📚 课程目录第1章混沌工程概述

1. 混沌工程概述

混沌工程（Chaos Engineering）是一门在分布式系统上进行实验的学科，旨在通过主动注入故障来验证系统在异常条件下的韧性（Resilience）与可观测性。在《Jaeger链路追踪在混沌工程基线核验中的故障排查应用》课程中，混沌工程是故障注入的源头，而Jaeger则是观测故障传播路径的核心工具。本节将系统阐述混沌工程的定义、核心原则及其与传统故障测试的本质区别。

1.1 混沌工程定义

混沌工程被定义为“在分布式系统上进行实验的学科，目的是建立对系统承受生产环境中湍流条件能力的信心”。其核心活动包括：

假设稳态行为：定义系统在正常状态下的可观测指标（如延迟、错误率、吞吐量）。
引入真实故障：模拟网络分区、CPU过载、服务宕机、依赖延迟等生产级扰动。
验证系统韧性：通过对比故障注入前后的基线指标，判断系统是否自动恢复或降级。
持续改进：将实验发现转化为架构优化、限流熔断配置或可观测性增强。

课程关联提示： 在本课程中，混沌工程实验的“稳态假设”将直接映射为Jaeger链路追踪中的“基线Span数据”。故障注入后的链路异常（如Span丢失、延迟陡增、错误标签）是判断系统韧性的关键证据。

1.2 混沌工程原则

根据《混沌工程原则》（Principles of Chaos Engineering），任何有效的混沌实验必须遵循以下五大原则：

原则	描述	与Jaeger链路追踪的关联
1. 定义稳态	量化系统正常行为的可观测指标，如P99延迟<200ms、错误率<0.1%。	Jaeger的基线Span数据（如平均持续时间、成功/错误计数）构成稳态的链路层定义。
2. 假设稳态持续	实验前假设系统在故障下仍能维持稳态；实验目的是证伪该假设。	通过Jaeger对比故障前后的Trace瀑布图，验证假设是否成立。
3. 引入真实变量	注入生产环境中可能发生的故障，如网络延迟、资源耗尽、依赖崩溃。	Jaeger的Span标签（如`http.status_code=500`、`error=true`）直接记录故障变量。
4. 最小化爆炸半径	控制实验影响范围，避免对真实用户造成大规模中断。	Jaeger的采样策略可聚焦特定服务或Trace ID，实现精细化观测。
5. 自动化实验	将实验流程编排为可重复执行的流水线，持续验证系统韧性。	Jaeger API可被集成到自动化流水线中，自动比对基线数据。

    关键实践： 在基线核验场景中，原则1（定义稳态）和原则2（假设稳态持续）直接决定了Jaeger的查询与对比策略。若稳态定义为“所有服务Span持续时间<500ms”，则故障注入后Jaeger中出现的任何超过500ms的Span都应被标记为异常。

1.3 混沌工程与故障测试的区别

混沌工程常被误解为传统的故障测试（Fault Testing）或压力测试。两者在目标、方法和结果上存在本质差异。下表从多个维度进行对比：

对比维度	混沌工程	传统故障测试
核心目标	验证系统韧性，发现未知的脆弱点	验证特定故障场景下的功能正确性
实验假设	假设系统在故障下仍能维持稳态（证伪思维）	假设系统在故障下会按预期行为运行（验证思维）
故障范围	生产环境或类生产环境，随机、组合式故障	测试环境，预定义、单一故障
观测手段	依赖可观测性三支柱（链路、指标、日志）	依赖断言、Mock、单元测试报告
结果输出	系统韧性报告、改进项列表、架构盲区	测试通过/失败、Bug列表
与Jaeger的关系	Jaeger是核心观测工具，用于追踪故障传播路径	Jaeger通常不作为主要验证工具

下图直观展示了混沌工程与传统故障测试在方法论上的核心差异：

1.4 混沌工程在基线核验中的定位

在《Jaeger链路追踪在混沌工程基线核验中的故障排查应用》课程中，混沌工程扮演“故障发生器”的角色，而Jaeger链路追踪则扮演“故障观测器”的角色。两者结合形成以下闭环：

基线采集：在无故障状态下，通过Jaeger采集正常Trace数据，建立延迟、错误率、Span结构的基线。
故障注入：使用混沌工程工具（如Chaos Mesh、Litmus）向目标服务注入延迟、异常或网络分区。
链路观测：通过Jaeger UI或API实时查看故障注入后的Trace变化，识别异常Span。
基线核验：将故障后的链路数据与基线进行对比，判断系统是否满足韧性预期。
根因定位：利用Jaeger的依赖图和Span标签，快速定位故障传播路径和根因服务。

常见误区： 混沌工程不是“破坏性测试”，而是“受控实验”。在基线核验中，如果故障注入后Jaeger显示链路完全断裂且无任何降级响应，说明系统缺乏韧性设计，而非实验失败。这正是混沌工程希望暴露的盲区。