在浩瀚無垠的宇宙之中，我們渺小如 一粒微塵。人類最深遠(yuǎn)的恐懼，莫過于對未知的恐懼。千百年來，面對這些無法準(zhǔn)確預(yù)測的災(zāi)難，我們不斷進(jìn)行科研探索。在數(shù)字代碼的世界中亦是如此……

科技工作者們不斷探索出新的方法，構(gòu)建更有韌性的系統(tǒng)，以抵御多種形式的故障。而我們在這個(gè)系列里要介紹的混沌工程，就是軟件開發(fā)領(lǐng)域中一門嶄新的學(xué)科。

混沌工程誕生

2008年

位于美國加利福尼亞州的Netflix公司數(shù)據(jù)中心，發(fā)生了一起重大的數(shù)據(jù)庫故障。

這起故障使得公司連續(xù)3天無法為客戶郵寄DVD，這正是他們當(dāng)時(shí)的主營業(yè)務(wù)。于是，他們做了一個(gè)大膽的決定，把基礎(chǔ)設(shè)施從數(shù)據(jù)中心遷移到云平臺，減少故障。此時(shí)，Netflix的流媒體業(yè)務(wù)剛剛起步。而當(dāng)時(shí)的云平臺成熟度不高，經(jīng)常出現(xiàn)服務(wù)器莫名宕機(jī)，可用性下滑，影響惡劣。

為解決這一問題，Netflix創(chuàng)造了Chaos Monkey。它會(huì)在集群列表中隨機(jī)選擇一個(gè)服務(wù)器將其關(guān)閉，主動(dòng)將問題擺在工程師面前進(jìn)行解決。Chaos Monkey就是混沌工程的雛形。

2012年

隨著互聯(lián)網(wǎng)的發(fā)展，流媒體播放逐漸走進(jìn)家庭。平安夜那天，云平臺的宕機(jī)導(dǎo)致了Netflix的流媒體服務(wù)中斷，這次故障對公司公眾形象造成了巨大打擊。

經(jīng)過這次故障，Chaos Monkey得到了升級，從應(yīng)對小規(guī)模服務(wù)器宕機(jī)進(jìn)化為可以應(yīng)對大規(guī)模區(qū)域故障，混沌工程逐漸成熟。

2015年

Netflix工程師團(tuán)隊(duì)正式定義了混沌工程“Chaos Engineering”。

混沌工程就是一種故障主動(dòng)注入測試的方法，通過實(shí)驗(yàn)的方式發(fā)現(xiàn)問題并解決問題。

1、建立穩(wěn)定狀態(tài)的假設(shè)。當(dāng)系統(tǒng)處于穩(wěn) 定狀態(tài)時(shí)，可以通過一些指標(biāo)來定義這一狀態(tài)。系統(tǒng)在混沌工程實(shí)驗(yàn)完成后，這些指標(biāo)無法快速恢復(fù)，可以認(rèn)為這個(gè)系統(tǒng)是不穩(wěn)定的。

2、多樣化地引入真實(shí)事件。只需要注入那些頻繁發(fā)生且影響重大的事件，比如比如網(wǎng)卡、磁盤故障等。

3、在生產(chǎn)環(huán)境中進(jìn)行實(shí)驗(yàn)。通常測試環(huán)境無法完全模擬生產(chǎn)環(huán)境，混沌工程實(shí)驗(yàn)盡可能在生產(chǎn)環(huán)境或貼近生產(chǎn)環(huán)境中進(jìn)行。

4、持續(xù)運(yùn)行自動(dòng)化實(shí)驗(yàn)。因?yàn)樯a(chǎn)環(huán)境一直在變化，要持續(xù)實(shí)驗(yàn)才更有效果，而自動(dòng)化讓整個(gè)過程的效率更高。

5、最小化爆炸半徑。我們要確?；煦绻こ套⑷氲倪@些故障不會(huì)對系統(tǒng)造成大規(guī)模的影響，使系統(tǒng)影響最小化并可控。

2023年

近來， Gartner將混沌工程歸納到“數(shù)字免疫系統(tǒng)”中，列入2023年企業(yè)機(jī)構(gòu)需要探索的十大戰(zhàn)略技術(shù)趨勢。

混沌工程未來

當(dāng)前，數(shù)字化浪潮席卷全球，上云、分布式改造、信創(chuàng)等工作對企業(yè)數(shù)字韌性提出了新的挑戰(zhàn)，混沌工程也將在新時(shí)代下顯現(xiàn)更大的價(jià)值。