Infrastruktur CI/CD Modern: Automated Canary Deployment dan Blue-Green dengan Argo Rollouts

Rilis produksi tanpa risiko kegagalan fatal: membatasi blast radius dengan pembagian trafik bertahap, analisis metrik otomatis query Prometheus, dan pola migrasi skema database Expand-Contract.

PuluhLabs DevOps Team, Senior Platform Engineer · 13 November 2026 · 6 min baca

Infrastruktur CI/CD Modern: Automated Canary Deployment dan Blue-Green dengan Argo Rollouts
Infrastruktur Cloud
DECOUPLED

Isi artikel ini

  • Memahami Perbedaan Blue-Green dan Canary
  • Arsitektur Argo Rollouts pada Kubernetes
  • Analisis Metrik Otomatis Menggunakan AnalysisTemplate
  • Penanganan Skema Database pada Canary Deployment

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.

text
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 #

  1. 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).
  2. 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:

yaml
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.

yaml
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 kolom name menjadi first_name dan last_name:
    1. Expand: Tambahkan kolom baru tanpa menghapus kolom lama. Aplikasi menulis ke kedua kolom sekaligus.
    2. Migrate: Jalankan skrip latar belakang untuk mengisi data lama ke kolom baru.
    3. Switch: Luncurkan Canary deployment yang membaca data dari kolom baru.
    4. 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.

Bagikan Artikel Ini:
Topik Terkait:Semua artikel: DevOps dan infrastrukturKubernetesArgo RolloutsCI/CDDevOpsZero Downtime
Istilah Teknis Terkait (Knowledge Graph Glossary)
Jejaring Entitas & Solusi Teknis Terkait
3 Solusi Terintegrasi
Architecture Matrix

Perbandingan Headless CMS vs Monolitik

Kajian komparatif performa, keamanan OWASP, dan total biaya kepemilikan (TCO).

Buka Solusi
Planning Tool

Kalkulator Investasi & Jadwal Website

Estimasi biaya pembuatan website company profile, portal B2B, atau web app kustom.

Buka Solusi
Partnership Hub

Kemitraan White-Label untuk Agensi

Dukungan rekayasa teknis rahasia di balik layar agensi Anda dengan NDA resmi.

Buka Solusi

PuluhLabs DevOps Team

Senior Platform Engineer

Terakhir diperbarui: 13 November 2026

Ingin Menerapkan Standar Performa Ini pada Proyek Agensi Anda?

Tim PuluhLabs siap menjadi mitra rekayasa digital rahasia (white-label) untuk agensi Anda. Garansi performa skor Lighthouse 90+, Core Web Vitals hijau, dan 100% hak milik kode.

Konsultasi Proyek Bersama Tim PuluhLabs

Artikel Rekomendasi Selanjutnya

Lihat Semua
  1. Pengembangan Web

    Implementasi Observability dan Distributed Tracing dengan OpenTelemetry pada Sistem Web Terdistribusi

  2. Infrastruktur Cloud

    Strategi Pemantauan Log Terpusat: Arsitektur Grafana Loki vs ELK Stack untuk Kubernetes

  3. Infrastruktur Cloud

    Manajemen Rahasia Enterprise: Integrasi HashiCorp Vault dan Kubernetes External Secrets Operator