下一代 AWS Resilience Hub 中的推荐韧性测试
内容提要
AWS Resilience Hub 推出推荐韧性测试，基于 AWS FIS 自动生成故障注入实验，并按韧性策略和 RTO 判定通过或失败。首批提供可用区恢复、依赖验证、多区域隔离与恢复四项测试。依赖验证可自动发现依赖、区分软硬依赖，验证服务在依赖失效时能否保持健康并生成报告，帮助团队持续验证架构韧性。
延伸解读
从“知道架构”到“证明架构”
文章强调，团队完成韧性策略定义和应用评估后，常见缺口是验证故障下的实际行为。推荐韧性测试把原本需要手动设计的 FIS 实验变成预配置测试，并依据策略中的 RTO 和成功标准自动判定通过或失败。这意味着韧性验证从依赖专家经验转向可重复执行的流程，每次运行还会生成报告，便于持续跟踪和合规汇报。
软硬依赖分类决定测试解读
依赖验证测试的核心不是简单看通过或失败，而是对照依赖分类判断架构是否符合预期。软依赖被阻断后测试通过，说明降级逻辑有效；若失败，可能分类有误或降级路径有缺口。硬依赖被阻断后测试失败属于预期，重点应确认失败是否被限制在特定业务流内，没有级联故障、数据损坏或挂起连接。文章建议先从单个软依赖开始，逐步扩大范围。
成功标准应衡量业务健康而非资源状态
文章明确提醒，故障注入时被影响的资源本来就会不健康，因此成功标准应选择反映服务整体健康和客户体验的指标，例如订单成功率或端到端可用性，而不是单个资源状态。恢复类测试要求所有成功标准在策略定义的 RTO 内恢复并保持到测试结束；持续类测试则要求从注入故障到测试结束始终满足阈值。额外告警只用于观察，不影响判定结果。
运行测试前需关注的配置与权限边界
依赖验证测试通过 AWS FIS 动作在计算层注入 100% 丢包，支持 EC2、ECS 和 EKS，但不同计算类型有额外前置条件，例如 SSM Agent、ECS 任务定义中的容器或 EKS 服务账户。测试时长可设为 1 分钟到 12 小时，默认 30 分钟。停止条件告警必须位于测试运行账户和注入故障的区域；多账户场景还需要编排角色和目标角色。文章提示，修改测试设置可能改变所需 IAM 权限，应始终复核角色说明。
Q&A
AWS Resilience Hub 的推荐韧性测试是什么？它如何工作？
推荐韧性测试是 AWS Resilience Hub 的一项新功能，它基于 AWS FIS 自动生成故障注入实验，利用 Resilience Hub 已知的服务资源、依赖关系和韧性策略，自动创建实验、注入故障，并根据成功标准和恢复时间目标（RTO）评估结果，判定通过或失败。
推荐韧性测试首批提供哪些测试类型？各自验证什么？
首批提供四种测试：可用区恢复（验证服务在单个可用区故障时能检测并恢复）、依赖验证（验证服务在依赖不可用时的行为）、多区域隔离（验证服务在区域间连接中断时能独立运行）、多区域恢复（验证服务在区域故障后能在 RTO 内恢复）。
依赖验证测试如何工作？软依赖和硬依赖有什么区别？
依赖验证测试通过阻断对选定依赖的访问，观察服务行为。软依赖是指服务降级但仍能继续运行的依赖（如分析 API），测试应通过；硬依赖是指服务失效的依赖（如主数据库），测试可能失败但能确认其关键性。测试通过条件是从故障注入到测试结束所有成功告警保持 OK 状态。
如何配置依赖验证测试？需要哪些前提条件？
前提条件：在下一代 Resilience Hub 中至少创建并评估一个服务，并拥有一个 IAM 服务角色。配置步骤：在服务仪表板的 Testing 选项卡选择依赖验证测试，编辑配置，包括基本设置（测试时长、依赖区域）、选择要阻断的依赖（默认预选查询量最高的软依赖，最多10个）、故障操作（自动匹配计算资源）、测试告警（成功告警和可选附加告警）、停止条件、报告和日志、测试权限。
依赖验证测试的结果如何解读？通过或失败分别意味着什么？
结果需结合依赖分类解读：软依赖被阻断且测试通过，说明降级正常；软依赖被阻断但测试失败，可能依赖被误分类或降级逻辑有缺口；硬依赖被阻断且测试失败，确认分类正确，需检查失败是否优雅；硬依赖被阻断但测试通过，可能依赖被误分类或未被调用，需调查。
推荐韧性测试如何判定通过或失败？成功标准应该怎么选？
对于恢复测试（可用区恢复和多区域恢复），当所有成功标准在策略定义的 RTO 内恢复正常并保持到测试结束，测试通过。对于持续测试（依赖验证和多区域隔离），当所有成功标准从故障注入到测试结束始终满足阈值，测试通过。成功标准应反映服务健康和客户体验，如订单成功率或端到端可用性，而非单个资源状态。
