功能开关的长期维护：升级、备份与迁移的顺序

每个开关都该有对应的监控指标，否则不知道它到底开没开

把升级、备份、迁移这三件事流程化，才敢长期用。

先说结论

升级前先备份，备份后先演练恢复；不能回滚的升级不做。

• 固定版本，改动前记录当前版本号
• 升级前：备份数据 + 备份配置
• 升级后：验证核心功能，不只看进程
• 迁移：先迁数据，再迁流量
• 回滚方案写在纸上，别只存在脑子里

升级策略

长期不清理的开关会变成隐性分支，半年后没人敢删，也没人说得清它现在是什么状态。

备份的三层

三层分别是：数据备份、配置备份、以及「能重建这台机器」的文档。缺第三层，前两层迟早用不上。

这个服务的几个维护事实

和它自身机制相关的几条：

• 开关判断放在请求链路里，每次多一次远程调用，QPS 上千时必须加本地缓存兜底
• 按百分比灰度要保证同一用户命中稳定，靠哈希用户 ID 而不是随机数
• 开关和权限是两件事，用开关做权限校验迟早出越权

迁移的步骤

开关和权限是两件事，用开关做权限校验迟早出越权。

• 新机器按文档重建环境，验证空跑
• 同步数据，做一次一致性校验（条数、校验和）
• 切换前用 hosts 指向新机器验证
• 切换 DNS 或反代，保留旧机器一周
• 观察日志与错误率，再决定是否下线旧机

维护日历

每月：看磁盘与日志；每季：升级 + 备份校验；每半年：恢复演练一次；每年：清理不再需要的服务。

还有几处容易忽略的

都是小地方，但出问题时往往就卡在这里。

• 开关默认值必须是「关」，配置中心挂掉时才不会把未完成的功能放出去
• 默认值设成开，配置中心故障时半成品功能直接对外
• 开关只在代码里加不删，两年后有两百个没人敢动
• 用随机数做灰度，同一用户刷新几次看到不同结果

长期维护的秘诀很土：每次只改一件事，改完就验证。