4. 基线核验概念：什么是基线、为什么需要核验、核验与混沌实验的区别
在混沌工程与可靠性工程实践中，基线（Baseline）与核验（Verification）是决定实验结论是否可信的基石。没有基线，混沌实验的结果将失去参照系；没有核验，基线本身可能就是一个错误的前提。本节从概念、必要性、与混沌实验的差异三个维度展开。
4.1 什么是基线
基线是指在未施加任何故障注入的稳定状态下，系统关键指标的一组可重复测量值。它代表了系统在“正常”工况下的行为特征，是后续所有混沌实验的参照零点。
| 维度 | 说明 | 典型指标示例 |
|---|---|---|
| 性能基线 | 正常负载下的响应时间、吞吐量、错误率 | P99 延迟 ≤ 200ms，QPS ≥ 5000 |
| 资源基线 | CPU、内存、磁盘、网络在稳态下的使用率 | CPU 平均 35%，内存 60% |
| 依赖基线 | 外部服务、数据库、缓存的调用耗时与成功率 | Redis 平均耗时 2ms，成功率 99.99% |
| 业务基线 | 核心业务流程的完成率与转化率 | 下单成功率 99.5%，支付转化率 85% |
实践要点：基线不是一次性的快照，而应是在连续时间窗口（如 7×24 小时）内采集的统计分布。建议使用 P50、P95、P99 分位数而非单纯的平均值，以捕捉尾部延迟的波动。
4.2 为什么需要核验
核验是对基线数据有效性、完整性、一致性的检查过程。其必要性体现在以下三个层面：
- 排除环境噪声：基线采集期间可能发生非预期的变更（如定时任务、自动扩缩容、其他团队的发布），导致基线数据失真。核验通过交叉比对多时间窗口的数据，识别并剔除异常样本。
- 确认稳态假设：混沌工程的核心前提是系统存在一个可观测的“稳态”。核验通过统计检验（如 T 检验、Mann-Whitney U 检验）确认基线数据是否服从稳定分布，避免在系统已处于亚健康状态时误判为正常。
- 建立实验可信度：未经核验的基线可能导致混沌实验得出“假阳性”或“假阴性”结论。例如，若基线本身包含 5% 的错误率，实验后错误率升至 6% 可能只是正常波动，而非故障注入的结果。
常见陷阱：不要将“监控面板上的当前值”直接当作基线。基线必须包含时间戳、采样周期、统计口径等元数据，否则核验无法执行。
4.3 核验与混沌实验的区别
核验与混沌实验是前后衔接但性质不同的两个阶段。下表从目标、方法、输出、风险四个维度进行对比：
| 对比维度 | 基线核验 | 混沌实验 |
|---|---|---|
| 核心目标 | 确认基线数据可靠、稳态假设成立 | 通过故障注入验证系统韧性 |
| 操作方式 | 数据采集、统计分析、异常检测 | 故障注入、流量控制、指标观测 |
| 主要输出 | 基线报告、核验通过/不通过结论 | 实验报告、稳态偏差、改进项 |
| 风险等级 | 低（只读操作，不改变系统状态） | 中到高（可能引发真实故障） |
| 执行时机 | 混沌实验之前，以及实验环境变更后 | 基线核验通过后，按实验计划执行 |
下图展示了基线核验在混沌工程完整流程中的位置与作用：
4.4 核验的典型操作步骤
在实际的基线核验环境配置中，建议按以下步骤执行：
- 数据完整性检查：确认基线采集期间无数据断点、无采集器故障、无指标缺失。缺失率超过 1% 的指标应标记为“不可信”。
- 统计分布检验：对每个关键指标计算 P50、P95、P99，并与历史基线（如有）进行 KS 检验或 Levene 检验，确认分布未发生显著偏移。
- 变更回溯：核对基线采集时间窗口内的所有变更记录（发布、配置修改、扩缩容、定时任务），排除已知变更对基线的影响。
- 核验报告生成：输出包含“通过/不通过”结论、异常指标列表、建议重采窗口的正式报告，作为混沌实验的前置审批依据。
核验通过标准（参考）：
- 所有关键指标的数据完整率 ≥ 99%
- P95 延迟的变异系数（CV）≤ 15%
- 错误率基线 ≤ 0.1% 且无趋势性上升
- 基线窗口内无未申报的变更事件
4.5 核验与混沌实验的协同关系
核验并非混沌实验的“可选前置步骤”，而是必须通过的门禁。下图从时间线角度展示两者的协同：
从时间线可以看出，核验是混沌实验的唯一前置门禁。任何跳过核验直接执行混沌实验的行为，都会导致实验结论无法与正常状态做有效对比，从而丧失混沌工程“验证系统韧性”的根本目的。