1. 课程导论：混沌工程基线核验的概念、自助服务门户的价值、安全权限与接口调用的重要性
1.1 混沌工程基线核验：从“故障注入”到“确定性验证”
传统混沌工程侧重于通过随机故障注入来发现系统脆弱点，但缺乏对“系统正常状态”的严格定义。基线核验（Baseline Verification）填补了这一空白：它要求在注入故障前、中、后，持续将系统观测指标与预定义的“健康基线”进行比对，从而量化故障对业务的影响程度。
核心定义： 混沌工程基线核验是一种基于可观测性指标的、可重复的、与安全策略绑定的系统韧性验证方法。它通过将混沌实验与预定义的SLO（服务等级目标）和安全基线对齐，确保每一次实验都有明确的通过/失败标准。
基线核验的三大支柱：
| 支柱 | 说明 | 示例指标 |
|---|---|---|
| 性能基线 | 系统在正常负载下的响应时间、吞吐量、错误率 | P99延迟 < 200ms，错误率 < 0.1% |
| 安全基线 | 身份认证、权限校验、数据加密等安全控制的有效性 | 未授权请求拦截率 = 100%，敏感数据脱敏覆盖率 = 100% |
| 业务基线 | 核心业务流程的完成率和正确性 | 订单创建成功率 > 99.9%，支付回调一致性 = 100% |
1.2 自助服务门户：赋能开发团队自主执行混沌实验
在传统模式下，混沌工程由专门的SRE或混沌工程团队主导，实验申请流程冗长，限制了实验频率和覆盖范围。自助服务门户（Self-Service Portal）通过提供可视化的实验配置、一键执行、结果看板等功能，将混沌工程能力下放给业务开发团队。
自助服务门户的核心价值：
- 降低门槛： 无需掌握底层基础设施操作，通过表单和模板即可定义实验。
- 加速迭代： 实验创建时间从数天缩短到分钟级，支持快速验证新特性。
- 权限可控： 细粒度的RBAC（基于角色的访问控制）确保不同团队只能操作授权范围内的资源。
- 审计合规： 所有实验操作均记录在案，满足内部审计和外部合规要求。
实践建议： 自助服务门户应提供“实验模板市场”，包含常见故障场景（如CPU过载、网络延迟、数据库连接池耗尽）的预配置模板，帮助用户快速上手。
1.3 安全权限与接口调用：基线核验的“生命线”
在自助服务门户中，安全权限和接口调用是确保基线核验可信、可控、可审计的两大基石。
1.3.1 安全权限：防止实验越权与数据泄露
混沌实验天然具有破坏性，如果权限控制不当，可能导致生产环境故障或敏感数据暴露。安全权限体系需要解决以下问题：
- 身份认证： 确保操作者身份真实，支持OAuth 2.0、OIDC、LDAP等企业级认证协议。
- 授权粒度： 按环境（开发/测试/生产）、服务、故障类型、时间窗口进行细粒度授权。
- 动态权限： 实验执行过程中，根据实时风险等级动态调整权限（如发现异常扩散时自动终止实验）。
- 审计日志： 记录每一次权限校验请求和结果，支持事后追溯。
常见陷阱： 不要将生产环境的混沌实验权限与开发环境混用。建议使用“权限标签”机制，为每个实验明确标记允许操作的环境范围，并在运行时强制校验。
1.3.2 接口调用：标准化实验触发与数据采集
自助服务门户通过RESTful API或gRPC接口与底层混沌引擎、监控系统、安全策略引擎交互。接口调用的质量直接影响基线核验的效率和准确性。
接口设计的关键原则：
| 原则 | 说明 | 示例 |
|---|---|---|
| 幂等性 | 同一实验请求重复提交不会产生副作用 | 实验创建接口使用唯一请求ID去重 |
| 限流与熔断 | 防止恶意或异常流量压垮门户后端 | 基于令牌桶的API限流，QPS超过阈值时返回429 |
| 安全传输 | 所有接口调用必须使用TLS 1.2+加密 | 强制mTLS双向认证 |
| 结构化响应 | 统一错误码和消息格式，方便客户端解析 | 遵循RFC 7807 Problem Details规范 |
以下是一个典型的实验创建接口调用示例：
POST /api/v1/experiments
Content-Type: application/json
Authorization: Bearer <access_>
X-Idempotency-Key: 550e8400-e29b-41d4-a716-446655440000
{
"name": "order-service-cpu-stress",
"target": {
"service": "order-service",
"namespace": "production",
"fault_type": "cpu_stress",
"duration_seconds": 120
},
"baseline": {
"slo_p99_latency_ms": 200,
"slo_error_rate": 0.001
},
"security_context": {
"user_id": "dev-zhangsan",
"role": "experiment-executor",
"allowed_environments": ["staging", "production"]
}
}接口返回示例：
HTTP/1.1 202 Accepted
Content-Type: application/json
{
"experiment_id": "exp-20250321-001",
"status": "pending",
"estimated_start_time": "2025-03-21T10:00:00Z",
"checkpoints": [
{"step": "permission_check", "status": "passed"},
{"step": "baseline_snapshot", "status": "in_progress"}
]
}