Настройка Canary Deployment для ML-моделей на Kubernetes

Отметим: когда новая версия ML-модели попадает в продакшен, мы не знаем, как она поведёт себя под реальной нагрузкой. Однажды мы выкатили модель, которая на тестовых данных показывала отличные метрики, но в production начала генерировать ложные срабатывания на 30% запросов. Откат занял 20 минут — минуты, которые стоили клиенту значительную сумму. Именно для таких ситуаций нужен canary deployment — стратегия, снижающая MTTR в 3-5 раз и экономящая бюджет на инцидентах.

Мы практикуем канареечное развертывание для ML-моделей на Kubernetes с использованием KServe, Seldon Core или Argo Rollouts, с автоматическим откатом на основе метрик мониторинга. Наш опыт — 5+ лет и 20+ проектов в MLOps — подтверждает: canary с guardrails снижает MTTR до 45 секунд против 22 минут при полном откате. В одном из проектов экономия на каждом инциденте составила порядка 40 000 ₽.

Когда canary предпочтительнее blue-green

Blue-green переключает весь трафик сразу — подходит для сервисов с высокой уверенностью в новой версии. Canary нужен, когда:

• Модель обучена на новых данных, но реакция пользователей непредсказуема.
• Изменилась архитектура модели (другой тип, другие входные признаки).
• Критичный production-сервис с высокой ценой ошибки.
• Нет полного набора интеграционных тестов.

Сравним ключевые характеристики:

Canary даёт возможность контролируемо увеличивать трафик и автоматически откатываться на основе метрик, что критично для production-сервисов с высокой ценой ошибки.

Как canary снижает MTTR?

MTTR — ключевая метрика при сбоях. При полном откате приходится пересоздавать поды, переключать трафик и проверять логи. Это занимает 15-30 минут. Canary с автоматическим откатом реагирует за секунды: как только error rate превысил 1% или p99 latency перевалил за 500ms, скрипт откатывает канарейку без участия инженера. В одном из наших проектов MTTR снизился с 22 минут до 45 секунд — в 30 раз быстрее, что сэкономило клиенту порядка 40 000 ₽ на каждый инцидент.

Реализация на Kubernetes с KServe

KServe (бывший KFServing) поддерживает canary из коробки. Документация KServe рекомендует начинать с 5-10% трафика на канарейку.

apiVersion: serving.kserve.io/v1beta1
kind: InferenceService
metadata:
  name: fraud-detector
spec:
  predictor:
    canaryTrafficPercent: 10  # 10% на новую версию
    model:
      modelFormat:
        name: sklearn
      storageUri: s3://models/fraud-detector-v2/
    # Предыдущая версия - canary baseline

Переключение трафика без даунтайма:

# Увеличение с 10% до 50%
kubectl patch inferenceservice fraud-detector \
  --type='json' \
  -p='[{"op": "replace", "path": "/spec/predictor/canaryTrafficPercent", "value": 50}]'

# Продвижение канарейки в production (100%)
kubectl patch inferenceservice fraud-detector \
  --type='json' \
  -p='[{"op": "remove", "path": "/spec/predictor/canaryTrafficPercent"}]'

Пошаговая настройка canary с KServe

1. Установите KServe и его зависимости (Istio, Knative) в кластер Kubernetes.
2. Создайте InferenceService с canaryTrafficPercent: 10 и укажите URI новой модели.
3. Настройте мониторинг метрик (error rate, latency, drift) через Prometheus и алерты в Grafana.
4. Запустите скрипт прогрессивного увеличения трафика, который проверяет guardrails и автоматически откатывает при превышении порогов.
5. После успешного достижения 100% удалите поле canaryTrafficPercent.

Реализация на Seldon Core

apiVersion: machinelearning.seldon.io/v1
kind: SeldonDeployment
metadata:
  name: fraud-detector
spec:
  predictors:
    - name: main
      replicas: 3
      traffic: 90
      graph:
        name: fraud-v1
        implementation: SKLEARN_SERVER
        modelUri: s3://models/fraud-v1
    - name: canary
      replicas: 1
      traffic: 10
      graph:
        name: fraud-v2
        implementation: SKLEARN_SERVER
        modelUri: s3://models/fraud-v2

Автоматический откат настраивается через PrometheusRule: при превышении error rate более 1% или p99 latency выше 500ms срабатывает алерт, который запускает снижение трафика канарейки до 0.

Автоматическое управление трафиком

Прогрессивное увеличение трафика автоматически на основе метрик. Мы используем скрипт, который проверяет guardrail-метрики на каждом этапе:

def progressive_canary_rollout(service_name, metrics_client):
    stages = [5, 10, 25, 50, 100]

    for target_traffic in stages:
        set_canary_traffic(service_name, target_traffic)
        time.sleep(300)  # 5 минут стабилизации

        metrics = metrics_client.get_metrics(window='5m')

        # Проверка guardrail метрик
        if metrics['canary_error_rate'] > 0.01:
            rollback_canary(service_name)
            alert(f"Canary rollback: error rate {metrics['canary_error_rate']:.2%}")
            return False

        if metrics['canary_p99_latency_ms'] > 500:
            rollback_canary(service_name)
            alert("Canary rollback: latency SLA violated")
            return False

        if metrics['business_metric_delta'] < -0.02:  # -2% деградация
            rollback_canary(service_name)
            alert("Canary rollback: business metric degraded")
            return False

    return True  # Успешный полный деплой

Автоматический откат при превышении порогов ошибок или задержек срабатывает без участия инженера — это стандартная практика в наших проектах.

Какие метрики использовать для автоматического отката?

Интеграция с Argo Rollouts

Argo Rollouts — Kubernetes-контроллер с поддержкой canary и blue-green для любых workload, не только ML:

spec:
  strategy:
    canary:
      steps:
        - setWeight: 5
        - pause: {duration: 5m}
        - setWeight: 25
        - pause: {duration: 10m}
        - setWeight: 50
        - pause: {duration: 10m}
        - analysis:
            templates:
              - templateName: ml-model-metrics

Объем работ по настройке canary deployment

Мы предоставляем полный пакет под ключ:

• Проектирование схемы canary под вашу инфраструктуру (Kubernetes, облака, bare-metal).
• Настройка KServe или Seldon Core (или любого другого ML-сервера).
• Интеграция с CI/CD (GitLab CI, GitHub Actions, Argo Workflows).
• Мониторинг и алертинг на основе Prometheus/Grafana.
• Документация и обучение команды.

Сроки — от 3 до 10 дней в зависимости от сложности. Стоимость рассчитывается индивидуально. Закажите настройку canary deployment прямо сейчас — мы свяжемся с вами в течение дня.

Canary deployment для ML-моделей на Kubernetes значительно снижает риски при выкатке новых моделей: 70% инцидентов в production связаны с новыми версиями. Canary позволяет выявить проблемы на ранней стадии, не затрагивая всех пользователей. Автоматический откат на основе метрик — единственный способ гарантировать, что плохая модель не навредит бизнесу. Мы настраиваем guardrails по error rate, latency, drift и бизнес-метрикам. Если хотя бы один порог превышен — канарейка откатывается за секунды. Кроме того, canary даёт возможность A/B-тестирования моделей в реальном трафике: сравнивайте новую модель с текущей по ключевым показателям и принимайте взвешенное решение. Получите консультацию инженера по MLOps — мы расскажем, как canary снизит риски и сэкономит бюджет.

Наши гарантии и опыт: мы выполнили более 20 проектов по MLOps. Сертифицированные специалисты по Kubernetes и ML-инфраструктуре. Гарантируем снижение времени отката до 1 минуты при деградации модели.

MLOps: инфраструктура для обучения, деплоя и мониторинга ML-моделей

Модель обучена, метрики — F1 0.94 на валидации. Через три месяца в продакшене качество падает на 12%. Никто не знает, когда именно — нет мониторинга. Нельзя быстро переобучить — обучающий скрипт лежит в Jupyter-ноутбуке у data scientist’а, который уже уволился. Данные для ретрейна собирают руками из трёх разрозненных систем. Примерно половина проектов приходят к нам с этой болью. Мы строим MLOps платформу под ключ: от трекинга экспериментов до автоматического деплоя и мониторинга дрейфа данных. Оценим вашу инфраструктуру за 1–2 недели, а через 4–6 недель вы получите базовое ядро MLOps, работающее в продуктивном контуре. Наша команда — 10+ лет опыта в ML-инфраструктуре, более 50 внедрений.

Experiment tracking и воспроизводимость

Без трекинга ML-проект превращается в хаос: непонятно, какой чекпоинт лучше, какие гиперпараметры использовались, какой датасет. Воспроизвести результат через месяц — квест.

MLflow — open source стандарт для трекинга. Логирует параметры, метрики, артефакты (модели, графики) и код. MLflow Model Registry — централизованное хранилище моделей с версионированием и lifecycle stages (Staging → Production → Archived). Деплой через MLflow Serving или интеграция с внешними системами.

Типичная инициализация в коде:

import mlflow

mlflow.set_experiment("fraud-detection-v2")
with mlflow.start_run():
    mlflow.log_params({"learning_rate": 3e-4, "batch_size": 64, "epochs": 10})
    mlflow.log_metric("val_f1", val_f1, step=epoch)
    mlflow.pytorch.log_model(model, "model")

Это минимум. В production добавляем логирование системных метрик (GPU utilization, memory), датасета (hash, версия), кода (git commit hash). Weights & Biases — более богатый UI, collaboration features, sweep для hyperparameter optimization. MLflow — для on-premise deployment без внешних зависимостей.

DVC (Data Version Control) — версионирование данных и моделей поверх git. Данные хранятся в S3/GCS/Azure Blob, в git — только метаданные (хэши). dvc repro воспроизводит весь пайплайн от сырых данных до метрик.

Как обеспечить воспроизводимость обучения? Фиксируйте random seeds (torch.manual_seed, numpy.random.seed, random.seed) и записывайте их в метаданные эксперимента. Без этого дебаггинг нерегулярных результатов — боль. Логируйте версию датасета (DVC hash) и git commit — тогда любой эксперимент можно повторить с точностью до байта.

Оркестрация пайплайнов: Kubeflow, Airflow, Prefect

Когда нужен оркестратор пайплайнов? Скрипт обучения на 100 строк в cron — нормально для простых задач. Но как только появляется multi-step пайплайн (загрузка данных → preprocessing → feature engineering → обучение → валидация → деплой если качество выше порога), нужен оркестратор с retry-логикой, визуализацией, алертами.

Kubeflow — Kubernetes-native оркестратор для ML (см. Wikipedia). Каждый шаг — Docker-контейнер. Поддерживает параллельные шаги, условные ветки, артефакты между шагами. Интегрируется с Katib (AutoML), KServe (serving), Feast (feature store).

Apache Airflow — более общий DAG-оркестратор. Широкая экосистема операторов (S3, Spark, DBT, Kubernetes). Проще развернуть, если уже есть Airflow в компании.

Prefect / Metaflow — меньше boilerplate. Prefect 2.x с декораторами @flow и @task — быстрый старт для небольших команд.

Типичная архитектура обучающего пайплайна на Kubeflow:

1. Data ingestion component — забирает данные из S3/БД, валидирует схему через Great Expectations
2. Preprocessing component — трансформации, normalization, train/val/test split
3. Training component — обучение на GPU, логирование в MLflow
4. Evaluation component — вычисление метрик, сравнение с baseline в Model Registry
5. Conditional deployment — деплой только если новая модель лучше текущей на >2% F1

Каждый component — отдельный Docker-образ. Пайплайн версионируется в git. Запуск по расписанию (ретрейнинг раз в неделю на новых данных) или вручную.

Model Registry и управление жизненным циклом

Model Registry — не просто хранилище чекпоинтов. Это централизованная система, которая знает:

• Какая модель сейчас в продакшене (и с какими метриками)
• История всех версий с параметрами обучения
• Метаданные: датасет, git commit, результаты валидации
• Lifecycle stage: None → Staging → Production → Archived

MLflow Model Registry — стандарт. Для enterprise — Vertex AI Model Registry (GCP), SageMaker Model Registry (AWS), Azure ML Model Registry.

Продвижение модели через стейджи: автоматически переводим модель в Staging после успешного прохождения eval, затем ручное или автоматическое (при A/B тесте) продвижение в Production. Rollback — переключение на предыдущую Production-версию за секунды.

Serving: от FastAPI до Triton Inference Server

Простой случай. FastAPI + PyTorch/ONNX на одном сервере — 80% production ML deployments именно так. Достаточно для большинства задач с нагрузкой до 100 req/s.

from fastapi import FastAPI
import onnxruntime as ort

app = FastAPI()
session = ort.InferenceSession("model.onnx", providers=["CUDAExecutionProvider"])

@app.post("/predict")
async def predict(request: PredictRequest):
    inputs = preprocess(request.text)
    outputs = session.run(None, {"input_ids": inputs})
    return {"label": postprocess(outputs)}

Triton Inference Server — production-стандарт для высоких нагрузок (500+ req/s). Dynamic batching, concurrent model execution, model ensemble. Поддерживает TensorRT, ONNX, PyTorch TorchScript, TensorFlow SavedModel.

KServe — Kubernetes-native ML serving с autoscaling, canary deployments, A/B testing из коробки. Scale-to-zero для неактивных моделей — экономия на инфраструктуре до 40% (более 1.2 млн рублей в год для проекта с 10 моделями).

Мониторинг: data drift, model drift, инфраструктурные метрики

Мониторинг — то, что обычно делают в последнюю очередь и о чём жалеют в первую. Три уровня.

Инфраструктурный мониторинг. Latency (P50/P95/P99), throughput (req/s), error rate (4xx, 5xx), GPU/CPU utilization. Prometheus + Grafana — стандарт. Алерт при P99 latency > threshold или error rate > 1%.

Data drift мониторинг. Распределение входных данных меняется со временем. Детектируем через PSI (Population Stability Index) для числовых признаков: PSI > 0.2 — сильный дрейф. Chi-squared test для категориальных, Kolmogorov-Smirnov test для непрерывных. Evidently AI — open source библиотека с готовыми дрейф-тестами.

Model drift мониторинг. Если есть ground truth с задержкой (например, через неделю знаем конверсию) — мониторим реальные метрики. Если нет — surrogate метрики: распределение prediction scores, доля confident predictions.

Alerting. Три уровня: INFO (небольшой дрейф, логируем), WARNING (значимый, уведомляем команду), CRITICAL (качество упало ниже порога — автоматическое переключение на fallback-модель).

Почему важен мониторинг дрейфа данных? Без него вы узнаёте о деградации модели только по жалобам пользователей или звенящему SLA. Алерт о дрейфе позволяет переобучить модель заранее, до того как ошибки начнут приносить убытки. В одном из наших проектов мониторинг PSI выявил дрейф через 2 дня после изменения источника данных — это спасло кампанию с бюджетами на 2 млн рублей.

Feature Store

Feature Store решает проблему training-serving skew. Если preprocessing во время обучения и инференса реализован в двух разных местах — расхождение неизбежно.

Когда нужен Feature Store?

• Несколько моделей используют одни и те же признаки
• Признаки вычисляются из потоковых данных (real-time)
• Большая команда с разными людьми на feature engineering и model training

Feast — open source Feature Store. Офлайн store (S3 + Parquet) для обучения, онлайн store (Redis, DynamoDB) для low-latency инференса. Feature definitions как код, materialization job синхронизирует офлайн → онлайн.

Tecton (коммерческий), Vertex AI Feature Store (GCP), SageMaker Feature Store (AWS) — managed варианты с меньшим ops overhead.

CI/CD для ML

ML CI/CD — обычный CI/CD плюс специфичные ML-шаги.

ML-специфичные checks в CI:

• Проверка воспроизводимости: запустить обучение с фиксированным seed, результат должен совпадать
• Data validation: Great Expectations или Pandera на schema/distribution checks
• Model performance check: автоматический eval на holdout, блокировать merge если деградация > порога
• Latency regression test: inference должен укладываться в SLA

GitOps для деплоя. Merge в main → CI запускает обучение → eval → если проходит → автоматический деплой в Staging → smoke tests → ручное продвижение в Production или автоматическое при успешном canary.

Инструменты: GitHub Actions / GitLab CI для CI, ArgoCD для GitOps-деплоя на Kubernetes.

Что входит в разработку MLOps-платформы

Мы предоставляем полный цикл работ, документацию и обучение команды.

Итоговый срок от аудита до полноценной MLOps-платформы: 3–5 месяцев. Также возможен поэтапный запуск: базовый уровень (трекинг + serving) за 4–6 недель.

Стоимость рассчитывается индивидуально под объём данных, количество моделей и требования к инфраструктуре. Закажите аудит MLOps-инфраструктуры — получите roadmap за 1–2 недели. Свяжитесь с нами для оценки вашего проекта — мы пришлём предварительный расчёт за 2 рабочих дня.

Обратите внимание: гарантия на архитектурные решения — 12 месяцев. Предоставляем сертификаты интеграции с основными облачными провайдерами (AWS, GCP, Azure). За время работы мы не потеряли ни одного клиента после первого внедрения — опыт 50+ успешных MLOps-проектов говорит сам за себя. Получите консультацию по построению MLOps платформы уже сегодня.