Verktyg och plattformar för kaosexperiment

Chaos Monkey, som skapades av Netflix, är utan tvekan det mest välkända verktyget för Chaos Engineering. Det är utformat för att slumpmässigt inaktivera produktionsinstanser (virtuella maskiner eller containrar).

Grundidén är enkel: om du vet att instanser kan försvinna när som helst tvingas du bygga system som kan tolerera och hantera återställning från sådana fel på ett kontrollerat sätt.

Chaos Monkey fungerar genom att:

• Identifiera grupper av instanser (t.ex. en autoskalningsgrupp i AWS).
• Välja en instans slumpmässigt från gruppen.
• Avsluta den efter en konfigurerad fördröjning för att efterlikna en oväntad krasch eller ett avbrott.

Detta tvingar utvecklare att säkerställa att tjänsterna automatiskt kan återhämta sig och fortsätta fungera även när delar av infrastrukturen slutar fungera.

LitmusChaos är en plattform med öppen källkod för Chaos Engineering, särskilt byggd för Kubernetes-miljöer. Den gör det möjligt för utvecklare och Site Reliability Engineers (SRE:er) att bedriva Chaos Engineering på ett Kubernetes-nativt sätt.

Du kan använda LitmusChaos för att injicera olika typer av kaos i applikationer och infrastrukturkomponenter som körs i dina Kubernetes-kluster och testa deras motståndskraft.

Med LitmusChaos definierar du kaosexperiment med hjälp av Kubernetes Custom Resources (CR:er). Dessa CR:er fungerar som ritningar som anger:

• Vilken typ av fel som ska injiceras (t.ex. att ta bort en pod eller införa nätverksfördröjning).
• Målapplikationen eller infrastrukturkomponenten.
• Experimentets varaktighet och omfattning.

LitmusChaos tillhandahåller ett kontrollplan för att hantera, schemalägga och övervaka dessa experiment direkt från Kubernetes-klustret.

Gremlin är en kommersiell plattform för "Failure as a Service" som erbjuder en omfattande uppsättning kaosexperiment. Den tillhandahåller ett användarvänligt gränssnitt och API för att injicera olika typer av "attacker" i systemen.

Gremlin strävar efter att göra Chaos Engineering tillgängligt och säkert för företag, så att de proaktivt kan upptäcka svagheter innan de påverkar kunderna.

Gremlin kategoriserar sina attacker för att simulera vanliga felmoder från verkligheten:

• Resursattacker: Förbruka CPU, minne, disk-I/O eller nätverksbandbredd på ett system.
• Nätverksattacker: Införa latens eller paketförlust, eller blockera trafik till specifika tjänster.
• State-attacker: Avsluta processer, stänga av värdar eller orsaka tidsförskjutning.

Dessa varierade attacktyper möjliggör riktade tester av specifika systemsårbarheter.

Vilket verktyg för Chaos Engineering du väljer beror på dina specifika behov och din miljö. Ta hänsyn till följande faktorer:

• Miljö: Består infrastrukturen huvudsakligen av Kubernetes, virtuella maskiner i molnet eller bare metal?
• Komplexitet: Behöver du enkel avslutning av instanser eller komplexa nätverks- och resursattacker?
• Öppen källkod kontra kommersiellt: Utvärdera budget, behov av support och avancerade funktioner.
• Integration: Hur väl integreras verktyget med dina befintliga CI/CD-pipelines, övervaknings- och aviseringssystem?

I den här lektionen gick vi igenom viktiga verktyg som möjliggör effektiv Chaos Engineering.

Vi lärde oss om Chaos Monkey, en pionjär inom slumpmässig avslutning av instanser, och LitmusChaos för Kubernetes-nativa kaosexperiment. Vi gick även igenom Gremlin, en kommersiell plattform för "Failure as a Service" som erbjuder flera olika attacktyper.

Dessa verktyg är avgörande för att systematiskt testa och bygga in motståndskraft i systemen och omvandla potentiella driftstopp till möjligheter att lära sig.