混沌工程

大型分布式系统跑在云上，一旦出错，错误难以预测，并且损失巨大，这就是引入混沌工程的原因

故障演练是属于混沌工程的一环，目的还是借事修人

混沌工程是在模块局部内确切的可控制的混乱

stateDiagram-v2
  稳态假设 --> 真实事件注入
  真实事件注入 --> 影响检测
  影响检测 --> 恢复
  恢复 --> 稳态假设

先决条件

稳态定义与测量

可以从场景化、现象化、指标化来定义出系统的稳定状态

根据现有的稳态，定义相关基线，通过监控测量相关指标偏离基线的情况来判断稳态是否变化

系统稳态的维持：

事件

混沌工程的事件定义：

理解分布式系统的8个谬误

基础设施事件

中间件事件

应用事件

数据事件

最小化爆炸半径

事件的注入要不在线下的系统尽情搞

要不就在线上尽小的可控范围内进行注入

演练

目标：

执行

场景

模式

角色

范围

观察

恢复

过程结果分析

时间分析

表现分析

维度\能力 容灾能力 发现能力 快速恢复能力
时间维度 是否快速及时
定量维度 问题数量是否可控
变化维度 变化幅度是否满足预期

异常分析

演练过程中出现的异常和其特征分析

改进分析

稳定性提升

预案体系能力

定位止血能力

stateDiagram-v2
  问题定位: 问题定位：问题表象 链路排查 日志分析
  问题定位 --> 问题原因,止血方案
  问题原因,止血方案 --> 经验沉淀,排查工具
  经验沉淀,排查工具 --> 运维支撑
  运维支撑 --> 问题原因,止血方案
  运维支撑 --> 问题定位

风险管控

需要明确的风险：

对抗风险：