andelen är ett val. Sato nämner ett slumpmässigt urval av\nanvändarna, företagets egna anställda före resten av världen och användare\nutvalda efter profil eller demografi. Stora system delar ofta längs skiljelinjer\nde redan har: en region, en viss plats eller ett varumärke först. Enligt Sato\nanvände Facebook flera canaries, där den första bara var synlig för företagets\negna anställda och hade alla funktionsflaggor påslagna, så att problem med nya\nfunktioner visade sig tidigt.\n\nSkillnaden mot blå-grön driftsättning ligger i hur trafiken flyttas. Vid\nblå-grön driftsättning byggs en komplett extra kopia och all trafik flyttas i en\nenda växling, medan den gamla kopian står kvar som vägen tillbaka. En canary\nflyttar trafiken gradvis, så att två versioner under en period betjänar riktiga\nanvändare sida vid sida. En rullande driftsättning har också två versioner i\ndrift samtidigt, men den byter ut instanser så fort de blir klara, utan någon\npaus för att bedöma hur den nya versionen klarar sig. En canary stannar vid\nvarje steg och väntar på ett svar.\n\n## Varför det spelar roll\n\nVissa fel visar sig bara i produktion: under verklig belastning, med verkliga\ndata och med den faktiska blandningen av klienter. En stagingmiljö kan komma\nnära men blir aldrig identisk. En canary accepterar det och begränsar i stället\nskadan. När vart tjugonde anrop når den nya versionen, drabbar en dålig release\nvart tjugonde anrop så länge det tar att upptäcka den, och lösningen är att\nskicka tillbaka den andelen.\n\nSato pekar på en annan vinst: kapacitetstestning. När andelen skruvas upp\nlångsamt, ser man hur den nya versionen beter sig under växande produktionslast,\nmed en säker väg tillbaka, i stället för att bygga en separat miljö bara för\nlasttester. Ingen testmiljö kommer närmare produktion än produktionen själv.\n\nHaken är att en canary aldrig är bättre än signalen som bedömer den. Fel,\nsvarstider och de affärssiffror som spelar roll, som registreringar, betalningar\neller beställningar, måste synas per version och tidigt nog för att stoppa nästa\nsteg. Utan det är en canary bara en långsam utrullning med extra väntan. Sato\nberättar att IMVU var pionjärer med det som kallas ett ”cluster immune system”:\nman följer affärssiffrorna och rullar automatiskt tillbaka en release vid en\nstatistiskt signifikant regression.\n\nDet finns också löpande kostnader. Två eller fler versioner är i drift\nsamtidigt, och allt de delar (databasen, en cache, en kö, API:t som klienterna\nanropar) måste fungera med båda så länge det pågår. Sato rekommenderar att\nantalet samtidiga versioner hålls till ett minimum. Tekniken passar också dåligt\nför programvara som är installerad på användarnas egna datorer eller telefoner,\ndär leverantören inte bestämmer när uppgraderingen sker. Där föreslår han att\nbackenden stöder båda versionerna, att man håller koll på vilka klientversioner\nsom fortfarande används och att den gamla tas bort först när dess andel har\nsjunkit tillräckligt.\n\n## Så ser det ut i praktiken\n\nI sin enklaste form är en canary på Kubernetes två Services, en som väljer de\nstabila poddarna och en som väljer canary-poddarna, plus en rutt som viktar\ntrafiken mellan dem. Med Gateway API ligger vikterna 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\nVikter är proportioner, inte procent: varje backend får sin vikt delad med\nsumman av vikterna i regeln, så 95 och 5 skickar vart tjugonde anrop till\ncanary-versionen. En utelämnad vikt räknas som 1, och en vikt på 0 skickar\ningenting. Gateway API:s guide till trafikdelning visar också en regel som\nmatchar en header i anropet, `traffic: test` i exemplet, och bara skickar de\nanropen till den nya versionen, så att testare kan nå den innan någon kund gör\ndet. Att flytta fram canary-versionen är att ändra två siffror; att dra tillbaka\nden är att sätta dess vikt till 0.\n\nArgo Rollouts automatiserar stegen. En `Rollout` ersätter en `Deployment` med\nsamma poddmall och anger de steg som controllern går igenom varje gång mallen\nändras:\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\nUtan en trafikrouter approximerar Argo vikten med antalet poddar: tio repliker\nvid 10 procent ger en canary-podd och nio stabila. Den första pausen varar en\ntimme; den andra varar tills någon bestämmer sig. En release och dess två\nmöjliga utfall ser ut så här:\n\n```sh\nkubectl argo rollouts set image web web=registry.example.com/web:1.5.0\n# vid pausen utan tidsgräns: antingen vidare ...\nkubectl argo rollouts promote web\n# ... eller stoppa och låt den stabila versionen ta all trafik igen\nkubectl argo rollouts abort web\n```\n\nAllt i det förloppet hänger på att man under pausen kan se om canary-versionen\nklarar sig sämre än versionen den ersätter. Det är arbetet bakom tjänsten\n[Tillförlitlig drift och övervakning](/sv/services/site-reliability/), som\nhandlar om larm som säger till medan ett fel fortfarande är litet. Den\n[egenutvecklade felövervakningen och\nspårningen](/sv/portfolio/built-first-party-error-monitoring-and-tracing/) från\n2025 visar hur en sådan signal ser ut: fel grupperas till återkommande problem i\nstället för en platt lista, och toppar och regressioner upptäcks med en\nkarenstid, så att en dålig driftsättning inte larmar någon fyrtio gånger. Det är\nprecis vad ett canary-steg behöver: en regression som gör sig till känna inom\npausen, och inte en som en användare snubblar över nästa morgon.\n\n## Var det går fel\n\n**Canary-versionen är för liten för att säga något.** En podd av tio under en\nlugn timme betjänar kanske några hundra anrop under sin paus, och ett fel som\ndrabbar vart tusende anrop syns aldrig. Klockan är fel mått; antalet anrop som\ncanary-versionen har betjänat är det rätta. Anpassa andel och paus tillsammans,\nså att ett sällsynt fel får chansen att dyka upp flera gånger, och håll ett steg\nlängre på natten än mitt på dagen.\n\n**Ingen dashboard skiljer canary från stabil.** En canary-version vars\nfelfrekvens ligger två procentenheter över den stabila versionens lägger, vid en\nandel på 5 procent, bara till ungefär ett fel per tusen anrop i den samlade\nfelfrekvensen. På en dashboard med en enda felfrekvens för hela tjänsten är det\nosynligt. Ge canary-poddar och stabila poddar var sin label, som Argo Rollouts\nlägger till via `canaryMetadata` och `stableMetadata`, ta med labeln in i\nmätningarna och jämför canary-versionen med den stabila i stället för med en\nfast gräns. En `analysis` som körs i bakgrunden på en Rollout avbryter\nuppdateringen om den misslyckas.\n\n**Båda versionerna skriver till samma data.** Så länge utrullningen pågår, läser\noch skriver gammal och ny kod i samma databas, och med slumpmässig fördelning\nkan en användares anrop hamna på båda inom en minut. En ny kolumn som den gamla\nversionen aldrig fyller i, eller ett format den inte kan läsa, blir fel på den\nstabila sidan, alltså den del som skulle vara säker. Satos svar är parallel\nchange: databasen stöder båda versionerna av applikationen under hela\nutrullningen, och den gamla strukturen tas bort först när den gamla versionen är\nborta.\n\n**En abort stoppar trafiken, inte ändringen.** `kubectl argo rollouts abort`\nskickar trafiken tillbaka till det stabila ReplicaSet, men specifikationen i\n`Rollout`-objektet pekar fortfarande på den nya avbildningen, och om objektet\nlämnar det avbrutna tillståndet går det mot den versionen igen. Återställningen\när inte klar förrän mallen har satts tillbaka till föregående version. Ligger\nspecifikationen i ett repo, ska ändringen göras där, så att källan och klustret\när överens om vad som ska köras.\n\n**Canary-versionen får också tjäna som A/B-test.** Routningen är densamma, så\ndet är frestande att mäta en ny funktions effekt på konverteringen med\ncanary-trafiken. Sato råder till att hålla isär de två: en canary letar efter\nproblem och bör vara klar inom minuter eller timmar, medan ett experiment prövar\nen hypotes och kan behöva flera dagars data för att bli statistiskt signifikant.\nOm canary-versionen bedöms efter affärssiffror, grumlas domen dessutom av den\neffekt som experimentet ska framkalla. Släpp med en canary, och kör sedan\nexperimentet bakom en egen uppdelning, till exempel en funktionsflagga, när\nversionen är ute.\n\n## Läs mer\n\n- [Canary Release](https://martinfowler.com/bliki/CanaryRelease.html)\n  — Danilo Satos beskrivning från 2014 på Martin Fowlers bliki: val av\n  användare, kapacitetstestning, A/B-tester och databasen.\n- [Argo Rollouts: Canary](https://argo-rollouts.readthedocs.io/en/stable/features/canary/)\n  — steg och pauser, vikter som approximeras med antalet poddar och skalning\n  med en trafikrouter.\n- [HTTP traffic splitting](https://gateway-api.sigs.k8s.io/guides/user-guides/traffic-splitting/)\n  — Gateway API:s guide till viktade backends och en canary-rutt som matchar\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  — vad en abort gör med trafiken och vad den lämnar kvar i specifikationen.\n\n\u003chttps://engineer.company/sv/glossary/canary-release/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"En ny version får först en liten del av den riktiga trafiken: hur andelen styrs, vad som bedömer den och när en liten andel inte säger tillräckligt.","formats":{"gemtext":"https://engineer.company/sv/glossary/canary-release/index.gmi","gopher":"https://engineer.company/sv/glossary/canary-release/gophermap","html":"https://engineer.company/sv/glossary/canary-release/","json":"https://engineer.company/sv/glossary/canary-release/index.json","markdown":"https://engineer.company/sv/glossary/canary-release/index.md","pdf":"https://engineer.company/sv/glossary/canary-release/index.pdf"},"kind":"page","language":"sv","title":"Vad är en canary release?","url":"https://engineer.company/sv/glossary/canary-release/","version":1}