Todos los vídeos Otros temas 0:36

Evaluación online: shadow, canary, A/B y regression gates

La evaluación online aumenta exposición de forma controlada: shadow observa sin decidir, canary limita blast radius, A/B estima efecto y guardrails o regression gates detienen una promoción insegura.

Los enlaces con ?t= abren el vídeo en un segundo concreto.

Resumen del vídeo

Las ideas que debes retener

01

Antes de exponer tráfico, fija la unidad de cambio

Un «candidato» no debe significar simplemente «el modelo nuevo».

02

Shadow: primero observa el candidato sin darle autoridad sobre la respuesta

El tráfico shadow —también llamado mirroring— copia requests reales hacia una variante candidata mientras la variante estable sigue respondiendo al usuario.

03

Un shadow no mide impacto real sobre el usuario

La respuesta candidata no determina lo que el usuario ve. Por tanto no observa directamente:

Momentos clave

Ve directamente a una sección

  1. Shadow observa tráfico sin cambiar la decisión
  2. Canary aumenta exposición sólo con guardrails verdes
  3. A/B mide efecto; regression gate decide promote o rollback