蓝绿部署通过双环境切换实现零停机，关键在于健康检查真实、配置分离、启动等待、优雅关闭；滚动发布依赖 readiness/liveness 探针与合理扩缩策略；Go 服务需内建可观测、可灰度、可中断能力，并协同 Kubernetes 或网关等基础设施。
蓝绿部署：零停机切换的关键逻辑
蓝绿部署的核心是维护两套完全独立的生产环境（蓝环境和绿环境），同一时刻只有一套对外提供服务。新版本先部署到闲置环境（比如绿环境），验证通过后，通过流量路由切换（如反向代理、DNS或服务网格规则）将所有请求导向新环境，原环境转为待命状态。
在 Go 微服务中，重点不是“用 Go 写部署脚本”，而是让服务本身支持可观察、可控制的上线流程。实际落地需结合基础设施协同：
- 健康检查端点必须真实有效：/health 应返回服务就绪状态（如数据库连通、依赖服务可达），不能只是进程存活；Kubernetes 的 readinessProbe 或 Istio 的健康探测都依赖它
- 配置与代码分离：用 viper 或 envconfig 加载环境变量或 ConfigMap，避免因硬编码导致蓝绿环境行为不一致
- 启动时预留“等待期”：新实例启动后，主动延迟几秒再上报就绪（例如 time.Sleep(2 * time.Second)），避免因初始化未完成就被流量打垮
- 优雅关闭不可少：监听 os.Interrupt 和 syscall.SIGTERM，停止接收新请求，处理完队列中的请求后再退出，保障蓝绿切换时无请求丢失
滚动发布：渐进式更新的 Go 实现要点
滚动发布通过分批替换旧实例来降低风险，适合对资源敏感或无法维持双倍容量的场景。Go 服务本身不直接“控制滚动节奏”，但需配合编排平台（如 Kubernetes Deployment）完成平滑过渡。
关键在于让每个 Go 实例能被平台准确识别生命周期状态：
立即学习“go语言免费学习笔记（深入）”；
- readinessProbe 要反映真实服务能力：例如检查 gRPC 连接池是否建立、Redis 连接是否可用，而非仅返回 HTTP 200
- livenessProbe 避免误杀：不要用耗时操作（如全量缓存预热）作为存活探针，否则可能触发不必要的重启
- 设置合理的 maxSurge 和 maxUnavailable：Kubernetes 中建议 maxSurge=1（允许多起一个新 Pod）、maxUnavailable=0（保证始终有旧实例在线），这对 Go 服务尤其重要——避免并发连接数骤降引发客户端重试风暴
- 记录启动/关闭日志带 traceID：方便在日志系统中快速定位某次滚动中哪些实例参与了切换，便于事后分析延迟毛刺或失败原因
Go 服务如何适配两种策略的共性准备
无论蓝绿还是滚动，底层都依赖服务具备“可灰度、可观测、可中断”的能力。Go 项目应提前内建这些能力：
- 动态配置热加载：用 fsnotify 监听配置文件变化，或通过 etcd/watch 实现运行时参数调整（如降级开关、限流阈值），避免每次发版都要重启
- 统一指标暴露：用 prometheus/client_golang 暴露 /metrics，包含 http_request_duration_seconds、go_goroutines、process_cpu_seconds_total 等基础指标，供监控系统判断实例是否健康
- 支持按标签灰度路由：在 HTTP middleware 或 gRPC interceptor 中解析请求头（如 x-env: staging）或 JWT claim，决定是否转发到新版本，为金丝雀发布打基础
- 关闭时清空注册中心：若使用 Consul/Etcd/ZooKeeper 做服务发现，Shutdown 阶段必须显式注销自身节点，防止已终止实例仍被负载均衡器选中
基础设施协同建议（非 Go 代码但必须知道）
Go 微服务只是链路一环，真正实现蓝绿或滚动，离不开周边设施配合：
- Kubernetes 是当前最成熟的载体：用 Service + EndpointSlice 控制流量，用 Ingress 或 Gateway API 做七层路由，用 Argo Rollouts 或 Flagger 实现自动化的金丝雀+蓝绿流程
- API 网关（如 Kong、APISIX）可做 header-based 路由，让部分用户固定走蓝/绿环境，适合 AB 测试
- 不要在 Go 里自己实现“切换开关”HTTP 接口来控制流量——这违反了关注点分离，也增加攻击面；应交由专用的流量治理组件处理
- 数据库迁移需单独设计：蓝绿部署要求 schema 向前兼容，推荐采用“双写+读新+弃旧”三阶段演进，避免服务切流后查询失败
