Tools en platforms voor Chaos-experimenten

Chaos Monkey, ontwikkeld door Netflix, is waarschijnlijk het bekendste hulpmiddel voor chaos engineering. Het is ontworpen om productie-instanties (virtuele machines of containers) willekeurig uit te schakelen.

Het basisidee is eenvoudig: als je weet dat instanties elk moment kunnen verdwijnen, word je gedwongen systemen te bouwen die dergelijke storingen netjes kunnen verdragen en ervan kunnen herstellen.

Chaos Monkey werkt als volgt:

• Groepen instanties identificeren (bijvoorbeeld een groep met automatische schaling in AWS).
• Willekeurig een instantie uit die groep selecteren.
• Deze na een geconfigureerde vertraging beëindigen, waarmee een onverwachte crash of uitval wordt nagebootst.

Hierdoor worden engineers gedwongen ervoor te zorgen dat hun services automatisch kunnen herstellen en blijven werken, zelfs wanneer delen van de infrastructuur uitvallen.

LitmusChaos is een open-sourceplatform voor Chaos Engineering dat speciaal is ontwikkeld voor Kubernetes-omgevingen. Hiermee kunnen ontwikkelaars en Site Reliability Engineers (SRE's) chaos engineering op een Kubernetes-native manier beoefenen.

Je kunt LitmusChaos gebruiken om verschillende soorten chaos te injecteren in toepassingen en infrastructuuronderdelen die op je Kubernetes-clusters draaien, en hun veerkracht te testen.

Met LitmusChaos definieer je chaos-experimenten met Kubernetes Custom Resources (CR's). Deze CR's zijn als blauwdrukken die het volgende specificeren:

• Het type storing dat moet worden geïnjecteerd (bijvoorbeeld een pod verwijderen of netwerkvertraging introduceren).
• De doeltoepassing of het doelinfrastructuuronderdeel.
• De duur en reikwijdte van het experiment.

LitmusChaos biedt een besturingslaag om deze experimenten rechtstreeks vanuit je Kubernetes-cluster te beheren, in te plannen en te monitoren.

Gremlin is een commercieel platform voor "Failure as a Service" dat een uitgebreide reeks chaos-experimenten biedt. Het levert een gebruiksvriendelijke interface en API om verschillende soorten "aanvallen" op je systemen uit te voeren.

Gremlin wil chaos engineering toegankelijk en veilig maken voor ondernemingen, zodat die proactief zwakke plekken kunnen ontdekken voordat ze klanten raken.

Gremlin deelt zijn aanvallen in om veelvoorkomende storingsvormen uit de echte wereld te simuleren:

• Aanvallen op bronnen: Put CPU, geheugen, schijf-I/O of netwerkbandbreedte van een systeem uit.
• Netwerkaanvallen: Introduceer latentie of pakketverlies, of blokkeer verkeer naar specifieke services.
• Aanvallen op de toestand: Beëindig processen, schakel hosts uit of veroorzaak tijdsverschuivingen.

Met deze verschillende aanvalstypen kun je specifieke kwetsbaarheden van systemen gericht testen.

Welke tool voor chaos engineering je kiest, hangt af van je specifieke behoeften en omgeving. Houd rekening met deze factoren:

• Omgeving: Bestaat je infrastructuur voornamelijk uit Kubernetes, virtuele machines in de cloud of fysieke hardware?
• Complexiteit: Heb je alleen eenvoudige beëindiging van instanties nodig, of ook complexe netwerk- en bronaanvallen?
• Open source versus commercieel: Beoordeel het budget, de benodigde ondersteuning en geavanceerde functies.
• Integratie: Hoe goed integreert het met je bestaande CI/CD-pijplijnen, monitoring- en waarschuwingssystemen?

In deze les hebben we belangrijke hulpmiddelen behandeld die effectieve Chaos Engineering mogelijk maken.

We hebben geleerd over Chaos Monkey, een pionier op het gebied van het willekeurig beëindigen van instanties, en over LitmusChaos voor Kubernetes-native chaos-experimenten. Ook hebben we Gremlin behandeld, een commercieel platform voor "Failure as a Service" dat verschillende aanvalstypen biedt.

Deze hulpmiddelen zijn essentieel om systematisch te testen en veerkracht in je systemen op te bouwen, zodat mogelijke uitval verandert in een kans om te leren.