4. 故障注入技术栈：常见工具、注入类型与实战选型

故障注入是混沌工程的核心执行层。本章系统梳理当前主流的故障注入工具（ChaosBlade、Litmus、Gremlin）及其支持的注入类型（网络、计算、存储、进程），帮助你在 GameDay 演练中精准选择技术栈，并理解各工具在基线核验场景中的适配性。

4.1 主流故障注入工具对比

下表从开源协议、部署模式、实验定义方式、社区活跃度及企业级特性五个维度，对三款工具进行横向对比：

4.2 注入类型全景：网络、计算、存储、进程

故障注入按资源维度可分为四大类。每类故障在 GameDay 中模拟的真实场景不同，对基线核验的覆盖要求也不同。

4.2.1 网络故障

• 延迟注入： 模拟网络抖动、跨 AZ 延迟增加，验证超时重试与熔断策略。
• 丢包注入： 模拟链路拥塞或交换机故障，检验 TCP 重传与降级逻辑。
• 分区/阻断： 模拟网络割裂，验证分布式共识算法（如 Raft、Paxos）的容错能力。
• 带宽限制： 模拟带宽被抢占，检验限流与 QoS 策略。

4.2.2 计算故障

• CPU 满载： 模拟突发计算任务或资源争抢，验证 HPA 弹性伸缩与调度优先级。
• 内存压力： 模拟内存泄漏或 OOM 场景，检验容器/进程的 OOM Kill 保护与重启策略。
• 进程 Hang： 模拟死循环或死锁，验证健康检查探针（Liveness/Readiness）的失效检测。

4.2.3 存储故障

• 磁盘 IO 延迟： 模拟慢盘或存储后端过载，验证数据库连接池与写入超时。
• 磁盘空间耗尽： 模拟日志爆满或数据堆积，检验磁盘告警与自动清理机制。
• 文件系统只读： 模拟挂载点异常，验证应用对写失败的优雅降级。

4.2.4 进程故障

• 进程 Kill： 模拟关键进程（如 Nginx、MySQL、Sidecar）被意外终止，验证进程管理器（systemd/supervisor）的自动拉起。
• 进程 Hang： 模拟进程无响应但未退出，验证 Watchdog 或健康检查的二次确认机制。
• 依赖进程缺失： 模拟依赖服务进程未启动，验证启动顺序与依赖注入的健壮性。

4.3 工具与注入类型的映射矩阵

不同工具对注入类型的支持深度存在差异。下表列出三款工具在四大类故障中的支持情况：

4.4 故障注入技术栈架构图

下图展示了故障注入技术栈的整体分层架构，以及工具与注入类型之间的调用关系：

4.5 实战选型：基于 GameDay 场景的工具推荐

在 GameDay 基线核验场景中，故障注入工具的选择应遵循以下原则：

1. 与基础设施匹配： 如果目标环境是裸金属或虚拟机，ChaosBlade 的 Agent 模式更直接；如果是 Kubernetes 集群，Litmus 的 Operator 模式更原生。
2. 与基线核验频率匹配： 高频 GameDay（每日/每周）建议使用 Litmus 的自动化流水线；低频深度演练（每月/每季）可使用 ChaosBlade 的 CLI 手动触发，便于精细控制。
3. 与安全合规匹配： 金融、医疗等强监管行业优先考虑 Gremlin 的安全护栏与审计日志；内部研发环境可选用开源工具降低成本。
4. 与团队技能匹配： 团队熟悉 YAML 和 K8s 生态则选 Litmus；团队偏向传统运维则选 ChaosBlade 的命令行模式。

4.6 故障注入命令示例（ChaosBlade）

以下为 ChaosBlade 在 GameDay 中常用的故障注入命令，供实验参考：

# 网络延迟注入：对目标 IP 增加 200ms 延迟
blade create network delay --time 200 --offset 50 --interface eth0 --destination-ip 10.0.0.1

# CPU 满载注入：占用 2 个核，持续 60 秒
blade create cpu load --cpu-percent 80 --cpu-count 2 --timeout 60

# 磁盘 IO 延迟注入：对 /dev/sda 增加 100ms 读写延迟
blade create disk delay --device /dev/sda --delay 100 --timeout 120

# 进程 Kill 注入：杀死指定 PID 的进程
blade create process kill --process nginx --signal 9 --timeout 30