灰度思维

什么是灰度思维

这个世界之所以能够正常运行，很大的一部分原因就在于我们的物理定律和社会规范都是确定性的。

在确定性的世界里，太阳从东方升起西方落下，绿灯表示通行红灯表示静止，大家的行动和行动造成的结果都是可预期的。

另一方面，这个世界之所以有趣，除了确定性的部分之外，不确定的那一部分同样扮演了重要的角色。

比如，彩票在开奖之前，从概率上看我永远都有机会一夜暴富；又比如盲盒再打开之前，我永远都不知道里面装的是什么东西。再比如，我无法决定我的性别以及所在的国家——这是出生的不确定性。

带来不确定性的事件有很多种类。比如，彩票这种随机事件，人这种天生具有不确定性的动物产生的不确定的行为，或者，此前从来没有经历过的未知情况带来的不可预期的结果。

行动和结果不可预期，有时候带给我们的是惊喜，在生活中我们的确需要这样的惊喜不是吗？但在另外一些时候，不可预期的结果就不那么让人愉快了——它除了不会带来惊喜之外，轻则会带来惊吓，重则可能会让我们的财产甚至生命安全遭到损失。

如此，在面对不可预期的结果的时候，我们在行动时就得格外谨慎，尤其是当我们要做出非此即彼的关键选择时更是如此。比如，人生在紧要处的几次关键选择，就应该如此。而宏观来看，整个人类的历史更是一部和风险对抗的斗争史。

我把这种结果不可预期的问题称为“从已知出发走向未知”的问题，处理这类问题时，“灰度思维”就可以发挥作用。

  简单来说，灰度思维要求我们遇事不要过早下结论，应该先以最小的成本去试探一下，在获得足够多的反馈和信息、建立足够的自信之后，再决定是否迈出更大的步子或者调转方向。

可以看到，灰度不是0到1的非黑即白——不是前面dba的一刀切，而是是0.1到1.0的逐渐递增——灰度，是一个渐进式的过程。

回到故事中的dba切换的例子里，对于一次性把100个分片禁读写这件事情，虽然我们在操作前也分析了这样“一刀切”会带来怎样的影响，但是我们不能打包票说实际切换时，这一刀切下去之后剧情一定会按照我们的分析展开，因为这个世界是复杂的，我们可能会有分析上的疏漏，我们掌握的知识可能是老旧的，我们用我们知道的部分去分析我们并不了解的事情，往往就会带来不确定性——我们主观以为的和客观世界实际发生的情况出现了不一致。在这种不确定的情况下，如果贸然一刀切，说不定可能会引起更大的故障。

所以，对于dba来说，面对这种不确定性，最好的策略就是灰度操作——先切换一个分片观察一下情况。如果切换后的结果符合预期，再继续下一步的操作；如果不符合预期，此时影响和成本都是可接受的。我们只需要回滚刚才的操作，更新我们之前抱持的错误认知，用新的认知重新进行分析，重新制定计划，重新实施计划。

可以看到，这是一个循环往复的迭代过程（迭代思维后续会有单独的文章）。

这样的思考方式，就是“灰度思维”，而用“灰度思维”思考之后去行事，就是“灰度操作”。

作为工程实践当中的一种重要思维工具，在背后支持灰度思维的底层逻辑，是科学实践中的怀疑精神。

怀疑精神要求我们对我们现有的经验都保持持怀疑态度，对我们利用这些经验在脑海里的推演持怀疑态度，因为这些推演并不代表实际情况，只有实际操作过，看到了客观世界的实际结果，我们才能做最后的判断。

那么，具体到实操层面，我们应该如何使用“灰度思维”呢？

首先，我们要判断问题的性质

如果这个问题对于我们来说是已经解决的问题，那你多半已经轻车熟路了。除非有新的因素引入（比如，后来切库我们换了一个新的dba同学，那么我可能就会对他进行一个灰度测试，先让他做一个简单的变更），否则一般不需要使用“灰度思维”。

如果这个问题对于我们来说之前完全没有做过，属于从已知走向未知的问题，而失败的成本对我们来说又无法接受，那么这样的问题就非常适合使用“灰度思维”。

其次，确认当前问题是否可以拆解为规模更小的等价问题

只有把问题拆解成更小的问题，我们才能有效降低验证成本。同时，只有确保这些小问题是原始问题的等价问题，我们才可能从对小问题的验证中获得对原始问题一样有价值的信息。

还是dba切库这个例子，一刀切100个分片和切1个分片，其实就是一个等价问题，因为二者带来的结果从质上看是一样的，只是在量级上有差异。而切1片就算真的出了问题，其所造成的影响只占切100片造成的影响的1%，基本可以忽略不计。

发现了问题，还没造成巨大的影响，这就是灰度操作的价值。

当然，并不是所有的问题都可以从规模上进行拆解，此时就需要对原始问题做建模了。比如，飞行器设计的过程，一般都是从数学模型到缩比模型再到全尺寸模型一路走过来的，其实这也是一种灰度。

还有一些复杂性问题，由于他本身只有在规模效应下才会出现，所以这种问题本身就是无法拆解的，也就无法使用灰度思维了。当然这种问题已经超出本文所讨论的范畴和作者的能力，这里就不再展开了。

最后，在前面的功课都做完之后，灰度思维要求我们付诸实践

在这一步，我们要设计好试验步骤并对试验结果做好假设。

比如，在dba切换的例子里，试验步骤就是我们当时拟定好的操作计划。

当灰度试验开始，一定要按照计划步骤操作。如果试验通过，那么继续增大试验规模。如果试验失败，则要有退出机制，换言之，要在一开始就为我们的灰度试验想好退路。

比如，在dba切库的例子里，我们的退路就是把上一步的操作回滚掉，让系统回到之前的状态。

当然，回滚之后事情并没有结束，我们还要对操作结果进行复盘（复盘思维，会有单独的章节介绍）研究，形成（关于现实世界的）新的知识，重新调整方案，依照新方案开始新的灰度，直到达到我们的既定目标。

总之，只要是从已知世界走向未知世界的情况，我们都可以用灰度思维来试探和尝试。

为了更好的理解“灰度思维”，不妨让我们看几个例子。

工作上的例子

新功能模块的灰度切流

灰度切流是每个研发同学在职业生涯中都会遇到的情况，这样的例子不胜枚举，我甚至可以不重样地说上一整天。

比如，我们要发布一个支付安全性检测的模块，这个模块会拦截看上去有安全风险的用户支付请求。

在研发测试阶段，虽然我们已经对这个模块做了反复的测试，但在模块上线之后，本着控制风险的原则，我们是不会让流量直接进入这个模块的。（还记得前文中的怀疑精神吗？）

正确的方法是，我们会通过白名单逐步给这个模块导入流量，确保这个模块的功能符合预期，确人这个模块的性能禁得住大流量的冲击。

之后，我们才会全量开放这个新模块。

蓝绿发布

在代码发布的时候，并不是所有的改动都可以像前文描述的功能模块一样，有独立的开关控制流量进行灰度。

但是，这并不能阻挡工程师们想要灰度的决心——他们甚至把灰度做到了机房级别，在发布时对机房的流量进行灰度控制，也就是业界所说的蓝绿发布。

具体来说，蓝绿发布要求至少得有两个发布分组（或者两个机房），其中一个是蓝机房，另外一个是绿机房。

发布新代码之前，我们把所有的用户流量都切到蓝机房，把绿机房的流量清空，然后在绿机房发布新代码。

之后，我们再以灰度切流的方式把流量从蓝机房逐渐切到绿机房，相当于对新代码进行了灰度验证。

如果一切顺利，我们会用同样的方式发布蓝机房。而如果在灰度中发现问题，我们可以立即回切流量，非常安全便捷。

精益创业

如果你了解精益创业，那么你一定也知道精益创业的思想背后其实也有灰度思维的影子。

精益创业的核心思想是用最小的成本验证你的点子是否可行，这里的可行与否，有两个维度：

一，有没有价值

二，可不可持续

为了尽早完成对以上两点的验证，精益创业的建议是快速搭建mvp（最小可用产品，如下图），然后推向市场，然后再根据市场反馈快速改进，这其实就是一个灰度的过程。

对精益创业有兴趣的朋友可以阅读《精益创业》一书，本文就不再赘述了。   下面，我们再几个在生活中使用灰度思维的例子。

生活中的例子

首笔转账

给别人转账时，为了避免账号输错，一般可以用一个很小的金额做一次测试转账，确定账号正确之后，再发起全额转账。

培养自己的爱好

学习一门兴趣，没必要一开始就重金投入购入大量的装备，而是从入门所需的最基本原料开始。

比如，如果要学习摄影，经过前期的调研后，你会发现器材在前期并不是关键因素，不用一开始就够买价格昂贵的专业相机，此时可以先用手机练习起来（灰度）。直到你对光影、构图和审美有了一定的感觉，觉得自己的能力受到了器材的限制时，再考虑购入相机。这样，即便你玩儿了半天发现自己其实对摄影并不是真的上头，此时放弃的成本也不会太高。

培养孩子的爱好

家长也可以用灰度思维去帮助小孩培养兴趣。此时可以把前期报的各种兴趣班看作是看作一种灰度，家长可以想办法压低灰度的成本（比如通过体验课，甚至在家里自己教）。在确定了最感兴趣的几项兴趣之后，再投入大量成本去深入学习。

发展人际关系

人际交往的过程本来就是一个相互试探的过程，试探就是灰度。

比如，臭名昭著的服从性测试就以灰度的方式展开。实际操作时，实施测试的一方会先给对方提一个不足挂齿的要求，如果对方接受了，那么就给对方提一个更大的要求，如果对方又接受了，再提一个更大的要求，直到逼近对方的底线，甚至在潜移默化中将对方洗脑。

这里一不小心举了一个反面的例子，诸位一定要注意甄别，不要被这种计量给pua了。

生活处处皆可灰度

最后，重要的事情值得反复提起——只要是从已知世界走向未知世界的问题，都可以使用灰度思维来处理——在做一件事情时，不妨让我们问问自己，这个事情之前是不是没做过？对结果是不是拿不太准？如果是是的话，这个时候就可以灰度起来了——总之，生活处处皆可灰度，我们的人生更是亦然。