4. 基线核验概念：什么是基线、基线核验的目标、基线漂移、核验频率
在混沌工程与可靠性评审体系中，基线（Baseline）是衡量系统是否处于“健康预期状态”的参考基准。没有基线，混沌实验产生的扰动数据将失去比较对象，可靠性评审也无法判断系统行为是否发生退化。本节围绕基线的定义、核验目标、漂移现象及核验频率展开，为后续的指标分析与数据传输优化奠定概念基础。
4.1 什么是基线
基线是在系统稳定运行期间，通过持续观测采集的一组关键性能与可靠性指标的统计分布。它代表系统在“无故障、无异常负载、无变更”条件下的典型行为。基线不是单一数值，而是一个包含均值、分位数、标准差、趋势斜率等统计量的多维描述。
| 基线维度 | 典型指标示例 | 统计描述方式 |
|---|---|---|
| 性能基线 | P99 延迟、吞吐量、CPU 利用率 | 均值 ± 3σ，P50/P95/P99 分位线 |
| 可靠性基线 | 错误率、健康检查通过率、熔断触发频率 | 滑动窗口内的最大值与平均值 |
| 容量基线 | 连接数、队列深度、内存占用率 | 日/周周期性峰值与谷值 |
| 数据一致性基线 | 主从延迟、副本差异计数、校验和失败率 | 最大容忍延迟与零差异期望 |
实践要点：基线数据应至少覆盖一个完整的业务周期（如 7×24 小时），排除已知的变更窗口和故障时段，确保样本代表“干净状态”。
4.2 基线核验的目标
基线核验不是一次性的“打点”动作，而是持续验证系统行为是否仍处于基线范围内的过程。其核心目标包括：
- 确认系统健康状态：在混沌实验注入前，确保系统当前指标与历史基线一致，避免将已存在的异常误判为实验效果。
- 检测隐性退化：通过对比实时指标与基线，发现那些尚未触发告警但已偏离正常范围的“亚健康”状态。
- 校准实验假设：为混沌实验提供“预期行为”的参考，帮助判断实验结果是正常波动还是真实异常。
- 驱动可靠性评审：将基线偏离数据作为评审输入，推动架构改进或容量规划调整。
核验公式（简化版）：
若当前指标值
若当前指标值
X 满足 |X - μ| > k × σ（其中 μ 为基线均值，σ 为标准差，k 为容忍系数），则判定为基线漂移，需触发核验流程。
4.3 基线漂移
基线漂移（Baseline Drift）是指系统在无明确故障告警的情况下，关键指标逐渐或突然偏离原始基线范围的现象。漂移是系统退化的早期信号，也是混沌工程需要重点捕捉的对象。
漂移按时间特征可分为三类：
| 漂移类型 | 特征 | 典型原因 | 检测难度 |
|---|---|---|---|
| 渐进漂移 | 指标缓慢偏离，数小时至数天完成 | 内存泄漏、连接池耗尽、缓存命中率下降 | 高（易被误认为正常波动） |
| 阶跃漂移 | 指标在短时间内突变并稳定在新值 | 配置变更、依赖服务版本升级、流量切换 | 中（需关联变更事件） |
| 周期漂移 | 指标在特定时段偏离基线，其他时段正常 | 定时任务冲突、夜间批量作业、促销流量 | 中（需按时间窗口拆分基线） |
常见误区：不要将每一次指标波动都视为漂移。基线本身包含自然波动范围（如日间高峰），只有超出统计容忍区间的持续偏离才应触发核验。
4.4 核验频率
核验频率决定了基线数据的时效性与检测灵敏度。频率过高会引入噪声和计算开销，频率过低则可能漏检漂移。合理的核验频率应基于指标变化速率与业务影响等级综合设定。
以下为推荐的核验频率分级策略：
| 指标等级 | 典型指标 | 推荐核验频率 | 说明 |
|---|---|---|---|
| 关键（P0） | 核心交易延迟、支付成功率、登录错误率 | 每 1 分钟 | 实时监控，自动触发漂移告警 |
| 重要（P1） | CPU 平均负载、内存使用率、磁盘 IO 延迟 | 每 5 分钟 | 短周期滑动窗口，结合趋势分析 |
| 一般（P2） | 非核心接口调用量、日志错误率 | 每 15 分钟 | 批量核验，降低存储与计算开销 |
| 参考（P3） | 历史归档指标、长周期聚合数据 | 每小时或每日 | 用于周/月可靠性评审，不参与实时决策 |
频率调整原则：
- 若连续 3 次核验均未发现漂移，可适当降低频率（如从 1 分钟调整为 2 分钟）。
- 若检测到漂移或系统处于变更窗口，应临时提高频率（如从 5 分钟调整为 1 分钟）。
- 每次混沌实验注入前，必须执行一次基线核验，确保实验起点有效。
4.5 基线核验与混沌实验的协同
基线核验不是独立存在的活动，它与混沌实验的每个阶段紧密耦合：
- 实验前：执行基线核验，确认系统处于健康状态。若发现漂移，先排查修复，再注入实验。
- 实验中：持续对比实时指标与基线，区分实验效应与系统自身波动。
- 实验后：再次核验基线，判断系统是否恢复至原始状态。若基线发生永久性偏移，需更新基线并记录为可靠性评审输入。
推荐实践：将基线核验结果作为混沌实验的“准入/准出”条件，写入自动化实验编排流程。例如，在实验开始前调用核验 API，若返回“漂移”状态则自动中止实验并通知值班人员。