基于行为的混沌实验与AWS故障注入模拟器
内容提要
本文探讨了如何使用AWS故障注入模拟器（FIS）和可读语言构建混沌实验，以增强工作负载的持续弹性。结合Python风格的Behave框架，使非技术利益相关者也能参与实验设计。文章提供了实验的定义、实施步骤及代码示例，并强调在CI/CD管道中自动化实验的重要性，以确保工作负载的可靠性和持续性。
延伸解读
为什么用可读语言编写混沌实验
文章指出，混沌工程实践可能变得复杂，导致非技术利益相关者难以理解实验的输入和输出。通过结合Behave框架和Gherkin语法，将实验假设、稳态和验证编码为人类可读的语句，使非技术利益相关者能够审查、验证并贡献实验设计。这有助于确保实验由业务成果驱动，并产生更广泛社区可理解的审计证据。
在CI/CD管道中自动化混沌实验
文章强调，将混沌实验代码化后，可以将其包装到CI/CD管道的适当阶段，以确保现有实验始终运行，避免回归。还可以随着新业务功能的启用或新潜在干扰的出现，迭代添加新的混沌实验。这种自动化是确保工作负载可靠性和持续性的关键，而不仅仅是在本地手动运行实验。
避免假阳性：环境验证的重要性
文章中的实验首先通过Given和And步骤验证环境条件是否适合实验，例如网站正常运行且能处理每秒10个事务，以及Auto Scaling组至少有3个实例分布在3个可用区。如果环境在实验开始前就不满足条件，测试将失败，从而避免假阳性结果。由于步骤用代码表达，测试报告能区分是环境问题导致的假阳性还是工作负载未按预期响应的真阳性失败。
示例实验的局限与扩展建议
文章提供的示例实验是一个简单的单步实验，仅模拟EC2实例丢失。但FIS支持创建复杂的多步实验，用户还可以使用AWS Systems Manager或boto3调用编写自定义操作。此外，示例中使用Locust作为Python库发送流量，但这不是Locust的稳健实现；在生产测试套件中，建议构建基于REST API的Locust实现或使用现有负载测试套件（如Blazemeter），以便从Behave步骤调用并运行整个实验期间。
Q&A
什么是混沌实验，它的主要目的是什么？
混沌实验是一种通过故意引入故障来测试系统的弹性和可靠性的方法，其主要目的是增强工作负载的持续弹性。
如何使用AWS故障注入模拟器（FIS）进行混沌实验？
使用AWS故障注入模拟器（FIS），可以创建实验行动并模拟对工作负载的干扰，从而观察结果并获取工作负载的弹性洞察。
Behave框架在混沌实验中有什么作用？
Behave框架使得混沌实验的属性可以用可读的Gherkin语法编码，从而让非技术利益相关者也能参与实验设计和验证。
在CI/CD管道中自动化混沌实验的重要性是什么？
在CI/CD管道中自动化混沌实验可以确保工作负载的可靠性和持续性，避免回归问题，并使实验能够随着新功能的启用而不断更新。
实施混沌实验需要哪些先决条件？
实施混沌实验需要一个AWS账户、配置好的AWS CLI、以及Python 3.9或更新版本的环境。
如何验证混沌实验的假设？
通过在实验中定义的步骤，观察实验结果是否符合预期，从而验证假设是否成立。
