Dalam siklus pengembangan perangkat lunak enterprise, proses rilis versi baru (deployment) membawa risiko gangguan operasional jika terjadi regresi performa, bug logika, atau kebocoran memori. Strategi bawaan Kubernetes RollingUpdate memang mencegah downtime total, namun pendekatan tersebut tetap memaparkan versi baru yang berpotensi rusak ke 100% pengguna secara bertahap tanpa validasi otomatis terhadap kesehatan metrik bisnis.
Untuk meminimalkan radius kerusakan (blast radius), platform engineering modern menerapkan dua pola rilis mutakhir: Blue-Green Deployment dan Canary Deployment menggunakan controller terdedikasi seperti Argo Rollouts.
Perbandingan Alokasi Trafik:
RollingUpdate Standar (Bawaan K8s):
[Versi 1: 100%] ──► [Versi 1: 50% + Versi 2: 50%] ──► [Versi 2: 100%] (Tanpa Evaluasi Otomatis)
Canary Deployment Terkendali dengan Analisis Metrik:
[Versi 1: 100%]
│
├─► Tahap 1: 5% Trafik ke Versi 2 (Canary) ───► Analisis Metrik Prometheus (Lolos)
├─► Tahap 2: 20% Trafik ke Versi 2 ───► Analisis Error Rate & Latensi (Lolos)
├─► Tahap 3: 50% Trafik ke Versi 2 ───► Evaluasi Kestabilan (Lolos)
└─► Promosi Penuh: 100% Trafik ke Versi 2
(Jika Error Rate > 1%, Otomatis Rollback Seketika ke Versi 1!)
Memahami Perbedaan Blue-Green dan Canary #
Blue-Green Deployment:
Menjalankan dua lingkungan identik secara bersamaan: lingkungan Blue (versi aktif saat ini) dan lingkungan Green (versi baru). Setelah pengujian internal selesai di lingkungan Green, router/load balancer mengubah target rute 100% ke Green dalam satu ketukan instan.- Kelebihan: Rollback instan jika terjadi kegagalan (cukup arahkan kembali router ke Blue).
- Kekurangan: Memerlukan alokasi resource komputasi dua kali lipat (biaya infrastruktur lebih besar).
Canary Deployment:
Membagi trafik pengguna secara persentase bertahap antara versi stabil dan versi baru (canary). Hanya sebagian kecil pengguna (misalnya 5%) yang pertama kali diarahkan ke pod baru.- Kelebihan: Efisiensi sumber daya tinggi dan risiko kegagalan terbatas pada sebagian kecil trafik.
- Kekurangan: Membutuhkan integrasi service mesh atau Ingress Controller cerdas untuk membagi beban trafik secara presisi.
Arsitektur Argo Rollouts pada Kubernetes #
Argo Rollouts adalah operator Kubernetes yang memperluas fungsi Deployment bawaan melalui Custom Resource Definition (CRD) bernama Rollout. Argo Rollouts terintegrasi langsung dengan Ingress Controller (seperti NGINX Ingress, Traefik, atau AWS ALB) dan penyedia metrik observabilitas (Prometheus atau Datadog).
Berikut adalah spesifikasi konfigurasi Rollout Kubernetes untuk Canary Deployment bertahap:
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
name: core-api-service
namespace: production
spec:
replicas: 10
strategy:
canary:
# Integrasi manajemen trafik dengan NGINX Ingress
trafficRouting:
nginx:
stableIngress: core-api-stable
additionalIngressAnnotations:
canary-by-header: X-Canary-Test
steps:
# Langkah 1: Alihkan 5% trafik ke pod canary
- setWeight: 5
- pause: { duration: 10m }
# Langkah 2: Jalankan analisis metrik otomatis dari Prometheus
- analysis:
templates:
- templateName: verify-error-rate-and-latency
args:
- name: service-name
value: core-api-service
# Langkah 3: Jika lolos, naikkan trafik menjadi 25%
- setWeight: 25
- pause: { duration: 15m }
# Langkah 4: Naikkan trafik menjadi 50%
- setWeight: 50
- pause: { duration: 20m }
# Langkah 5: Promosi penuh 100% otomatis dijalankan
revisionHistoryLimit: 5
selector:
matchLabels:
app: core-api-service
template:
metadata:
labels:
app: core-api-service
spec:
containers:
- name: app
image: registry.internal/core-api:v2.4.0
ports:
- containerPort: 3000
resources:
requests:
cpu: 500m
memory: 512Mi
limits:
cpu: 2000m
memory: 2Gi
Analisis Metrik Otomatis Menggunakan AnalysisTemplate #
Kekuatan utama dari Canary Deployment modern adalah eliminasi keputusan manual manusia. Operator mendefinisikan batas ambang kesehatan (health thresholds) dalam resource AnalysisTemplate. Jika query Prometheus mendeteksi lonjakan error 5xx atau latensi melebihi ambang batas, Argo Rollouts langsung membatalkan deployment dan mengembalikan trafik 100% ke versi stabil secara otomatis.
apiVersion: argoproj.io/v1alpha1
kind: AnalysisTemplate
metadata:
name: verify-error-rate-and-latency
namespace: production
spec:
args:
- name: service-name
metrics:
# Uji 1: Tingkat HTTP Status 5xx tidak boleh melampaui 1%
- name: http-error-rate
interval: 1m
successCondition: result[0] < 0.01
failureLimit: 3
provider:
prometheus:
address: http://prometheus-server.monitoring.svc.cluster.local:9090
query: |
sum(rate(http_requests_total{service="{{args.service-name}}",status=~"5.*"}[2m]))
/
sum(rate(http_requests_total{service="{{args.service-name}}"}[2m]))
# Uji 2: Latensi p99 tidak boleh melebihi 250 milidetik
- name: p99-latency
interval: 1m
successCondition: result[0] < 0.25
failureLimit: 2
provider:
prometheus:
address: http://prometheus-server.monitoring.svc.cluster.local:9090
query: |
histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket{service="{{args.service-name}}"}[2m])) by (le))
Penanganan Skema Database pada Canary Deployment #
Salah satu tantangan kritis saat menjalankan dua versi aplikasi sekaligus adalah kompatibilitas database. Baik versi lama (stabil) maupun versi baru (canary) harus dapat membaca dan menulis ke database yang sama tanpa menimbulkan konflik.
Prinsip yang wajib dipatuhi:
- Pola Expand and Contract (Parallel Run):
Jangan pernah menghapus atau mengubah tipe kolom secara langsung. Jika ingin mengganti kolomnamemenjadifirst_namedanlast_name:- Expand: Tambahkan kolom baru tanpa menghapus kolom lama. Aplikasi menulis ke kedua kolom sekaligus.
- Migrate: Jalankan skrip latar belakang untuk mengisi data lama ke kolom baru.
- Switch: Luncurkan Canary deployment yang membaca data dari kolom baru.
- Contract: Setelah versi canary 100% stabil dan versi lama dihentikan, kolom lama baru boleh dihapus pada rilis berikutnya.
Dengan menggabungkan kontrol trafik berbobot, pengujian otomatis berbasis query Prometheus, dan disiplin migrasi database paralel, tim engineering dapat melakukan deployment puluhan kali sehari ke lingkungan produksi dengan ketenangan penuh.
