---
title: "金絲雀部署（Canary Deployment）"
slug: canary-deployment
language: zh-TW
source: https://aiterms.tw/terms/canary-deployment
updated_at: 2026-04-29
tags: [模型部署, 模型評估, MLOps, AI應用]
ipas_term: false
---

# 金絲雀部署（Canary Deployment）

> **你想讓新版本先只給少數使用者試跑時，你會怎麼判斷它真正的作用？**
>
> 你可以把它想成 金絲雀部署是將新版本軟體或模型逐步發布給少數使用者，以便在全面推廣前偵測問題，有效降低風險並確保系統穩定性。
>
> 在 你想讓新版本先只給少數使用者試跑時 這種情境裡，這個概念會直接影響你怎麼設計、怎麼評估、怎麼上線。

### 容易混淆
> **金絲雀部署 vs 藍綠部署**
> 金絲雀先放少量流量，藍綠是兩套環境整批切換。
>
> **金絲雀部署 vs 滾動部署**
> 滾動部署是逐批替換節點，金絲雀更強調先觀察小流量。
>
> **金絲雀部署 vs A/B 測試**
> A/B 測試偏實驗比較，金絲雀偏上線風險控制。

### 記住這句就好
> 先看它要解決的是什麼問題，再看它是不是最合適的方法。

### 實際案例
> **案例 1：新模型上線**
> 先讓 1% 使用者看到新版本，觀察錯誤率和延遲是否正常。
>
> **案例 2：API 改版**
> 先在小流量下跑一段時間，確認不穩定再立刻回滾。

### 深入了解
> | 面向 | 重點 |
> |---|---|
> | 核心 | 把新版本先給少量流量，確認健康再逐步擴大。 |
> | 監控 | 要看錯誤率、延遲、轉換率、資源使用率。 |
> | 注意 | 如果觀察指標設錯，金絲雀就只是在慢慢放大風險。 |

### 情境判斷
> **Q1（判斷題）：** 如果新版本一上線就給全部使用者，還算金絲雀部署嗎？
> → 不算，那已經是直接切換。
>
> **Q2（判斷題）：** 如果小流量一切正常，就代表可以放心全量嗎？
> → 通常可以往前推，但還是要看指標是否穩定一段時間。

### 常見問題
> **Q：金絲雀部署最大的目的是什麼？**
> 在正式全面上線前先用小流量驗證風險。
>
> **Q：和藍綠部署怎麼選？**
> 如果你想快速整批切換，藍綠簡單；如果你想細緻觀察風險，金絲雀更適合。
>
> **Q：金絲雀部署一定要自動回滾嗎？**
> 不一定，但有自動回滾通常會更安全。

### 相關術語
> - **模型部署**：先搞懂部署，才知道金絲雀是在部署流程的哪一段做風險控制。
> - **模型監控**：少量放量之後要靠監控決定要不要繼續擴大。
> - **A/B測試**：它和金絲雀都會看數據，但目的和流程不一樣。
> - **模型版本控制**：版本管理清楚，回滾和比較才不會亂掉。

---

來源：https://aiterms.tw/terms/canary-deployment
快查頁：https://aiterms.tw/terms/canary-deployment
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-canary-deployment