写一份客户变更委员会不会退回的 RFC
变更委员会对每个变更问的都是那几个问题,提前答好,再争取让可重复的部署自动审批。
要点速览
- Accelerate 研究发现,外部审批与发布变慢相关,与变更失败率降低无关。但前线部署工程师(FDE)仍然要按客户的流程办事。
- CAB 翻来覆去问的就那几个问题。RFC 提前答好风险、影响、排期、实施和回滚,就能很快通过。
- 长期来看,应争取把可重复的部署归为标准变更,由同行评审和部署流水线作保障。
Accelerate 研究想弄清一件事:外部变更审批是否意味着生产环境更安全。结论是,找不到这样的迹象。
据 Harness 的总结,外部审批与更长的交付周期、更低的部署频率、更慢的故障恢复相关,但与更低的变更失败率无关。
这是相关性,不能证明因果。但足以说明,多一道审批并不会自动让生产环境更安全。
然而,前线部署工程师(FDE)没法决定客户的流程。在很多大企业,不管数据怎么说,部署仍然要经过变更咨询委员会(CAB)。常见的情形是:代码写完了,演示也跑通了,周末前的例会上 RFC 却以“回滚方案不清晰”为由被退回,又要多等一个会议周期。
这里要练的是:申请审批时,让审查者读一遍就能做决定,再逐步把可重复的变更从会议议程上移走。和委员会争论,部署一天也不会提前。一份写得好的 RFC 却可以;放到很多个会议周期里看,它决定了整个项目的进度。
CAB 到底想知道什么?
研究软件交付效能的 DORA 明确指出,由委员会集中审批可能造成延误,而且往往伴随着错误;这类重量级审批流程常常拖慢发布。
据 Octopus 的观察,CAB 会议常常沦为走过场,所有人对每一项都问同样的一两个问题。这对 FDE 是好事:问题既然可以预料,就可以提前回答。
AWS 关于变更管理的文档给出了标准:变更请求必须包含足够信息,让有权限的人据此批准或驳回。AWS 的 RFC 示例模板包括已识别的风险、影响、排期、实施步骤和回滚方案。回滚是底线,每个请求都必须有。
把这五个部分当成一个完全不了解你系统的人提出的五个问题:什么可能出问题?出了问题影响谁?什么时候做?怎么做?出了问题怎么退回去?只要有一个答不上来,他们就足以把它推到下周。
一份从头重写的 RFC
举个假设的例子。你要给客户的内部客服 Agent 发一次更新:换一版新提示词,在检索索引里加一个新的文档来源,再升级调用模型的那个库的版本。初稿把三项塞进同一份 RFC,写着“Agent 升级,低风险,回滚方式为重新部署旧版本”。
这份初稿几乎肯定会被问回来。“低风险”是断言,不是证据。“重新部署旧版本”没说已经加进索引的文档怎么删掉。三项变更放在一起,审查者也搞不清到底要评估什么。
第一步是拆分。Octopus 建议每次只评审一小组变更,这条建议同样适用于 CAB。三项变更拆成三份 RFC,至少也要拆成三个独立部分,各自带回滚方案。索引变更的那份 RFC 可以这样写:
RFC:将 HR 政策文档集加入客服 Agent 的检索索引
已识别的风险
- 如果新文档集与现有文档重叠,Agent 可能引用过时文档。
- 建索引耗时增加;建索引期间,查询仍读取旧索引。
影响
- 仅影响内部客服 Agent 的用户,不涉及任何业务数据库。
- 访问权限不变;这些文档所属的用户组已有阅读权限。
排期
- 周二,业务低峰时段。值班:[FDE 姓名] 和 [客户工程师姓名]。
实施步骤
1. 并行构建新索引,不覆盖旧索引。
2. 用固定的评测集测试新索引;达到约定阈值才切换。
3. 将别名指向新索引。
部署后检查
- 重新运行样例问题集,与上一次的结果对比。
回滚
- 将别名指回旧索引(旧索引完整保留至少 7 天)。一条命令,无需重新部署。
同行评审
- 已由 [评审人姓名] 批准的 pull request 链接。
看回滚部分。它没有含糊的承诺,只描述了一个具体、可逆的操作。之所以能这样写,是因为部署设计本身留了退路:旧索引原样保留,变的只是指针。如果你的回滚部分写不到这么短,问题出在部署设计上,RFC 措辞再怎么改也没用。
从会议桌到标准变更
好的 RFC 只能帮你一次过一场会。长期目标是少开会。AWS 对标准变更的定义是:常见、低风险、充分理解的变更,因此无需走正式的评审和审批流程。AWS 还建议,把可重复、低风险的任务归为标准变更并自动审批。
提示词更新和定期刷新索引都是很好的候选。用同一个 RFC 模板顺利过几次 CAB 之后,你就有了提议的依据:这类变更每次步骤相同、回滚方式相同,从未引发过事故。
这个提议需要拿出东西来替代委员会的盖章。DORA 建议采用同行评审,并直接记录在团队的开发平台上,以满足职责分离的要求。
Harness 的文章补上了另一半:基于同行评审的轻量审批流程,配合能自动发现并拦截问题变更的部署流水线。上面例子里切换别名之前运行的评测集,就是这条流水线的一部分。
紧急情况怎么办?AWS 指出,紧急变更同样必须遵循成文流程,只是由一个规模更小的审批小组,即紧急变更咨询委员会(ECAB)来批准。提前问清客户的 ECAB 有哪些人、怎么联系,别等到半夜生产环境宕机才去找。
让 RFC 在会上被否的几种错误
很多 FDE 直到代码写完,才去了解会议安排和 RFC 截止时间,结果错过一个周期就是一整周。应该在项目第一周就问清楚,和申请数据访问权限一样。
第二个错误是打包。一份 RFC 里有五项变更,审查者只能五项一起批或一起驳,只要有一项含糊,整包都会被退回。第三个错误是形式上的回滚,比如对涉及数据或 schema、实际上无法撤销的变更,写一句“恢复到上一版本”。
第四个错误更隐蔽:把 Accelerate 的数据带进会议室,证明 CAB 没用。数据有价值,但会议室里的人要为他们的生产系统负责。
把它当作提议标准变更的基础,而不是武器。最后,不要滥用紧急通道来绕开会议安排。这样做会失去信任,而以后要快速获批,靠的正是信任。
把这项技能变成求职优势
看 FDE 招聘信息时,“regulated environments”“enterprise customers”“change management”这类字眼,说明这个岗位会和 CAB 打交道。简历上不要只写“为客户部署到生产环境”。
要写你搭建了 RFC 模板,把某类可重复的变更从人工审批改成了自动审批。这句话能让面试官看到,你不仅懂自己的代码,也懂客户的体系。
每到一个新客户,第一件事是要一份最近获批的 RFC 来看。它比任何介绍会都更快告诉你这个委员会看重什么;有了它,你的第一份 RFC 就能照着他们习惯读的格式来写。
这篇文章对你有帮助吗?
感谢你的反馈!