2. 基线核验概念：系统基线、核验目的与指标定义

在混沌工程实践中，系统基线（System Baseline）是故障注入前必须建立的可量化参考坐标系。没有基线，故障注入后的观测数据将失去比较基准，无法判断系统行为是否“正常”。本节从基线定义、核验目的和指标定义三个层面展开，为后续故障注入评审奠定度量基础。

2.1 什么是系统基线

系统基线是指在无故障、稳态运行条件下，对系统关键行为指标进行持续采集后形成的可重复参考值集合。它并非单次快照，而是通过统计方法（均值、P99、标准差）对一段时间内系统表现的量化描述。

系统基线通常包含以下维度：

• 性能基线：响应时间、吞吐量、并发连接数、CPU/内存利用率。
• 可用性基线：请求成功率、错误率、健康检查通过率。
• 容量基线：最大支撑 QPS、资源饱和度拐点。
• 依赖基线：下游服务调用延迟、缓存命中率、数据库连接池水位。

2.2 基线核验的目的

基线核验（Baseline Verification）是在故障注入之前，对已建立的系统基线进行有效性、完整性和可重复性的确认过程。其核心目的包括：

1. 确认系统处于已知正常状态：排除已存在隐性故障或配置漂移，确保注入前系统“干净”。
2. 验证观测工具链的准确性：确认监控、日志、链路追踪等数据采集通道工作正常，数据无丢失、无延迟。
3. 建立可量化的比较基准：为故障注入后的指标偏差提供统计意义上的参考区间（如均值 ± 3σ）。
4. 识别基线漂移：对比历史基线，发现因版本变更、流量模式变化导致的系统行为偏移。
5. 降低误判风险：避免将基线本身的波动误判为故障注入的影响。

2.3 基线指标定义

基线指标的选择遵循 MECE（Mutually Exclusive, Collectively Exhaustive） 原则，确保覆盖系统关键行为且指标间不重叠。以下为通用基线指标定义模板：

2.4 基线核验的常见误区

• 误区一：基线采集时间不足 —— 仅采集数小时数据，未覆盖业务高低峰周期，导致基线无法反映真实波动范围。
• 误区二：忽略资源竞争基线 —— 只关注应用层指标，未建立 CPU、内存、网络 I/O 等资源基线，故障注入后无法区分是注入影响还是资源争抢。
• 误区三：基线指标粒度过粗 —— 使用分钟级聚合数据掩盖了秒级毛刺，导致故障注入后的细微异常被平滑掉。
• 误区四：基线未随版本更新 —— 使用三个月前的基线数据，系统经过多次发布后行为已发生偏移，比较失去意义。
• 误区五：核验过程无记录 —— 未保留核验原始数据和判定结论，评审时无法追溯基线是否真实有效。