フィーチャーフラグ
注記: このドキュメントは英語版からの翻訳です。最新の内容や正確な情報については、英語版オリジナルを参照してください。
要約
フィーチャーフラグは、デプロイとリリースを分離し、本番環境に無効状態でコードをデプロイして段階的に有効化することを可能にします。トランクベース開発、安全なロールアウト、実験を実現します。ただし、複雑性が増すため、フラグのライフサイクル管理とクリーンアップを計画してください。
なぜフィーチャーフラグか？
デプロイ vs. リリース
分離:
- デプロイ: コードが本番環境に投入（低リスク）
- リリース: 機能がユーザーに有効化（制御可能）
- ロールバック: フラグを切り替え（即時、再デプロイ不要）フィーチャーフラグの種類
リリースフラグ（短命）
python
# Gradually roll out new feature
if feature_flags.is_enabled("new_checkout_flow", user_id):
return new_checkout_flow(cart)
else:
return old_checkout_flow(cart)
# ライフサイクル:
# 1. フラグ OFF でデプロイ
# 2. 社内ユーザーに有効化
# 3. 1%, 10%, 50%, 100% で有効化
# 4. フラグを削除し、古いコードも削除実験フラグ（一時的）
python
# A/B test different variants
variant = feature_flags.get_variant("checkout_button_color", user_id)
if variant == "control":
button_color = "blue"
elif variant == "variant_a":
button_color = "green"
elif variant == "variant_b":
button_color = "red"
# Track conversion
analytics.track("checkout_completed", {
"experiment": "checkout_button_color",
"variant": variant
})
# ライフサイクル:
# 1. 統計的有意性が得られるまで実験を実行
# 2. 結果を分析
# 3. 勝者を選択し、フラグを削除運用フラグ（長命）
python
# Circuit breaker / kill switch
if feature_flags.is_enabled("enable_recommendations_service"):
recommendations = recommendations_service.get(user_id)
else:
recommendations = [] # Graceful degradation
# ライフサイクル: 長命、運用制御に使用権限フラグ（長命）
python
# Entitlements / premium features
if feature_flags.is_enabled("premium_analytics", user_id):
show_advanced_analytics()
else:
show_upgrade_prompt()
# ライフサイクル: 長命、ビジネスロジックに紐付くフラグの評価
シンプルなブーリアン
python
class SimpleFlag:
def __init__(self, name: str, enabled: bool):
self.name = name
self.enabled = enabled
def is_enabled(self) -> bool:
return self.enabledパーセンテージロールアウト
python
import hashlib
class PercentageFlag:
def __init__(self, name: str, percentage: int):
self.name = name
self.percentage = percentage # 0-100
def is_enabled(self, user_id: str) -> bool:
# Consistent hashing: same user always gets same result
hash_input = f"{self.name}:{user_id}"
hash_value = int(hashlib.md5(hash_input.encode()).hexdigest(), 16)
bucket = hash_value % 100
return bucket < self.percentage
# 10% rollout
flag = PercentageFlag("new_feature", 10)
flag.is_enabled("user_123") # True or False (consistent for this user)ターゲティングルール
python
class TargetedFlag:
def __init__(self, name: str, rules: list):
self.name = name
self.rules = rules # Evaluated in order
def is_enabled(self, context: dict) -> bool:
for rule in self.rules:
if rule.matches(context):
return rule.result
return False # Default
# Example rules
rules = [
# Rule 1: Internal users always on
Rule(
condition=lambda ctx: ctx.get("email", "").endswith("@company.com"),
result=True
),
# Rule 2: Beta users
Rule(
condition=lambda ctx: ctx.get("user_id") in beta_user_list,
result=True
),
# Rule 3: 10% of remaining users
Rule(
condition=lambda ctx: percentage_check(ctx.get("user_id"), 10),
result=True
),
# Rule 4: Default off
Rule(
condition=lambda ctx: True,
result=False
)
]多変量フラグ
python
class MultivariateFlag:
def __init__(self, name: str, variants: list):
self.name = name
self.variants = variants # [("control", 50), ("variant_a", 25), ("variant_b", 25)]
def get_variant(self, user_id: str) -> str:
hash_input = f"{self.name}:{user_id}"
hash_value = int(hashlib.md5(hash_input.encode()).hexdigest(), 16)
bucket = hash_value % 100
cumulative = 0
for variant_name, percentage in self.variants:
cumulative += percentage
if bucket < cumulative:
return variant_name
return self.variants[0][0] # Default to first実装アーキテクチャ
クライアントサイド評価
メリット: 低レイテンシ、オフラインでも動作
デメリット: すべてのフラグがクライアントに送信（サイズ）、同期遅延サーバーサイド評価
メリット: 機密ルールがサーバーサイドに留まる、常に最新
デメリット: レイテンシ、ネットワーク依存ハイブリッドアプローチ
python
class HybridFeatureFlags:
def __init__(self):
self.local_cache = {}
self.evaluation_service = FeatureFlagService()
def is_enabled(self, flag_name: str, context: dict) -> bool:
# Check local cache first
cached = self.local_cache.get(flag_name)
if cached and not cached.requires_server_evaluation:
return cached.evaluate(context)
# Fall back to server for complex rules
return self.evaluation_service.evaluate(flag_name, context)
def sync_flags(self):
"""Background sync of flags that can be evaluated locally"""
simple_flags = self.evaluation_service.get_all_simple_flags()
self.local_cache.update(simple_flags)SDK の実装
Python SDK の例
python
import requests
import threading
import time
from typing import Optional, Dict, Any
class FeatureFlagClient:
def __init__(self, sdk_key: str, base_url: str = "https://flags.example.com"):
self.sdk_key = sdk_key
self.base_url = base_url
self.flags: Dict[str, Any] = {}
self._start_polling()
def _start_polling(self):
def poll():
while True:
try:
self._fetch_flags()
except Exception as e:
print(f"Failed to fetch flags: {e}")
time.sleep(30) # Poll every 30 seconds
thread = threading.Thread(target=poll, daemon=True)
thread.start()
def _fetch_flags(self):
response = requests.get(
f"{self.base_url}/api/flags",
headers={"Authorization": f"Bearer {self.sdk_key}"}
)
response.raise_for_status()
self.flags = response.json()
def is_enabled(
self,
flag_key: str,
user_id: Optional[str] = None,
attributes: Optional[Dict] = None,
default: bool = False
) -> bool:
flag = self.flags.get(flag_key)
if not flag:
return default
return self._evaluate(flag, user_id, attributes or {})
def _evaluate(self, flag: dict, user_id: str, attributes: dict) -> bool:
if not flag.get("enabled"):
return False
# Check targeting rules
for rule in flag.get("rules", []):
if self._matches_rule(rule, user_id, attributes):
return rule.get("result", False)
# Percentage rollout
if percentage := flag.get("percentage"):
return self._percentage_check(flag["key"], user_id, percentage)
return flag.get("default", False)
# Usage
flags = FeatureFlagClient(sdk_key="sdk-key-123")
if flags.is_enabled("new_checkout", user_id="user_123"):
show_new_checkout()
else:
show_old_checkout()ベストプラクティス
フラグの命名規則
python
# 良い名前 - 説明的、一貫性がある
"enable_new_checkout_flow"
"experiment_homepage_hero_variant"
"ops_circuit_breaker_recommendations"
"permission_premium_analytics"
# 悪い名前
"flag1"
"test"
"johns_feature"
"temporary_fix_delete_later" # 削除されることはないフラグのライフサイクル管理
python
class FlagLifecycle:
"""Track flag status and enforce cleanup"""
STATES = ["planning", "development", "testing", "rollout", "complete", "cleanup"]
def __init__(self, flag_name: str):
self.flag_name = flag_name
self.state = "planning"
self.created_at = datetime.now()
self.owner = None
self.cleanup_deadline = None
def transition(self, new_state: str):
if new_state == "rollout":
# Set cleanup deadline when rollout starts
self.cleanup_deadline = datetime.now() + timedelta(days=30)
self.state = new_state
def is_overdue_for_cleanup(self) -> bool:
if self.state in ["complete", "cleanup"]:
return datetime.now() > self.cleanup_deadline
return False
# Automated cleanup reminders
def send_cleanup_reminders():
for flag in get_all_flags():
if flag.is_overdue_for_cleanup():
send_reminder(
to=flag.owner,
subject=f"Feature flag '{flag.flag_name}' needs cleanup",
body=f"Flag has been at 100% for over 30 days. Please remove."
)フラグ負債の回避
python
# 悪い例: ネストされたフラグ（推論が困難）
if flags.is_enabled("feature_a"):
if flags.is_enabled("feature_b"):
if flags.is_enabled("feature_c"):
do_something()
# 改善: 明確な意図を持つ単一フラグ
if flags.is_enabled("feature_abc_combined"):
do_something()
# 悪い例: 共有コード内のフラグ（すべてに影響）
def get_price(product):
price = product.base_price
if flags.is_enabled("new_pricing"): # 範囲が広すぎる！
price = calculate_new_price(product)
return price
# 改善: 具体的なスコープ
def get_price(product, context):
if context.feature == "checkout" and flags.is_enabled("new_pricing_checkout"):
return calculate_new_price(product)
return product.base_priceフラグを使ったテスト
python
import pytest
from unittest.mock import patch
class TestCheckoutWithFlags:
def test_new_checkout_enabled(self):
with patch('app.flags.is_enabled', return_value=True):
result = process_checkout(cart)
assert result.used_new_flow == True
def test_new_checkout_disabled(self):
with patch('app.flags.is_enabled', return_value=False):
result = process_checkout(cart)
assert result.used_new_flow == False
def test_both_flows_produce_same_result(self):
"""Ensure new and old flow are functionally equivalent"""
cart = create_test_cart()
with patch('app.flags.is_enabled', return_value=False):
old_result = process_checkout(cart)
with patch('app.flags.is_enabled', return_value=True):
new_result = process_checkout(cart)
assert old_result.total == new_result.total
assert old_result.items == new_result.itemsフィーチャーフラグサービス
LaunchDarkly
python
import ldclient
from ldclient.config import Config
ldclient.set_config(Config("sdk-key-123"))
client = ldclient.get()
user = {
"key": "user-123",
"email": "user@example.com",
"custom": {
"plan": "premium",
"country": "US"
}
}
# Boolean flag
show_feature = client.variation("new-feature", user, False)
# Multivariate flag
button_color = client.variation("button-color", user, "blue")Unleash（オープンソース）
python
from UnleashClient import UnleashClient
client = UnleashClient(
url="https://unleash.example.com/api",
app_name="my-app",
custom_headers={"Authorization": "token"}
)
client.initialize_client()
# Check flag
if client.is_enabled("new-feature", context={"userId": "123"}):
show_new_feature()
# With fallback
enabled = client.is_enabled("new-feature", fallback_function=lambda: False)自作 vs. 購入
自作が適している場合:
- シンプルなユースケース（ブーリアンフラグのみ）
- プライバシー/コンプライアンス要件
- 限られた予算
- 学習/制御が優先
購入が適している場合:
- 高度なターゲティングが必要
- A/B テスト機能が組み込み
- 複数環境のサポート
- 監査/コンプライアンス機能
- 多言語対応の SDK
- インフラの保守を避けたい
人気のあるオプション:
- LaunchDarkly（エンタープライズ）
- Split.io（実験重視）
- Unleash（オープンソース）
- Flagsmith（オープンソース）
- ConfigCat（シンプル、手頃）アンチパターン
1. 永続的な「一時」フラグ
- クリーンアップ期限を設定
- 古いフラグにアラート
2. データモデルに影響するフラグ
- ロールバックが困難
- 代わりにデータマイグレーションを検討
3. フラグが多すぎる
- 認知的オーバーヘッド
- 相互作用の複雑性
- 組織全体の制限を設定
4. ハッピーパスのみのテスト
- 両方のフラグ状態をテスト
- フラグの遷移をテスト
5. モニタリングなし
- フラグの評価を追跡
- 予期しない状態にアラート