响应式培训网站模板,网站建设维护考试,网站建设 青海,旅游网络营销的优势阿里妹导读#xff1a;减少故障的最好方法就是让故障经常性的发生。通过不断重复失败过程#xff0c;持续提升系统的容错和弹性能力。今天#xff0c;阿里巴巴把六年来在故障演练领域的创意和实践汇浓缩而成的工具进行开源#xff0c;它就是 “ChaosBlade”。如果你想要提升…
阿里妹导读减少故障的最好方法就是让故障经常性的发生。通过不断重复失败过程持续提升系统的容错和弹性能力。今天阿里巴巴把六年来在故障演练领域的创意和实践汇浓缩而成的工具进行开源它就是 “ChaosBlade”。如果你想要提升开发效率不妨来了解一下。
高可用架构是保障服务稳定性的核心。
阿里巴巴在海量互联网服务以及历年双11场景的实践过程中沉淀出了包括全链路压测、线上流量管控、故障演练等高可用核心技术并通过开源和云上服务的形式对外输出以帮助企业用户和开发者享受阿里巴巴的技术红利提高开发效率缩短业务的构建流程。
例如借助阿里云性能测试 PTS高效率构建全链路压测体系通过开源组件 Sentinel 实现限流和降级功能。这一次经历了 6 年时间的改进和实践累计在线上执行演练场景达数万次我们将阿里巴巴在故障演练领域的创意和实践浓缩成一个混沌工程工具并将其开源命名为 ChaosBlade。
ChaosBlade 是什么
ChaosBlade 是一款遵循混沌工程实验原理提供丰富故障场景实现帮助分布式系统提升容错性和可恢复性的混沌工程工具可实现底层故障的注入特点是操作简洁、无侵入、扩展性强。
ChaosBlade 基于 Apache License v2.0 开源协议目前有 chaosblade 和 chaosblade-exe-jvm 两个仓库。
chaosblade 包含 CLI 和使用 Golang 实现的基础资源、容器相关的混沌实验实施执行模块。chaosblade-exe-jvm 是对运行在 JVM 上的应用实施混沌实验的执行器。
ChaosBlade 社区后续还会添加 C、Node.js 等其他语言的混沌实验执行器。 为什么要开源
很多公司已经开始关注并探索混沌工程渐渐成为测试系统高可用构建对系统信息不可缺少的工具。但混沌工程领域目前还处于一个快速演进的阶段最佳实践和工具框架没有统一标准。实施混沌工程可能会带来一些潜在的业务风险经验和工具的缺失也将进一步阻止 DevOps 人员实施混沌工程。
混沌工程领域目前也有很多优秀的开源工具分别覆盖某个领域但这些工具的使用方式千差万别其中有些工具上手难度大学习成本高混沌实验能力单一使很多人对混沌工程领域望而却步。
阿里巴巴集团在混沌工程领域已经实践多年将混沌实验工具 ChaosBlade 开源目的是为了
让更多人了解并加入到混沌工程领域缩短构建混沌工程的路径同时依靠社区的力量完善更多的混沌实验场景共同推进混沌工程领域的发展。
ChaosBlade 能解决哪些问题
衡量微服务的容错能力 通过模拟调用延迟、服务不可用、机器资源满载等查看发生故障的节点或实例是否被自动隔离、下线流量调度是否正确预案是否有效同时观察系统整体的 QPS 或 RT 是否受影响。在此基础上可以缓慢增加故障节点范围验证上游服务限流降级、熔断等是否有效。最终故障节点增加到请求服务超时估算系统容错红线衡量系统容错能力。
验证容器编排配置是否合理 通过模拟杀服务 Pod、杀节点、增大 Pod 资源负载观察系统服务可用性验证副本配置、资源限制配置以及 Pod 下部署的容器是否合理。
测试 PaaS 层是否健壮 通过模拟上层资源负载验证调度系统的有效性模拟依赖的分布式存储不可用验证系统的容错能力模拟调度节点不可用测试调度任务是否自动迁移到可用节点模拟主备节点故障测试主备切换是否正常。
验证监控告警的时效性 通过对系统注入故障验证监控指标是否准确监控维度是否完善告警阈值是否合理告警是否快速告警接收人是否正确通知渠道是否可用等提升监控告警的准确和时效性。
定位与解决问题的应急能力 通过故障突袭随机对系统注入故障考察相关人员对问题的应急能力以及问题上报、处理流程是否合理达到以战养战锻炼人定位与解决问题的能力。
功能和特点
场景丰富度高
ChaosBlade 支持的混沌实验场景不仅覆盖基础资源如 CPU 满载、磁盘 IO 高、网络延迟等还包括运行在 JVM 上的应用实验场景如 Dubbo 调用超时和调用异常、指定方法延迟或抛异常以及返回特定值等同时涉及容器相关的实验如杀容器、杀 Pod。后续会持续的增加实验场景。
使用简洁易于理解
ChaosBlade 通过 CLI 方式执行具有友好的命令提示功能可以简单快速的上手使用。命令的书写遵循阿里巴巴集团内多年故障测试和演练实践抽象出的故障注入模型层次清晰易于阅读和理解降低了混沌工程实施的门槛。
场景扩展方便
所有的 ChaosBlade 实验执行器同样遵循上述提到的故障注入模型使实验场景模型统一便于开发和维护。模型本身通俗易懂学习成本低可以依据模型方便快捷的扩展更多的混沌实验场景。 ChaosBlade 的演进史
EOS2012-2015
故障演练平台的早期版本故障注入能力通过字节码增强方式实现模拟常见的 RPC 故障解决微服务的强弱依赖治理问题。
MonkeyKing2016-2018
故障演练平台的升级版本丰富了故障场景如资源、容器层场景开始在生产环境进行一些规模化的演练。
AHAS2018.9-至今
阿里云应用高可用服务内置演练平台的全部功能支持可编排演练、演练插件扩展等能力并整合了架构感知和限流降级的功能。
ChaosBlade2019.3
是 MonkeyKing 平台底层故障注入的实现工具通过对演练平台底层的故障注入能力进行抽象定义了一套故障模型。配合用户友好的 CLI 工具进行开源帮助云原生用户进行混沌工程测试。 近期规划
功能迭代
增强 JVM 演练场景支持更多的 Java 主流框架如 RedisGRPC增强 Kubernetes 演练场景增加对 C、Node.js 等应用的支持
社区共建
1、欢迎访问 ChaosBladeGitHub参与社区共建包括但不限于
架构设计模块设计代码实现Bug FixDemo样例文档、网站和翻译原文链接 本文为云栖社区原创内容未经允许不得转载。
