3. 基线核验定义：什么是基线、基线在混沌工程中的作用、基线核验的流程

在混沌工程体系中，基线（Baseline）是衡量系统稳态的参照系。没有基线，混沌实验产生的扰动数据将失去比较基准，无法判断系统是否处于“健康”状态。本节将系统阐述基线的定义、其在混沌工程中的核心作用，以及基线核验的标准流程。

3.1 什么是基线

基线是指在正常生产环境或预发环境下，系统关键指标（KPI）与业务指标（SLI/SLO）在无故障注入时的稳定取值区间。它代表系统在“一切正常”时的行为模式。

3.2 基线在混沌工程中的作用

基线在混沌工程中扮演“度量衡”的角色，其核心作用可归纳为以下四点：

• 定义稳态（Steady State）：混沌实验的核心假设是“系统在扰动后仍能维持稳态”。基线就是稳态的量化定义，没有基线就无法判断实验是否通过。
• 提供比较基准：实验开始前采集基线数据，实验进行中持续采集指标，通过“实验值 vs 基线值”的偏差来判断系统是否出现异常。
• 设定实验停止条件：当指标偏离基线超过预设阈值（如延迟增加 50%、错误率超过 1%），系统应自动停止实验或触发告警，避免对生产造成不可控影响。
• 支撑自动化核验：在自助服务门户中，基线核验是权限校验与接口调用的前置条件。只有通过基线核验的混沌实验，才允许执行后续的故障注入与结果分析。

3.3 基线核验的流程

基线核验是自助服务门户中安全权限与接口调用的核心环节。完整的核验流程包含以下 5 个步骤：

1. 基线数据采集：在实验开始前，从监控系统（Prometheus、Grafana、Datadog 等）拉取目标服务最近 N 分钟的指标数据，形成基线快照。
2. 基线有效性校验：检查基线数据是否完整、是否在合理范围内、是否包含所有必要的 SLI 指标。若数据缺失或异常，则拒绝执行实验。
3. 实验执行与实时监控：注入故障后，持续采集系统指标，并与基线进行实时对比。
4. 偏差计算与阈值判定：计算当前指标与基线的偏差百分比，与预设的容忍阈值进行比较。
5. 核验结果输出：输出“通过/未通过/需人工审查”的结论，并生成核验报告，记录偏差详情与时间线。

3.4 基线核验与安全权限的关联

在自助服务门户中，基线核验不是孤立的技术流程，而是与安全权限模型深度绑定的。以下表格展示了不同角色在基线核验中的权限差异：

3.5 基线核验的接口调用示例

以下是一个基线核验的 RESTful API 调用示例，展示了如何通过接口触发基线核验并获取结果：

POST /api/v1/baseline/verify
Content-Type: application/json
Authorization: Bearer <JWT_>

{
  "experiment_id": "exp-2025-03-001",
  "target_service": "payment-service",
  "baseline_window": "15m",
  "slis": [
    {"name": "p99_latency_ms", "threshold": 20},
    {"name": "error_rate_percent", "threshold": 0.5},
    {"name": "throughput_rps", "threshold": 10}
  ]
}

// 响应示例
{
  "status": "passed",
  "baseline_id": "bl-2025-03-001",
  "deviation_details": [
    {"sli": "p99_latency_ms", "baseline": 180, "current": 195, "deviation": "8.33%", "verdict": "pass"},
    {"sli": "error_rate_percent", "baseline": 0.08, "current": 0.12, "deviation": "50%", "verdict": "pass"},
    {"sli": "throughput_rps", "baseline": 1200, "current": 1150, "deviation": "-4.17%", "verdict": "pass"}
  ],
  "verified_at": "2025-03-01T10:30:00Z"
}