53-模型卡 Template v1.0 | 第12章 监控、漂移与回退

目录 ／ 文档-技术白皮书 ／ 53-模型卡 Template v1.0

第12章 监控、漂移与回退

I. 目标与范围（Purpose & Scope）

• 规范上线模型的监控（Monitoring）、漂移检测（Drift Detection）与回退机制（Rollback）的指标、阈值、工作流与发布口径，确保故障或失配场景下可及时发现、可控降级、可审计回滚。
• 凡涉及路径量（到达时/相位），正文显式路径 gamma(ell) 与测度 d ell，数据侧记录 delta_form ∈ {general, factored}；所有表达一律括号化，发布要求 p_dim = 1.0。

II. 前置条件与输入（Prerequisites & Inputs）

• 数据与切分：对齐《数据集卡》Ch.4/Ch.6/Ch.7/Ch.11（Schema/Splits/QC/Bench），在线采样与离线评测一致。
• 训练与部署：对齐本卷 Ch.6（训练协议）与 Ch.10（部署接口），best.ckpt 与环境快照已锁定。
• 覆盖与协方差：对齐《误差预算卡》之 coverage ∈ {k, alpha, quantile} 与 Σ PD。
• 参数新鲜度：对齐《参数注册卡》之 freshness.policy 与 cov_group。
• 引用与版本：一律“卷名 + 版本 + 锚点（P/S/M/I）”，锚点直指率 ≥ 90%；对外仅 v1.*。

III. 监控指标与阈值（Monitoring KPIs & Thresholds）

• 数据面（Data Plane）：分布漂移（KS/ψ/EMD）、缺失与异常率、路径一致性（len(gamma_ell)=len(d_ell)=len(n_eff)≥2、Δell ≤ ( c_ref / f_s ) / max(n_eff)）。
• 模型面（Model Plane）：Q_res、r_phi、ε_flux、p_dim（=1）、预测不确定度 U=k·u_c 或分位带覆盖率。
• 时基与同步：clock_state、δt_abs、Δτ_ch、σ_y(τ)。
• 资源与性能：Latency_P95/P99、Throughput、ρ、P_avg/energy_per_req、loss_rate。
• 阈值映射：与 Ch.8/Ch.11 及《误差预算卡》Ch.9 的门槛一致；越界触发降级或回退。

IV. 漂移检测（Drift Detection）

1. 数据漂移：
   • 统计检验：KS/χ²/AD；多维用 MMD/能源距离；窗口化分层（batch/device/region）。
   • 路径量：T_arr、Phi 的区间覆盖率与区间宽度趋势；参考窗内相位对齐后再检验。
2. 概念漂移：
   • 代理真值/延迟标注：在线对齐 val/test/holdout 反馈；
   • 性能退化检查：ΔMAE/ΔAUC/Δr_phi 超阈与置信带不重叠。
3. 不确定度校准：PIT/Calibration curve/Brier，异常时启用保守区间或稳健代理。

V. 回退机制（Rollback Mechanism）

1. 状态机（FSM）：normal → degrade → rollback → recover → normal，事件驱动（门越界/漂移确认/资源告警）。
2. 降级策略：
   • 模型侧：切低复杂度路径/启用稳健代理（Huber/分位）；
   • 数据侧：收紧质量门、隔离高风险 slice；
   • 路径侧：切全带/短窗或提高 Δell 守卫（不违反上限）。
3. 回退执行：锁定上一个稳定版本（签名与 checksum 校验），并保持 I/O 契约与覆盖口径不变。
4. 恢复与验证：渐进流量回放（灰度），/validate 通过 G1–G8 与性能/质量阈值后再全量切换。

VI. 路径量统一口径（Normative Path Forms）

• 到达时（两式等价）：
  T_arr = ( 1 / c_ref ) * ( ∫ n_eff d ell )
  T_arr = ( ∫ ( n_eff / c_ref ) d ell )
• 相位累计：
  Phi = ( 2π / λ_ref ) * ( ∫ n_eff d ell )

监控与告警计算前按“时间→路径→相位”顺序对齐；数据侧记录 delta_form；路径数组满足长度与步长约束。

VII. 门阈映射（Gate Mapping）

• G1 Schema 完整：监控与漂移报告字段齐备；
• G2 引用合规：锚点直指率 ≥ 90%；
• G3 路径规范：路径块齐备、步长合规；
• G4 量纲闭合：在线/离线计算均保证 p_dim = 1.0；
• G5 新鲜度：clock_state="locked"；
• G6 覆盖一致：在线区间与发布口径一致（k/alpha/quantile）；
• G7 协方差一致：Σ PD，与误差卷配置一致；
• G8 唯一性与无环：事件与制品具 checksum，lineage 无环。
• 触发 S1–S5（量纲/新鲜度/路径/协方差/引用）即降级或回退，并可标注 [Restricted]。

VIII. 机读配置（Machine-Readable Configs）
A. monitoring_rules.yaml

version: "1.0.0"

windows: { short_s: 300, long_s: 86400 }

kpis:

latency_p95_s: { target: 0.200, alert: 0.250, critical: 0.300 }

throughput_rps: { target_min: 1000 }

q_res: { target_max: 0.20 }

p_dim: { require: 1.0 }

r_phi_lb95: { target_min: 0.60 }

epsilon_flux_p95: { target_max: 0.02 }

delta_t_abs_ns: { target_max: 50 }

delta_tau_ch_ns: { target_max: 5 }

drift:

data: { test: "ks", p_crit: 0.01, strata: ["device","region"] }

concept: { metric: "val/MAE", delta_crit: 0.05, ci_agree: true }

actions:

on_alert: ["degrade"]

on_critical: ["rollback"]

B. rollback_fsm.yaml

version: "1.0.0"

states: [normal, degrade, rollback, recover]

transitions:

- { from: normal, to: degrade, when: "gate_alert or drift_alert" }

- { from: degrade, to: rollback, when: "gate_critical or perf_critical" }

- { from: rollback,to: recover, when: "stable_prev_version_ready" }

- { from: recover, to: normal, when: "validate_pass and perf_ok" }

degrade:

strategies: ["robust_surrogate","tighten_gates","isolate_slices"]

rollback:

version_tag: "v1.2.3-lock"

verify: ["checksum","/validate","SLA/SLO"]

recover:

rollout: { canary_percent: 10, steps: 3, pause_s: 600 }

C. alerts.jsonl（示例行）

{
  "ts": "2025-09-24T16:10:00Z",
  "level": "critical",
  "event": "gate_fail",
  "gate": "G4",
  "detail": "p_dim < 1.0",
  "action": "rollback"
}

IX. 反例与修正（Anti-Patterns & Fixes）

• 反例：仅报均值无区间/无置信带 → 修正：补充 U=k·u_c 或分位带并给出收敛诊断。
• 反例：T_arr = ∫ n_eff / c_ref d ell（缺括号） → 修正：括号化为统一口径。
• 反例：发现漂移但不停机/不降级 → 修正：绑定 FSM 的自动化动作与审批阈值。
• 反例：回退版本未签名/无校验和 → 修正：强制签名与 checksum 校核。
• 反例：路径块缺 d ell/delta_form → 修正：补齐并与 n_eff 等长后再计算告警。

X. 交叉引用（Cross-References）

• 《数据集卡》：Ch.7（QC Gates）、Ch.8（UQ/Cov）、Ch.11（Bench/Score）、Ch.10（API）。
• 《误差预算卡》：Ch.8/Ch.9（区间与阈值映射）。
• 《管线卡》：Ch.7（状态/幂等/容错）、Ch.9（质量门/监控/告警）、Ch.12（产出/发布）。
• 本卷：Ch.6（训练协议）、Ch.7（UQ）、Ch.10（部署接口）。

XI. 执行勾选清单（Checklist）

• monitoring_rules.yaml / rollback_fsm.yaml / alerts.jsonl 已落库并启用。
• 路径量显式 gamma/measure/delta_form；p_dim = 1.0；告警与门阈一致。
• 漂移检验（数据/概念）可重现；降级/回退动作与审批路径明确并记录审计。
• 资源与性能监控与 Ch.11 一致，阈值与回归策略生效。
• /validate 通过 G1–G8；不合规项已按 [Restricted] 标注与处置；引用锚点直指率 ≥ 90%。