题干与适用场景
平台服务数百个模型，训练产物来自不同流水线，线上服务需要稳定引用某个已批准版本。研究团队希望快速试验，合规团队要求记录训练数据快照、评估指标、批准人和部署历史。假设模型文件存放在对象存储，推理服务通过注册中心读取版本和别名。
面试官考察点
面试官看你能否区分不可变模型版本与可变发布指针。强回答会说明元数据一致性、制品完整性、别名原子切换、环境隔离、审批和回滚；普通回答只做一个保存文件名的 CRUD 服务。
回答前需要澄清的问题
- 模型是否允许跨环境复用？若开发、预发、生产隔离，别名和权限边界必须分开。
- 回滚目标是上一版本、指定版本还是最后一个健康版本？不同目标决定审计和健康状态模型。
- 评估证据需要哪些字段？缺少数据集快照或指标时不能进入批准状态。
- 推理服务能否缓存模型？缓存 TTL 和别名变更传播会影响回滚时间。
- 是否支持灰度或多版本并存？若支持，需要流量路由与指标关联。
30 秒回答框架
“我会把模型文件和版本元数据都设为不可变，以内容摘要和版本号寻址；用环境内唯一的别名指向已批准版本。注册、评估、审批、部署和回滚都是带审计的状态转换。推理服务先解析别名得到版本，再校验摘要和权限。发布采用条件更新，灰度指标越界就把别名原子地切回上一健康版本。”
分步骤深入解答
- 核心对象。
RegisteredModel保存所有者和策略；ModelVersion保存制品 URI、内容摘要、框架、输入输出签名、训练数据快照和评估指标；Alias是环境内可变指针。 - 不可变制品。 上传后计算摘要并写入对象存储，版本只能追加元数据，禁止覆盖文件。下载时校验摘要，避免标签指向错误内容。
- 状态机。 版本依次经历 registered、validated、approved、deployed、retired；每次转换记录操作者、理由、时间和证据链接，非法跳转被拒绝。
- 别名切换。
candidate、staging、champion等别名只允许指向一个版本。使用条件写或事务更新，保证读取者不会看到半次切换。 - 部署读取。 服务解析别名得到版本快照，校验租户、环境和摘要，再下载并缓存；缓存记录版本号，不能只缓存别名。
- 灰度与回滚。 发布控制器按流量分组绑定别名或路由规则，收集错误率、延迟和业务指标；越过阈值时将别名切回健康版本并记录自动回滚事件。
容量上，元数据可放关系数据库并用对象存储承载大文件；事件流异步通知缓存失效和审计索引。跨区域复制只复制已批准版本，避免半成品进入生产。
高质量示范回答
“我设计三个边界：不可变版本、可变别名、受审计的状态转换。每个版本包含对象摘要、签名、训练数据快照、评估指标和来源运行记录；审批前缺字段就拒绝。生产环境的 champion 别名通过条件更新只指向一个版本，推理服务解析后缓存版本号并校验摘要。灰度控制器关联模型版本与错误率、延迟和业务指标，超过阈值就原子切回上一健康版本。权限按模型、环境和动作拆分，所有别名移动、审批、下载和回滚写入不可篡改审计日志。”
常见错误
- 错误表现： 允许覆盖同一个版本文件 → 失败原因： 部署无法重现，审计指向失效 → 修正方法： 版本和制品不可变，变更只能创建新版本。
- 错误表现： 用
latest字符串直接部署 → 失败原因： 别名移动后缓存和审计不一致 → 修正方法： 先解析别名到版本快照并记录摘要。 - 错误表现： 把审批当作布尔字段 → 失败原因： 无法解释谁在何时依据什么批准 → 修正方法： 使用带证据的状态转换和审计事件。
- 错误表现： 回滚只切换流量 → 失败原因： 缓存或依赖仍可能读取新版本 → 修正方法： 版本化缓存、依赖检查和原子别名回退。
追问及应对
为什么需要别名，直接使用版本号不够吗？
版本号适合重现，别名适合发布控制。将两者分离可以在不修改客户端配置的情况下切换已批准版本，同时保留明确的版本审计。
如何避免别名并发更新覆盖？
为别名记录版本号或修订号，使用条件更新；冲突时让控制器重新读取并依据最新策略重试，不能静默覆盖。
训练数据包含敏感信息，注册中心保存什么？
保存数据集版本、访问策略和摘要，不保存原始样本；下载评估证据时复用数据权限并记录访问审计。
什么时候删除旧模型版本？
满足保留期、没有活动部署和审计冻结要求后再删除制品；元数据和回滚所需摘要至少保留到合规期限结束。