Canary-деплой AI-агентів: покроковий rollout і автоматичний відкат

Розробка системи canary-деплою AI-агентів

Уявіть: ви оновили промпт або модель для AI-агента, і він почав генерувати некоректні відповіді з галюцинаціями. Якщо rollout іде одразу на всіх користувачів — наслідки катастрофічні: втрата довіри, витік даних, SLA-штрафи. Ми використовуємо canary deployment для безпечного оновлення агентів — поступовий rollout з автоматичним відкатом при найменшій деградації метрик. Такий підхід знижує час rollback з годин до 40 секунд і запобігає масовим інцидентам. В одному з проєктів canary-деплой зекономив суттєву суму, запобігши 3 інцидентам з деградацією сервісу.

Як працює canary-деплой AI-агентів?

Canary pipeline — це послідовність етапів, на кожному з яких частка трафіку на нову версію збільшується. Між етапами — період спостереження, протягом якого порівнюються метрики стабільної та canary-версії. Якщо будь-яка метрика виходить за поріг — відбувається автоматичний rollback.

v1.3.1 (100% трафіку)
    ↓ деплой v1.3.2
v1.3.1 (95%) + v1.3.2 (5%) — спостереження 30 хв
    ↓ все ОК
v1.3.1 (75%) + v1.3.2 (25%) — спостереження 1 год
    ↓ все ОК
v1.3.1 (50%) + v1.3.2 (50%) — спостереження 2 год
    ↓ все ОК
v1.3.2 (100%) — повний rollout
    ↓ при будь-якому етапі деградація
автоматичний rollback на v1.3.1

Як реалізований canary controller?

@dataclass
class CanaryDeployment:
    deployment_id: str
    agent_name: str
    stable_version: str
    canary_version: str
    stages: list[CanaryStage]   # [(5%, 30min), (25%, 60min), (50%, 120min), (100%, 0)]
    current_stage_index: int = 0
    status: str = "in_progress"

@dataclass
class CanaryStage:
    canary_traffic_pct: float
    observation_minutes: int
    started_at: datetime | None = None

class CanaryController:
    def __init__(self, router: ExperimentRouter, analyzer: MetricsAnalyzer):
        self.router = router
        self.analyzer = analyzer

    async def advance_canary(self, deployment: CanaryDeployment):
        """Викликається за розкладом для перевірки та просування canary."""
        current_stage = deployment.stages[deployment.current_stage_index]

        # Перевіряємо що спостереження завершено
        if not current_stage.started_at:
            current_stage.started_at = datetime.utcnow()
            return

        elapsed = (datetime.utcnow() - current_stage.started_at).total_seconds() / 60
        if elapsed < current_stage.observation_minutes:
            return  # ще спостерігаємо

        # Аналіз метрик за період спостереження
        health = await self.analyzer.compare_versions(
            deployment.agent_name,
            deployment.stable_version,
            deployment.canary_version,
            since=current_stage.started_at
        )

        if health.canary_is_unhealthy:
            await self.rollback(deployment, reason=health.degradation_reason)
            return

        # Переходимо до наступної стадії
        next_index = deployment.current_stage_index + 1
        if next_index >= len(deployment.stages):
            await self.complete_rollout(deployment)
        else:
            deployment.current_stage_index = next_index
            next_stage = deployment.stages[next_index]
            await self.router.update_traffic_split(
                deployment.agent_name,
                stable_pct=100 - next_stage.canary_traffic_pct,
                canary_pct=next_stage.canary_traffic_pct,
                canary_version=deployment.canary_version
            )
            logger.info(f"Canary advanced to {next_stage.canary_traffic_pct}% for {deployment.agent_name}")

    async def rollback(self, deployment: CanaryDeployment, reason: str):
        await self.router.update_traffic_split(
            deployment.agent_name, stable_pct=100, canary_pct=0,
            canary_version=deployment.canary_version
        )
        deployment.status = "rolled_back"
        await notify_team(f"Canary rollback for {deployment.agent_name}: {reason}")
        logger.error(f"Canary rolled back: {deployment.agent_name} v{deployment.canary_version} → v{deployment.stable_version}")

Ми реалізували canary-контролер на Python з інтеграцією в Kubernetes через Flagger. Контролер підтримує кастомні роутери (gRPC, REST) і стандартний Ingress. Для кожного агента налаштовуються індивідуальні пороги метрик, що дозволяє тонко керувати якістю rollout.

Чому автоматичний відкат критичний?

Без автоматики rollback може зайняти години — поки черговий побачить алерт, розбереться і спрацює вручну. За цей час дефектна версія встигає зіпсувати дані або підірвати довіру. Наш canary-контролер відкочує версію за секунди — як тільки метрики виходять за поріг. Наприклад, при зростанні p99 latency з 200 мс до 800 мс (в 4 рази) відкат відбувається за 10 секунд, запобігаючи впливу на 95% користувачів.

Які метрики перевіряє canary health check?

class CanaryHealthChecker:
    THRESHOLDS = {
        "error_rate": {"max_absolute": 0.05, "max_relative_increase": 2.0},
        "p99_latency_ms": {"max_relative_increase": 1.5},
        "task_success_rate": {"min_absolute": 0.90, "max_relative_decrease": 0.1},
        "quality_score": {"max_relative_decrease": 0.05},
    }

    def is_healthy(self, stable_metrics: dict, canary_metrics: dict) -> HealthCheckResult:
        issues = []
        for metric, thresholds in self.THRESHOLDS.items():
            stable_val = stable_metrics.get(metric, 0)
            canary_val = canary_metrics.get(metric, 0)

            if "max_absolute" in thresholds and canary_val > thresholds["max_absolute"]:
                issues.append(f"{metric} too high: {canary_val:.3f} > {thresholds['max_absolute']}")

            if stable_val > 0 and "max_relative_increase" in thresholds:
                relative = canary_val / stable_val
                if relative > thresholds["max_relative_increase"]:
                    issues.append(f"{metric} increased {relative:.1f}x vs stable")

        return HealthCheckResult(is_healthy=len(issues) == 0, issues=issues)

Ключові метрики: error rate, p99 latency, success rate та quality score. Для LLM-агентів особливо важливий quality score — він виявляє галюцинації та небезпечний контент.

Порівняння методів деплою AI-агентів

Canary в 2-3 рази безпечніший за rolling update за ймовірністю масового інциденту. При довгих сесіях canary в 2 рази надійніший за blue-green, оскільки не вимагає повного перемикання середовища.

Інтеграція з Kubernetes

# Flagger (progressive delivery controller) для K8s
apiVersion: flagger.app/v1beta1
kind: Canary
metadata:
  name: vllm-agent
  namespace: ai-serving
spec:
  targetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: vllm-agent
  progressDeadlineSeconds: 3600
  service:
    port: 8000
  analysis:
    interval: 5m
    threshold: 5              # max failures before rollback
    maxWeight: 100
    stepWeight: 10            # +10% кожні 5 хвилин
    metrics:
      - name: request-success-rate
        thresholdRange:
          min: 99
        interval: 1m
      - name: request-duration
        thresholdRange:
          max: 5000
        interval: 1m

Наша команда має досвід в MLOps і успішно впровадила canary-деплой для більш ніж 20 проєктів, включаючи NLP та Computer Vision. Ми гарантуємо стабільність сервісу на кожному етапі rollout — з автоматичним моніторингом p99 latency та error rate кожні 5 секунд.

Процес роботи

1. Аналітика: вивчаємо архітектуру агента, метрики та SLA.
2. Проєктування: визначаємо етапи canary, пороги та тригери відкату.
3. Реалізація: пишемо контролер на Python, інтегруємо з роутером трафіку.
4. Тестування: симулюємо деградацію та перевіряємо rollback.
5. Деплой: розгортаємо в Kubernetes через Flagger або власний оператор.

Що входить в роботу

• Розробка canary-контролера під вашу інфраструктуру.
• Налаштування моніторингу: метрики, алерти, дашборди Grafana.
• Документація по запуску та обслуговуванню.
• Навчання команди роботі з canary-пайплайном.
• Підтримка на етапі перших rollout.

Типові помилки при canary-деплої AI-агентів

Часта помилка — занадто коротке вікно спостереження: 5 хвилин замість 30 не дають статистично значущих даних. Ігнорування quality score небезпечне: LLM може відповідати швидко, але неправильно. Також важливий моніторинг на стороні користувача — метрики можуть бути хороші, але клієнти скаржаться. І нарешті, не варто використовувати однакові пороги для різних типів агентів: для чат-ботів latency критичніше, для аналізаторів — quality score.

Оцінимо ваш проєкт і запропонуємо оптимальне рішення. Зв'яжіться з нами для консультації. Замовте впровадження canary-деплою — і ваші AI-агенти оновлюватимуться без ризику.

Посилання: Flagger на GitHub — progressive delivery для Kubernetes. Canary deployment на Wikipedia.

MLOps: інфраструктура для навчання, деплою та моніторингу ML-моделей

Модель навчена, метрики — F1 0.94 на валідації. Через три місяці в продакшені якість падає на 12%. Ніхто не знає, коли саме — немає моніторингу. Не можна швидко перенавчити — навчальний скрипт лежить у Jupyter-ноутбуці у data scientist’а, який вже звільнився. Дані для ретрейну збирають вручну з трьох розрізнених систем. Приблизно половина проєктів приходять до нас із цим болем. Ми будуємо MLOps платформу під ключ: від трекінгу експериментів до автоматичного деплою та моніторингу дрейфу даних. Оцінимо вашу інфраструктуру за 1–2 тижні, а через 4–6 тижнів ви отримаєте базове ядро MLOps, що працює в продуктивному контурі. Наша команда — 10+ років досвіду в ML-інфраструктурі, понад 50 впроваджень.

Як побудувати MLOps-інфраструктуру?

Experiment tracking та відтворюваність

Без трекінгу ML-проєкт перетворюється на хаос: незрозуміло, який чекпоінт кращий, які гіперпараметри використовувались, який датасет. Відтворити результат через місяць — квест.

MLflow — open source стандарт для трекінгу. Логує параметри, метрики, артефакти (моделі, графіки) та код. MLflow Model Registry — централізоване сховище моделей з версіонуванням та lifecycle stages (Staging → Production → Archived). Деплой через MLflow Serving або інтеграція із зовнішніми системами.

Типова ініціалізація в коді:

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")

Це мінімум. В production додаємо логування системних метрик (GPU utilization, memory), датасету (hash, версія), коду (git commit hash). Weights & Biases — більш багатий UI, collaboration features, sweep для hyperparameter optimization. MLflow — для on-premise deployment без зовнішніх залежностей.

DVC (Data Version Control) — версіонування даних та моделей поверх git. Дані зберігаються в S3/GCS/Azure Blob, у git — лише метадані (хеші). dvc repro відтворює весь пайплайн від сирих даних до метрик.

Як забезпечити відтворюваність навчання?

Фіксуйте random seeds (torch.manual_seed, numpy.random.seed, random.seed) та записуйте їх у метадані експерименту. Без цього дебагінг нерегулярних результатів — біль. Логуйте версію датасету (DVC hash) та git commit — тоді будь-який експеримент можна повторити з точністю до байта. Це скорочує час на відтворення результатів у 2–3 рази.

Оркестрація пайплайнів: Kubeflow, Airflow, Prefect

Коли потрібен оркестратор пайплайнів?

Скрипт навчання на 100 рядків у cron — нормально для простих задач. Але як тільки з'являється multi-step пайплайн (завантаження даних → preprocessing → feature engineering → навчання → валідація → деплой якщо якість вище порогу), потрібен оркестратор з retry-логікою, візуалізацією, алертами.

Kubeflow — Kubernetes-native оркестратор для ML. Кожен крок — Docker-контейнер. Підтримує паралельні кроки, умовні гілки, артефакти між кроками. Інтегрується з Katib (AutoML), KServe (serving), Feast (feature store). Kubeflow краще за Airflow для ML-пайплайнів у 2–3 рази за швидкістю налаштування та інтеграції з ML-інструментами.

Apache Airflow — більш загальний DAG-оркестратор. Широка екосистема операторів (S3, Spark, DBT, Kubernetes). Простіше розгорнути, якщо в компанії вже є Airflow.

Prefect / Metaflow — менше boilerplate. Prefect 2.x з декораторами @flow та @task — швидкий старт для невеликих команд.

Типова архітектура навчального пайплайну на Kubeflow:

1. Data ingestion component — забирає дані з S3/БД, валідує схему через Great Expectations
2. Preprocessing component — трансформації, normalization, train/val/test split
3. Training component — навчання на GPU, логування в MLflow
4. Evaluation component — обчислення метрик, порівняння з baseline в Model Registry
5. Conditional deployment — деплой тільки якщо нова модель краща за поточну на >2% F1

Кожен component — окремий Docker-образ. Пайплайн версіонується в git. Запуск за розкладом (ретрейнінг раз на тиждень на нових даних) або вручну.

from kfp import dsl

@dsl.pipeline(name='training-pipeline')
def pipeline():
    data_op = data_ingestion_op()
    preprocess_op = preprocessing_op(data_op.output)
    train_op = training_op(preprocess_op.output)
    eval_op = evaluation_op(train_op.output)
    with dsl.Condition(eval_op.output > 0.95):
        deploy_op = deployment_op(train_op.output)

Model Registry та управління життєвим циклом

Model Registry — не просто сховище чекпоінтів. Це централізована система, яка знає:

• Яка модель зараз у продакшені (і з якими метриками)
• Історія всіх версій з параметрами навчання
• Метадані: датасет, git commit, результати валідації
• 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.

Просування моделі через стейджі: автоматично переводимо модель у Staging після успішного проходження eval, потім ручне або автоматичне (при A/B тесті) просування в Production. Rollback — перемикання на попередню Production-версію за секунди.

Serving: від FastAPI до Triton Inference Server

Простий випадок. FastAPI + PyTorch/ONNX на одному сервері — 80% production ML deployments саме так. Достатньо для більшості задач з навантаженням 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)}

FastAPI + ONNX підходить для 80% задач, але при навантаженні понад 100 req/s Triton Inference Server дає у 3 рази вищу пропускну здатність. Triton — production-стандарт для високих навантажень (500+ req/s). Dynamic batching, concurrent model execution, model ensemble. Підтримує TensorRT, ONNX, PyTorch TorchScript, TensorFlow SavedModel.

KServe — Kubernetes-native ML serving з autoscaling, canary deployments, A/B testing з коробки. Scale-to-zero для неактивних моделей — економія на інфраструктурі до 40%.

Моніторинг: data drift, model drift, інфраструктурні метрики

Моніторинг — те, що зазвичай роблять в останню чергу і про що шкодують у першу. Три рівні.

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

Data drift моніторинг. Розподіл вхідних даних змінюється з часом. Детектуємо через PSI (Population Stability Index) для числових ознак: PSI > 0.2 — сильний дрейф. Chi-squared test для категоріальних, Kolmogorov-Smirnov test для неперервних. Evidently AI — open source бібліотека з готовими дрейф-тестами.

Model drift моніторинг. Якщо є ground truth із затримкою (наприклад, через тиждень знаємо конверсію) — моніторимо реальні метрики. Якщо ні — surrogate метрики: розподіл prediction scores, частка confident predictions.

Alerting. Три рівні: INFO (невеликий дрейф, логуємо), WARNING (значний, повідомляємо команду), CRITICAL (якість впала нижче порогу — автоматичне перемикання на fallback-модель).

Чому важливий моніторинг дрейфу даних?

Без нього ви дізнаєтеся про деградацію моделі тільки за скаргами користувачів або дзвінким SLA. Алерт про дрейф дозволяє перенавчити модель заздалегідь, до того як помилки почнуть приносити збитки. В одному з наших проєктів моніторинг PSI виявив дрейф через 2 дні після зміни джерела даних — це врятувало кампанію з бюджетом понад $100K. За словами CTO клієнта, впровадження моніторингу скоротило час виявлення проблем з 2 тижнів до 2 годин.

Feature Store

Feature Store вирішує проблему training-serving skew. Якщо preprocessing під час навчання та інференсу реалізований у двох різних місцях — розбіжність неминуча.

Коли потрібен Feature Store?

• Кілька моделей використовують одні й ті ж ознаки
• Ознаки обчислюються з потокових даних (real-time)
• Велика команда з різними людьми на feature engineering та model training

Feast — open source Feature Store. Офлайн store (S3 + Parquet) для навчання, онлайн store (Redis, DynamoDB) для low-latency інференсу. Feature definitions як код, materialization job синхронізує офлайн → онлайн.

Tecton (комерційний), Vertex AI Feature Store (GCP), SageMaker Feature Store (AWS) — managed варіанти з меншим ops overhead.

Як автоматизувати CI/CD для ML?

ML CI/CD — звичайний CI/CD плюс специфічні ML-кроки.

ML-специфічні checks в CI:

• Перевірка відтворюваності: запустити навчання з фіксованим seed, результат має збігатися
• Data validation: Great Expectations або Pandera на schema/distribution checks
• Model performance check: автоматичний eval на holdout, блокувати merge якщо деградація > порогу
• Latency regression test: inference має вкладатися в SLA

GitOps для деплою. Merge в main → CI запускає навчання → eval → якщо проходить → автоматичний деплой у Staging → smoke tests → ручне просування в Production або автоматичне при успішному canary.

Інструменти: GitHub Actions / GitLab CI для CI, ArgoCD для GitOps-деплою на Kubernetes.

Що входить у розробку MLOps-платформи

Ми надаємо повний цикл робіт, документацію та навчання команди.

Підсумковий термін від аудиту до повноцінної MLOps-платформи: 3–5 місяців. Базовий рівень (трекінг + serving) за 4–6 тижнів. Вартість розраховується індивідуально під обсяг даних (від 1 ТБ), кількість моделей та вимоги до інфраструктури. Замовте аудит MLOps-інфраструктури — отримайте roadmap за 1–2 тижні. Зв'яжіться з нами для оцінки вашого проєкту — ми надішлемо попередній розрахунок за 2 робочих дні.

Гарантія на архітектурні рішення — 12 місяців. Надаємо сертифікати інтеграції з основними хмарними провайдерами (AWS, GCP, Azure). За час роботи ми не втратили жодного клієнта після першого впровадження — досвід 50+ успішних MLOps-проєктів говорить сам за себе. Отримайте консультацію щодо побудови MLOps платформи вже сьогодні.