Saltar al contenido
Telemetry
Fiabilidad de la API receta SQL

Comparar la tasa de errores de implementación de funciones

Compare los errores de solicitud y la latencia promedio entre la implementación de indicadores de funciones y las cohortes de control para una versión.

Principiantefeature_rollout_eventsRevisado 2026-07-28Probado con Apache DataFusion 45.2.0

Revisado por el equipo de producto Telemetry en . Compatibilidad con SQL, contrato de eventos, resultados sintéticos y advertencias operativas. Revisar los estándares y la propiedad

Pregunta respondida

¿Es el lanzamiento de banderas de características menos confiable que su cohorte de control?

Una decisión de lanzamiento necesita un control comparable en el mismo límite de lanzamiento. Esta consulta mantiene juntas las solicitudes, los errores, la tasa de error y la latencia para cada cohorte de indicadores de características, de modo que sea visible una pequeña pero importante regresión de confiabilidad.

Contrato de evento

Campos que espera la consulta

CampoTipoPor que existe
timestamp_utcTimestampHora de finalización de la solicitud en UTC.
feature_flagUtf8Nombre del indicador de característica controlada.
cohortUtf8Asignación de despliegue o control.
releaseUtf8Identificador de versión de la aplicación.
statusUtf8Estado de éxito o error del terminal.
latency_msInt64Latencia de solicitud de un extremo a otro en milisegundos.
environmentUtf8Entorno de implementación.
DataFusionSQL

Copiar la consulta

sql
SELECT
  feature_flag,
  cohort,
  release,
  COUNT(*) AS requests,
  SUM(CASE WHEN status = 'failed' THEN 1 ELSE 0 END) AS errors,
  100.0 * SUM(CASE WHEN status = 'failed' THEN 1 ELSE 0 END)
    / NULLIF(COUNT(*), 0) AS error_rate_pct,
  AVG(latency_ms) AS avg_latency_ms
FROM feature_rollout_events
WHERE timestamp_utc >= now() - INTERVAL '24 hours'
  AND environment = 'production'
GROUP BY feature_flag, cohort, release
ORDER BY error_rate_pct DESC, cohort;

Esta consulta de solo lectura se planifica y ejecuta en una tabla escrita vacía con Apache DataFusion 45.2.0. El resultado de la muestra determinista es sintético y se revisa por separado; valide tipos de campos, umbrales y definiciones comerciales con sus propios datos. Lea la metodología de prueba.

Resultado de la consulta

Tasa de error de implementación por cohorte

La cohorte de implementación sintética tiene una tasa de fracaso del 20%, mientras que el control no tiene ninguna.

feature_flagcohortreleaserequestserrorserror_rate_pctavg_latency_ms
new-checkoutrolloutapi-885120300
new-checkoutcontrolapi-88500200

Salida de ejemplo sintético. Ejecute la consulta con su propio esquema de eventos y umbrales antes de utilizarla para decisiones operativas.

Rollout error rate by cohort: gráfico estático de valores sintéticos de error_rate_pct del resultado del ejemplo Compare Feature Rollout Error Rate
SVG indexable de la salida del ejemplo determinista. Descárguelo para ver un artículo, un runbook o una revisión de diseño con atribución.

Reproducir el ejemplo

Descargar el accesorio público

El paquete JSON incluye el contrato de evento escrito, reproducible filas de entrada, SQL exacto, resultado esperado, notas de revisión y versión del motor. El CSV contiene el resultado mostrado.

Ejecutar en el navegadorAccesorio JSONCSV de salida esperadaGráfico SVG estático

Cómo funciona el SQL

  1. 1El indicador de funciones, la cohorte y el lanzamiento hacen que la comparación sea reproducible en el límite del lanzamiento.
  2. 2El volumen de solicitudes junto con la tasa de error expone comparaciones que son demasiado pequeñas para tomar una decisión segura.
  3. 3La latencia permanece en el mismo resultado porque una implementación puede hacer retroceder la experiencia sin aumentar los errores.

Casos extremos para decidir

  • La asignación debe ser lo suficientemente estable como para que la misma cuenta no cambie de cohorte dentro de la ventana de comparación.
  • Compare combinaciones de tráfico y clientes equivalentes o segmente el resultado según una dimensión delimitada revisada.
  • Utilice intervalos de confianza y una ventana más larga para obtener conclusiones irreversibles sobre el producto.

Panel recomendado

  • Barras: error_rate_pct por cohorte
  • Tendencia: solicitudes, errores y latencia por porcentaje de implementación
  • Tabla: indicadores de funciones por versión y estado mínimo de muestra

Guía de alerta

Pausar o retroceder solo después de que el lanzamiento alcance un volumen mínimo revisado y exceda su límite de error o latencia aprobado.

Leer configuración de alerta

Pon la receta a trabajar

Instrumentación y guías relacionadas.

Guía SQL de implementación de funcionesCaso de uso de confiabilidad de APIRecetas de confiabilidad API

Definir los datos de origen

Esquemas de eventos para este análisis.

feature_rollout_evaluated

Un registro de asignación de funciones versionado que permite consultar las reglas de exposición sin copiar expresiones de orientación ni atributos personales.

Revisar esquema

Continuar el análisis

Calcular la tasa de errores de API por ruta

Utilice SQL para clasificar las rutas API según una tasa de error 5xx mientras protege el resultado del ruido de bajo volumen.

Receta abierta

Calcule la latencia API p50, p95 y p99

Compare la latencia media y de cola por punto final con SQL percentil compatible con DataFusion.

Receta abierta

Calcular la tasa de consumo de presupuesto de errores de API

Convierta los errores de solicitud por hora en una serie de tasa de quemado de SLO que muestre qué tan rápido se consume el presupuesto de errores permitido.

Receta abierta

Ejecútelo en eventos reales.

Crea una tabla, adapta los campos y guarda el resultado.

Comience gratis, envíe eventos estructurados y utilice el resultado de la consulta como un gráfico, un widget de panel compartido o una entrada de alerta.

Obtén una clave API