1、混沌工程：从起源到实践

混沌工程：从起源到实践

1. 混沌工程的兴起

混沌工程作为软件开发领域相对较新的学科，正被众多不同规模和行业的公司广泛采用，成为提升产品和服务安全性与可靠性的核心实践。其发展历程始于Netflix，具有独特的起源和演变过程。

2008年，Netflix决定从数据中心迁移到云端。当时，数据中心架构存在单点故障问题，如大型数据库和垂直扩展组件。而云部署采用水平扩展组件，理论上可减少单点故障。然而，迁移过程并不顺利，耗时八年才完全脱离数据中心，且流媒体服务的正常运行时间并未如预期提升。

这是因为当时的亚马逊Web服务（AWS）尚不成熟，云环境中实例可能会毫无预警地消失，这在数据中心很少见。尽管有一些构建具有弹性系统的常见方法，但由于Netflix独特的管理文化，无法强制工程师遵循特定的代码编写模式。

Netflix的管理文化具有以下特点：
- 只招聘有相关经验的高级工程师。
- 给予工程师充分自由，同时让他们对决策后果负责。
- 信任员工自主决定工作方式，管理层确保员工理解问题，由员工提出解决方案并执行。
- 高性能团队高度一致但松散耦合，减少流程、正式沟通和任务管理的精力投入。

2. Chaos Monkey的诞生

在解决实例消失导致服务可用性问题的过程中，Netflix尝试了多种方法，最终Chaos Monkey脱颖而出。

Chaos Monkey是一个简单的应用程序，它会在工作日随机选择每个集群中的一个实例并关闭。其目的并非制造麻烦，而是让操作员提前测试系统对实例消失的弹性，并在工作时间内处理可能的问题，类似于回归测试，防止系统出现故障。