灰度发布方法、装置、存储介质、电子设备及程序产品与流程
本发明涉及应用分发控制,特别是涉及灰度发布方法、装置、存储介质、电子设备及程序产品。
背景技术:
1、在移动应用灰度发布中,为平衡快速迭代与发布风险,需在小范围用户中先行验证,并根据验证结果调整发布范围。相关技术通常基于静态条件圈定灰度用户,然后采集崩溃率、业务成功率等全局监控指标,由人员或全局阈值驱动放量或回滚。但这种方式只能执行面向全量灰度用户的统一发布动作,无法实现定向缩量或回滚。
2、因此,如何在灰度过程中实现对灰度用户的差异化发布控制,成为本领域亟需解决的技术问题。
技术实现思路
1、本发明的目的在于提供一种灰度发布方法、装置、存储介质、电子设备及程序产品,以实现对灰度用户的差异化发布控制。
2、为了实现上述目的,本发明采用的技术方案如下:
3、一种灰度发布方法,所述方法包括:
4、构建多个候选用户的用户画像单元,所述用户画像单元包括至少一个画像标签;
5、将待发布对象发布至从所述多个候选用户中筛选出的多个灰度用户;
6、获取各灰度用户的监测数据,所述监测数据用于反映所述待发布对象的运行状况;
7、基于各灰度用户的监测数据和用户画像单元,确定标签单元对应的画像异常关联度,所述标签单元包括至少一个所述画像标签,所述画像异常关联度用于表征所述监测数据中的异常与对应标签单元的关联程度;
8、至少根据所述画像异常关联度,确定所述待发布对象的发布策略。
9、根据上述技术手段,通过基于各灰度用户的监测数据和用户画像单元,确定标签单元的画像异常关联度来表征异常与标签单元的关联程度,使得灰度发布决策能够聚焦到特定画像人群上,从而实现了针对性的发布控制,避免了对所有灰度用户进行无差别的处理,提高了发布决策的准确性。
10、进一步,所述基于各灰度用户的监测数据和用户画像单元,确定各标签单元对应的画像异常关联度,包括:
11、将各标签单元分别作为当前标签单元执行:基于各灰度用户的监测数据,从所述灰度用户中确定异常用户;基于所述异常用户的用户画像单元,从所述异常用户中确定命中所述当前标签单元的目标异常用户,以及基于所述灰度用户的用户画像单元,从所述灰度用户中确定命中所述当前标签单元的目标灰度用户;基于所述目标异常用户的数量和所述目标灰度用户的数量,确定所述当前画像标签对应的画像异常关联度。
12、根据上述技术手段,利用命中某标签单元的异常用户的数量和命中该标签单元的灰度用户的数量,量化画像异常关联度,能够客观地反映异常在特定画像标签人群中的集中程度,从而为后续确定发布决策提供可靠的数据基础。
13、进一步,所述基于所述目标异常用户的数量和所述目标灰度用户的数量,确定所述当前标签单元对应的画像异常关联度,包括:
14、基于所述目标异常用户的数量和所述目标灰度用户的数量,确定第一比值;基于所述异常用户的数量和所述灰度用户的数量,确定第二比值;基于所述第一比值和所述第二比值,确定所述当前标签单元对应的画像异常关联度。
15、根据上述技术手段,通过引入第一比值与第二比值的比较,将画像标签内部的异常率与整体异常率进行归一化对比,使得画像异常关联度能够在不同灰度阶段、不同整体异常率水平下具有可比性,从而更准确地识别出异常显著集中的画像标签,避免总体异常率波动带来的误判。
16、进一步,所述监测数据包括多个指标数据,所述基于各灰度用户的监测数据和用户画像单元,确定各标签单元对应的画像异常关联度,包括:
17、将各标签单元分别作为当前标签单元执行:针对每个指标数据,基于该指标数据从所述灰度用户中确定该指标数据下的异常用户;基于该指标数据下的用户画像单元,从该指标数据下的异常用户中确定命中所述当前标签单元的该指标数据下的目标异常用户,以及基于所述灰度用户的用户画像单元,从所述灰度用户中确定命中所述当前标签单元的目标灰度用户;基于该指标数据下的目标异常用户的数量和所述目标灰度用户的数量,确定第一比值;基于该指标数据下的异常用户的数量和所述灰度用户的数量,确定第二比值;基于所述第一比值和所述第二比值,确定所述当前标签单元在该指标数据下对应的子画像异常关联度;基于所述当前标签单元在各指标数据下对应的子画像异常关联度,确定所述当前标签单元对应的画像异常关联度。
18、根据上述技术手段,通过对不同指标数据分别计算子画像异常关联度并进行综合,能够融合多个指标数据下的异常表现,避免单一指标偶然波动造成的误判,从而获得更稳健、更可信的画像异常关联度,使灰度决策更具可靠性。
19、进一步,包括至少两个所述画像标签的标签单元通过如下方式确定:
20、获取各灰度用户的文本反馈;
21、利用大语言模型,基于所述文本反馈,确定存在共现关系的至少两个所述画像标签,以得到包括至少两个所述画像标签的标签单元。
22、根据上述技术手段,通过引入大语言模型对非结构化的用户反馈文本进行语义分析,能够自动从实际用户描述中挖掘出经常共同出现的画像标签组合,从而将分散的画像标签组合成更有指示意义的标签单元,有助于识别复杂的、组合型异常画像,提高异常关联发现的覆盖度和深度。
23、进一步,所述至少根据所述画像异常关联度,确定所述待发布对象的发布策略,包括:
24、确定对应画像异常关联度高于预设风险阈值的标签单元作为排除标签单元,基于所述排除标签单元对所述多个灰度用户进行缩量操作,得到缩量后的灰度用户,并基于所述缩量后的灰度用户执行针对所述待发布对象的发布;和/或,
25、确定对应画像异常关联度低于预设稳定阈值的标签单元作为稳定标签单元,基于所述稳定标签单元对所述多个灰度用户进行扩量操作,得到扩量后的灰度用户,并基于所述扩量后的灰度用户执行针对所述待发布对象的发布。
26、根据上述技术手段,通过设置预设风险阈值和预设稳定阈值,将画像异常关联度直接映射为针对特定画像人群的缩量或扩量操作,使得灰度发布能够自动地对异常集中的画像人群进行定向收缩、对表现稳定的画像人群进行定向扩展,在无需人工干预的情况下实现对灰度范围的精细化动态调整。
27、进一步,所述方法还包括:
28、基于各灰度用户的监测数据,确定灰度健康度,所述灰度健康度用于表征所述待发布对象的整体发布质量;
29、所述至少根据所述画像异常关联度,确定所述待发布对象的发布策略,包括:
30、根据所述画像异常关联度和所述灰度健康度,确定所述待发布对象的发布策略。
31、根据上述技术手段,通过引入灰度健康度来评价待发布对象的整体发布质量,并与画像异常关联度联合决策,从而在全局风险和局部风险之间实现平衡,提高灰度发布的安全性和效率。
32、进一步,所述基于各灰度用户的监测数据,确定灰度健康度,包括:
33、基于各灰度用户的监测数据,确定多个维度的得分;
34、对所述多个维度的得分进行加权求和,得到灰度健康度;
35、其中,所述多个维度的得分包括以下至少一项:
36、稳定性得分,所述稳定性得分用于表征所述待发布对象的运行稳定程度;
37、性能得分,所述性能得分用于表征所述待发布对象至少在启动时长、页面响应时长、加载卡顿次数及资源消耗方面的性能表现水平;
38、业务成功得分,所述业务成功得分用于表征所述待发布对象在发布中预设关键业务操作的成功完成比例;
39、反馈质量得分,所述反馈质量得分用于表征从文本反馈中提取的满意度水平;
40、异常风险得分,所述异常风险得分用于表征监测到的异常反馈事件的影响程度。
41、根据上述技术手段,通过从稳定性、性能、业务成功、反馈质量和异常风险等多个维度分别评价并加权合成灰度健康度,能够全面、客观地反映灰度发布过程中的综合质量,为后续的扩量、回滚决策提供一个可计算、可比较的统一量化标准。
42、进一步,所述根据所述画像异常关联度和所述灰度健康度,确定所述待发布对象的发布策略,包括:
43、当所述灰度健康度高于预设扩量阈值且存在对应画像异常关联度低于预设稳定阈值的标签单元作为稳定标签单元时,基于所述稳定标签单元对所述多个灰度用户进行扩量操作,得到扩量后的灰度用户,并基于所述扩量后的灰度用户执行所述待发布对象的发布;和/或,
44、当所述灰度健康度不高于所述预设扩量阈值、不低于预设回滚阈值且存在对应画像异常关联度高于预设风险阈值的标签单元作为排除标签单元,基于所述排除标签单元对所述多个灰度用户进行缩量操作,得到缩量后的灰度用户,并基于所述缩量后的灰度用户执行针对所述待发布对象的发布;和/或,
45、当所述灰度健康度不高于所述预设扩量阈值、不低于所述预设回滚阈值且不存在对应画像异常关联度高于预设风险阈值的标签单元作为排除标签单元,执行保持观察操作;和/或,
46、当所述灰度健康度低于所述预设回滚阈值且不存在对应画像异常关联度高于所述预设风险阈值的标签单元作为排除标签单元时,执行针对所述待发布对象的发布的全量回滚操作;和/或,
47、当所述灰度健康度低于所述预设回滚阈值且存在对应画像异常关联度高于所述预设风险阈值的排除标签单元时,基于所述排除标签单元执行针对所述待发布对象的发布的局部回滚操作。
48、根据上述技术手段,通过设定预设扩量阈值、预设回滚阈值并区分是否存在稳定标签单元或排除标签单元,能够根据整体质量和局部异常自动输出细粒度的发布动作,避免了仅依赖全局阈值的盲目回滚,从而最大限度地减少对稳定用户群体的不必要影响,提高了发布决策的准确性和针对性。
49、进一步,从所述多个候选用户中筛选出多个灰度用户,包括:
50、获取所述待发布对象的发布描述信息;
51、基于所述发布描述信息,确定筛选规则,所述筛选规则至少包括筛选命中准入画像标签的所述候选用户、筛选未命中排除画像标签的所述候选用户以及利用灰度覆盖比例筛选所述候选用户;
52、根据所述筛选规则,从所述多个候选用户中筛选出所述多个灰度用户。
53、根据上述技术手段,通过解析待发布对象的风险等级、验证目标和适配要求等发布描述信息,自动生成关于准入画像标签、排除画像标签和灰度覆盖比例等筛选规则,能够得到与待发布对象高度适配的首批灰度用户,从而在源头上降低发布风险,提高初期反馈的价值和代表性。
54、进一步,所述基于各灰度用户的监测数据和用户画像单元,确定各标签单元对应的画像异常关联度,包括:
55、基于各灰度用户的监测数据,确定有效反馈用户的数量;
56、响应于所述有效反馈用户的数量不低于预设数量阈值,基于各灰度用户的监测数据和用户画像单元,确定各标签单元对应的画像异常关联度;
57、响应于所述有效反馈用户的数量低于所述预设数量阈值,执行保持观察操作,直至所述有效反馈用户不低于所述预设数量阈值后,基于各灰度用户的监测数据和用户画像单元,确定各标签单元对应的画像异常关联度。
58、根据上述技术手段,通过设置预设数量阈值并引入保持观察的控制机制,能够在监测数据不充分的早期阶段暂停针对画像异常关联度的计算和激进决策,等待有效反馈用户的数量积累到可信水平后再进行判断,从而有效防止因小样本偏差导致误扩量或误回滚,提高了灰度发布过程的稳健性。
59、一种灰度发布装置,所述装置包括:
60、画像构建单元,被配置为构建多个候选用户的用户画像单元,所述用户画像单元包括至少一个画像标签;
61、对象发布单元,被配置为将待发布对象发布至从所述多个候选用户中筛选出的多个灰度用户;
62、数据获取单元,被配置为获取各灰度用户的监测数据,所述监测数据用于反映所述待发布对象的运行状况;
63、关联确定单元,被配置为基于各灰度用户的监测数据和用户画像单元,确定多个标签单元对应的画像异常关联度,所述标签单元包括至少一个所述画像标签,所述画像异常关联度用于表征所述监测数据中的异常与对应标签单元的关联程度;
64、策略确定单元,被配置为至少根据所述画像异常关联度,确定所述待发布对象的发布策略。
65、一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明实施例所述的方法的步骤。
66、一种电子设备,包括:
67、一个或多个处理器;以及
68、与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行本发明实施例所述的方法的步骤。
69、一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本发明实施例所述的方法的步骤。
70、本发明的有益效果:
71、本发明预先构建多个候选用户的用户画像单元,将待发布对象发布至从多个候选用户中筛选出的多个灰度用户,基于各灰度用户的监测数据和用户画像单元,确定多个标签单元对应的画像异常关联度,利用画像异常关联度确定发布策略。这样一来,通过基于各灰度用户的监测数据和用户画像单元,确定标签单元的画像异常关联度来表征异常与标签单元的关联程度,使得灰度发布决策能够聚焦到特定画像人群上,从而实现了针对性的发布控制,避免了对所有灰度用户进行无差别的处理,提高了发布决策的准确性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com