【系统架构设计】混沌工程：主动验证系统的韧性
混沌工程不是随机杀进程：Netflix Chaos Monkey 到 Chaos Mesh/ChaosBlade 的原则、爆炸半径与 GameDay。
chaos-engineering 标签归档
共 7 篇文章 · 返回首页
【可观测性工程】混沌工程：ChaosBlade、Chaos Mesh 与可观测性闭环
混沌工程验证可观测性与告警是否发现故障：稳态假设、ChaosBlade/Chaos Mesh/LitmusChaos 对比、爆炸半径控制、SLO 判定与 Reliability Backlog 闭环。
【系统架构设计】Netflix 架构全景：混沌工程的诞生地
Netflix 在 2008 年经历了一次长达三天的数据库故障，导致 DVD 寄送业务全面瘫痪。这次事故促使团队做出了一个关键决策：放弃自建数据中心，全面迁移到亚马逊云服务（Amazon Web Services，AWS）。这一决策不仅重塑了 Netflix 的技术栈，还催生了混沌工程（Chaos Engineerin…
【金融科技工程】金融级可靠性：两地三中心、单元化、RPO/RTO、灰度
金融系统的可用性不是 SLA 表里的一个数字，而是人民银行、银保监、GB/T 20988 六级灾备、SOX、FFIEC 这些监管框架共同压出来的工程形态。本文从 RTO/RPO 的定义出发，走过单机→主备→同城双活→两地三中心→三地五中心→单元化（LDC/Set）的架构演进，拆解异地多活的数据同步、冲突处理与流量调度，配套混沌工程、全链路压测、应急预案与复盘文化，最后用 Go 写一个可运行的多活流量切换骨架。结合光大 8·16 乌龙指、2021 AWS us-east-1 故障、2020 工行手机银行故障、蚂蚁春节红包等公开案例展开。
【存储工程】存储混沌工程
全面剖析存储层的混沌工程实践——磁盘故障注入、慢 I/O 模拟、数据损坏测试、Chaos Mesh IOChaos、LitmusChaos 与慢盘检测算法
【网络工程】网络模拟与测试：netem、Mininet 与混沌工程
生产环境的网络条件远比实验室复杂——延迟抖动、随机丢包、带宽突变、链路故障。本文系统讲解 tc netem 的完整用法、Mininet 虚拟网络拓扑搭建、网络层混沌工程（Toxiproxy/Comcast/tc-netem）的实战方法，以及如何在 CI/CD 流水线中集成网络条件测试，确保应用在恶劣网络下的鲁棒性。
【分布式系统百科】故障的分类学：从 fail-stop 到 Byzantine
教科书把故障分成 crash 和 Byzantine 两种，但生产环境里最常见、最难处理的故障恰恰是两者之间的灰色地带：静默数据损坏、时钟跳变、GC 停顿、慢磁盘。本文从故障层级模型出发，逐层拆解五种故障类型，结合真实事故案例分析检测手段与工程应对策略。