3. 测试验证流程总览：混沌工程基线核验的完整生命周期
基线核验不是一次性的“跑个实验看看”，而是一个可重复、可度量的闭环过程。本章将完整拆解从计划到改进的五个阶段，并给出每个阶段的核心产出物与检查点。
核心认知：基线核验的本质是“先测量，再破坏，后对比”。没有基线，混沌实验就失去了判断成败的标尺。
3.1 生命周期五阶段总览
标准基线核验流程遵循 PDCA 循环思想，具体划分为以下五个阶段：
| 阶段 | 目标 | 核心活动 | 关键产出物 |
|---|---|---|---|
| 计划 | 确定核验范围与目标 | 选定微服务/接口、定义稳态指标、设定阈值 | 基线核验计划书 |
| 设计 | 构造可复现的基线场景 | 设计探针、编排流量、准备监控采集 | 基线场景设计文档 |
| 执行 | 采集稳态数据 | 运行基线探针、记录指标、验证数据完整性 | 基线数据集（时序指标+日志） |
| 分析 | 评估系统健康度 | 对比历史基线、识别异常漂移、计算偏差率 | 基线分析报告 |
| 改进 | 驱动架构与运维优化 | 制定改进项、关联混沌实验、更新基线库 | 改进工单 + 基线版本更新 |
实践建议：每个阶段结束时设置一个“门禁检查点”，例如计划阶段必须通过架构师评审，执行阶段必须满足数据采样率 ≥ 99.5%，否则不允许进入下一阶段。
3.2 流程全景图：从计划到改进的闭环
下图展示了基线核验的完整生命周期，以及各阶段之间的数据流转关系：
3.3 各阶段详细拆解
3.3.1 计划阶段（Plan）
本阶段的核心任务是划定基线核验的“边界”与“标尺”。
- 选定目标服务：优先选择核心链路中的关键微服务（如订单、支付、用户鉴权）。
- 定义稳态指标：至少包含三类指标——延迟（P99/P95）、吞吐量（RPS/TPS）、错误率（HTTP 5xx/业务异常）。
- 设定阈值基线：基于历史数据或 SLO 设定容忍范围，例如“P99 延迟 ≤ 200ms，错误率 ≤ 0.1%”。
常见陷阱：计划阶段最容易犯的错误是“指标定义过于宽泛”。例如只定义“响应时间”，而不区分 P50/P95/P99，导致后续分析无法定位真实瓶颈。
3.3.2 设计阶段（Design）
将计划转化为可执行的基线探针方案。
- 探针设计：决定使用同步调用（HTTP/gRPC）还是异步消息（Kafka/RabbitMQ）触发。
- 流量编排：构造与生产环境比例一致的请求模型（读/写比例、热点 Key 分布）。
- 监控埋点：确保 Prometheus、Grafana、ELK 等工具已覆盖所有指标采集路径。
# 基线探针配置示例（YAML 片段）
baseline_probe:
target_service: "order-service"
endpoint: "/api/v1/orders"
method: "POST"
load_profile:
concurrency: 50
duration: "300s"
ramp_up: "30s"
metrics:
- latency_p99
- error_rate
- throughput_rps3.3.3 执行阶段（Execute）
运行基线探针，采集“干净”的稳态数据。
- 环境准备：确保被测服务无其他干扰负载，数据库连接池、缓存等处于正常水位。
- 数据采集：至少持续运行 5 分钟（或 3000 个请求样本），记录时序指标与日志。
- 完整性校验：检查数据采样率是否 ≥ 99.5%，是否存在指标断点。
3.3.4 分析阶段（Analyze）
将执行阶段采集的数据与历史基线或 SLO 进行对比。
| 对比维度 | 计算方法 | 判定标准 |
|---|---|---|
| 延迟偏差 | (当前 P99 - 基线 P99) / 基线 P99 × 100% | 偏差 ≤ 10% 视为正常 |
| 吞吐量偏差 | (当前 RPS - 基线 RPS) / 基线 RPS × 100% | 偏差 ≤ 15% 视为正常 |
| 错误率漂移 | 当前错误率 - 基线错误率 | 值 ≤ 0.05% 视为正常 |
3.3.5 改进阶段（Improve）
将分析结果转化为可执行的改进动作，并更新基线库。
- 制定改进项：例如“优化数据库慢查询”、“增加缓存预热机制”。
- 关联混沌实验：将基线偏差较大的指标作为混沌实验的“假设验证点”。
- 更新基线版本：每次改进后重新执行基线核验，形成新的基线版本（v1.0 → v1.1 → v2.0）。
3.4 基线核验与混沌实验的协同关系
基线核验不是孤立存在的，它与混沌实验形成“前测-后测”的对比关系：
最佳实践：建议将基线核验作为混沌实验的“前置检查”和“后置验证”标准动作。每次混沌实验前必须执行一次基线核验，实验结束后再次执行，通过前后基线对比量化故障影响。
3.5 生命周期检查清单
为确保每个阶段不遗漏关键动作，建议使用以下检查清单进行逐项确认：
- 计划阶段：目标服务是否明确？稳态指标是否包含延迟/吞吐/错误率？阈值是否基于历史数据设定？
- 设计阶段：探针是否覆盖读写场景？监控埋点是否完整？流量模型是否与生产一致？
- 执行阶段：环境是否隔离？采样时长是否足够？数据完整性是否校验？
- 分析阶段：是否与历史基线对比？偏差率是否在容忍范围内？异常漂移是否已标记？
- 改进阶段：改进项是否已关联工单？基线版本是否已更新？是否已通知相关团队？