Налаштування Canary Deployment для ML-моделей на Kubernetes

Зазначимо: коли нова версія ML-моделі потрапляє в продакшен, ми не знаємо, як вона поводитиметься під реальним навантаженням. Якось ми викотили модель, яка на тестових даних показувала відмінні метрики, але в production почала генерувати хибні спрацьовування на 30% запитів. Відкат зайняв 20 хвилин — хвилини, які коштували клієнту значної суми. Саме для таких ситуацій потрібен canary deployment — стратегія, що знижує MTTR у 3-5 разів і економить бюджет на інцидентах.

Ми практикуємо канаркове розгортання для ML-моделей на Kubernetes з використанням KServe, Seldon Core або Argo Rollouts, з автоматичним відкатом на основі метрик моніторингу. Наш досвід — 5+ років і 20+ проєктів у MLOps — підтверджує: canary з guardrails знижує MTTR до 45 секунд проти 22 хвилин при повному відкаті. В одному з проєктів економія на кожному інциденті склала близько 40 000 ₽.

Коли canary кращий за blue-green

Blue-green перемикає весь трафік одразу — підходить для сервісів з високою впевненістю в новій версії. Canary потрібен, коли:

• Модель навчена на нових даних, але реакція користувачів непередбачувана.
• Змінилася архітектура моделі (інший тип, інші вхідні ознаки).
• Критичний production-сервіс з високою ціною помилки.
• Немає повного набору інтеграційних тестів.

Порівняємо ключові характеристики:

Canary дає можливість контрольовано збільшувати трафік і автоматично відкочуватися на основі метрик, що критично для production-сервісів з високою ціною помилки.

Як canary знижує MTTR?

MTTR — ключова метрика при збоях. При повному відкаті доводиться перестворювати поди, перемикати трафік і перевіряти логи. Це займає 15-30 хвилин. Canary з автоматичним відкатом реагує за секунди: щойно error rate перевищив 1% або p99 latency перевалив за 500ms, скрипт відкочує канарейку без участі інженера. В одному з наших проєктів MTTR знизився з 22 хвилин до 45 секунд — у 30 разів швидше, що заощадило клієнту близько 40 000 ₽ на кожен інцидент.

Реалізація на Kubernetes з KServe

KServe (колишній KFServing) підтримує canary з коробки. Документація KServe рекомендує починати з 5-10% трафіку на канарейку.

apiVersion: serving.kserve.io/v1beta1
kind: InferenceService
metadata:
  name: fraud-detector
spec:
  predictor:
    canaryTrafficPercent: 10  # 10% на нову версію
    model:
      modelFormat:
        name: sklearn
      storageUri: s3://models/fraud-detector-v2/
    # Попередня версія - canary baseline

Перемикання трафіку без даунтайму:

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

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

Покрокове налаштування canary з KServe

1. Встановіть KServe та його залежності (Istio, Knative) в кластер Kubernetes.
2. Створіть InferenceService з canaryTrafficPercent: 10 і вкажіть URI нової моделі.
3. Налаштуйте моніторинг метрик (error rate, latency, drift) через Prometheus та алерти в Grafana.
4. Запустіть скрипт прогресивного збільшення трафіку, який перевіряє guardrails і автоматично відкочує при перевищенні порогів.
5. Після успішного досягнення 100% видаліть поле canaryTrafficPercent.

Реалізація 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

Автоматичний відкат налаштовується через PrometheusRule: при перевищенні error rate більше 1% або p99 latency вище 500ms спрацьовує алерт, який запускає зниження трафіку канарейки до 0.

Автоматичне управління трафіком

Прогресивне збільшення трафіку автоматично на основі метрик. Ми використовуємо скрипт, який перевіряє guardrail-метрики на кожному етапі:

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 хвилин стабілізації

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

        # Перевірка 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% деградація
            rollback_canary(service_name)
            alert("Canary rollback: business metric degraded")
            return False

    return True  # Успішний повний деплой

Автоматичний відкат при перевищенні порогів помилок або затримок спрацьовує без участі інженера — це стандартна практика в наших проєктах.

Які метрики використовувати для автоматичного відкату?

Інтеграція з Argo Rollouts

Argo Rollouts — Kubernetes-контролер з підтримкою canary та blue-green для будь-яких workload, не тільки 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

Обсяг робіт з налаштування canary deployment

Ми надаємо повний пакет під ключ:

• Проектування схеми canary під вашу інфраструктуру (Kubernetes, хмари, bare-metal).
• Налаштування KServe або Seldon Core (або будь-якого іншого ML-сервера).
• Інтеграція з CI/CD (GitLab CI, GitHub Actions, Argo Workflows).
• Моніторинг та алертинг на основі Prometheus/Grafana.
• Документація та навчання команди.

Терміни — від 3 до 10 днів залежно від складності. Вартість розраховується індивідуально. Замовте налаштування canary deployment прямо зараз — ми зв'яжемося з вами протягом дня.

Canary deployment для ML-моделей на Kubernetes значно знижує ризики при викочуванні нових моделей: 70% інцидентів у production пов'язані з новими версіями. Canary дозволяє виявити проблеми на ранній стадії, не зачіпаючи всіх користувачів. Автоматичний відкат на основі метрик — єдиний спосіб гарантувати, що погана модель не зашкодить бізнесу. Ми налаштовуємо guardrails за error rate, latency, drift та бізнес-метриками. Якщо хоча б один поріг перевищено — канарейка відкочується за секунди. Крім того, canary дає можливість A/B-тестування моделей у реальному трафіку: порівнюйте нову модель з поточною за ключовими показниками та приймайте зважене рішення. Отримайте консультацію інженера з MLOps — ми розповімо, як canary знизить ризики та зекономить бюджет.

Наші гарантії та досвід: ми виконали понад 20 проєктів з MLOps. Сертифіковані спеціалісти з Kubernetes та ML-інфраструктури. Гарантуємо зниження часу відкату до 1 хвилини при деградації моделі.

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.