3. 基线核验定义：基线在混沌工程中的角色、核验方法论与稳态指标选取原则

基线核验是混沌工程实验的“度量锚点”。没有基线，故障注入后的系统行为将无法被量化评估，实验结论只能停留在“系统好像没挂”的模糊判断上。本章从基线角色、核验方法论、稳态指标选取三个维度，构建可度量的混沌工程实验基准。

3.1 基线（Baseline）在混沌工程中的角色

基线是系统在正常生产负载下的稳态度量快照，是混沌实验的“对照组”。其核心角色包括：

• 参考基准：提供故障注入前的系统行为标准，用于对比实验后的偏差。
• 异常检测阈值：定义正常波动范围，超出基线±3σ或特定百分位即视为异常。
• 实验有效性验证：确保实验前后环境一致，排除非注入因素导致的干扰。
• 回归防护：在持续交付中，基线可快速识别因代码变更导致的性能退化。

3.2 核验（Validation）方法论

核验是混沌工程实验的“裁判机制”，通过对比实验组与基线的偏差，判定系统是否满足稳态假设。核验方法论包含三个核心阶段：

3.3 稳态指标的选取原则

稳态指标是核验的“度量标尺”，选取不当会导致实验误判或漏判。遵循以下五项原则：

1. 业务相关性：指标必须直接反映用户体验或业务健康度，如订单成功率、支付耗时、API P99延迟。
2. 可观测性：指标必须能被现有监控系统采集，且采样频率≥1次/10秒，支持实时查询。
3. 稳定性：指标在无故障时波动小，变异系数（CV）≤20%，避免噪声干扰核验结果。
4. 正交性：多个指标之间应低耦合，避免重复度量同一维度。例如“CPU使用率”与“请求延迟”在非CPU密集型场景下可同时选取。
5. 可量化性：指标必须可数值化，且具备明确的上下界。避免“系统响应正常”这类模糊描述，应替换为“HTTP 200响应率≥99.9%”。

3.4 常见稳态指标分类与示例

3.5 基线核验的自动化实现

在GameDay实战中，基线核验应完全自动化，避免人工比对。以下是一个基于Prometheus + Python的基线核验代码片段：

# baseline_validation.py
import requests
import numpy as np
from datetime import datetime, timedelta

def fetch_metric(prometheus_url, query, duration_minutes=15):
    """从Prometheus获取指标时间序列"""
    end_time = datetime.now()
    start_time = end_time - timedelta(minutes=duration_minutes)
    params = {
        'query': query,
        'start': start_time.timestamp(),
        'end': end_time.timestamp(),
        'step': '10'
    }
    response = requests.get(f'{prometheus_url}/api/v1/query_range', params=params)
    data = response.json()['data']['result'][0]['values']
    return [float(v[1]) for v in data]

def validate_experiment(baseline_data, experiment_data, threshold_factor=1.5):
    """核验实验数据是否超出基线容忍范围"""
    baseline_mean = np.mean(baseline_data)
    baseline_std = np.std(baseline_data)
    upper_bound = baseline_mean + threshold_factor * baseline_std
    
    violations = [v for v in experiment_data if v > upper_bound]
    violation_ratio = len(violations) / len(experiment_data)
    
    return {
        'baseline_mean': round(baseline_mean, 2),
        'baseline_std': round(baseline_std, 2),
        'upper_bound': round(upper_bound, 2),
        'violation_ratio': round(violation_ratio * 100, 2),
        'status': 'PASS' if violation_ratio < 0.05 else 'FAIL'
    }

# 使用示例
baseline = fetch_metric('http://prometheus:9090', 'histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))')
experiment = fetch_metric('http://prometheus:9090', 'histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))')
result = validate_experiment(baseline, experiment)
print(f"核验结果: {result['status']}, 违规比例: {result['violation_ratio']}%")