【51CTO.com快譯】在當(dāng)今數(shù)字技術(shù)時(shí)代，停機(jī)意味著企業(yè)的業(yè)務(wù)中斷和收入損失，因此構(gòu)建彈性云計(jì)算架構(gòu)勢(shì)在必行。例如在新冠疫情期間，由于發(fā)布出行禁令，IT維護(hù)團(tuán)隊(duì)難以本地重新啟動(dòng)和維護(hù)數(shù)據(jù)中心中的服務(wù)器。這可能會(huì)導(dǎo)致用戶(hù)訪(fǎng)問(wèn)數(shù)據(jù)或軟件的巨大障礙，導(dǎo)致生產(chǎn)率下降，并在內(nèi)部部署設(shè)施停機(jī)時(shí)造成業(yè)務(wù)中斷。

此時(shí)行之有效的解決方案是將企業(yè)的業(yè)務(wù)遷移到云計(jì)算基礎(chǔ)設(shè)施，IT員工可以通過(guò)遠(yuǎn)程工作來(lái)提供全天候的技術(shù)支持以確保安全運(yùn)營(yíng)。云計(jì)算在這里扮演了救世主的角色。很多企業(yè)希望充分利用云計(jì)算的潛力，因此，云計(jì)算操作的可觀(guān)察性和彈性變得勢(shì)在必行。

在技術(shù)驅(qū)動(dòng)的商業(yè)經(jīng)濟(jì)中，云計(jì)算服務(wù)中斷面臨的后果將是災(zāi)難性的。任何故障和中斷都會(huì)導(dǎo)致多米諾骨牌效應(yīng)，阻礙系統(tǒng)性能。因此，企業(yè)必須通過(guò)系統(tǒng)和混沌測(cè)試在其云計(jì)算架構(gòu)中構(gòu)建彈性。

混沌測(cè)試是一種可以處理大規(guī)模分布式系統(tǒng)中的混亂問(wèn)題的可試驗(yàn)的、基于系統(tǒng)的方法。人們需要了解彈性和可觀(guān)察性的含義，以及系統(tǒng)和混沌測(cè)試對(duì)于避免停機(jī)和業(yè)務(wù)中斷來(lái)說(shuō)至關(guān)重要的原因。

為避免云計(jì)算服務(wù)中斷，企業(yè)必須通過(guò)以連續(xù)和混亂的方式對(duì)其進(jìn)行測(cè)試，在其云架構(gòu)中構(gòu)建彈性。

1.可觀(guān)察性

可觀(guān)察性可以通過(guò)兩個(gè)方面來(lái)理解：一方面是通過(guò)控制理論將可觀(guān)察性解釋為通過(guò)對(duì)其外部輸出的推斷來(lái)理解系統(tǒng)狀態(tài)的過(guò)程。另一方面將可觀(guān)察性的學(xué)科和方法解釋為旨在衡量不確定性和未知數(shù)。

它有助于了解系統(tǒng)或應(yīng)用程序的屬性。云計(jì)算的可觀(guān)察性是利用不同的域、規(guī)模和服務(wù)的端到端監(jiān)控的先決條件?？捎^(guān)察性不應(yīng)與監(jiān)控混淆，因?yàn)楸O(jiān)控用于了解應(yīng)用程序中問(wèn)題和異常的根本原因。監(jiān)控會(huì)告訴IT人員什么時(shí)候出現(xiàn)了問(wèn)題，而可觀(guān)察性可以幫助他們了解為什么會(huì)出錯(cuò)。它們的目的不同，但卻是相互補(bǔ)充的。

云計(jì)算系統(tǒng)需要可觀(guān)察性和彈性，以確保更少的停機(jī)時(shí)間、更快的應(yīng)用程序速度等。

2.彈性

而遷移到云平臺(tái)的企業(yè)都應(yīng)確保并測(cè)試其系統(tǒng)的穩(wěn)定性、可靠性、可用性和彈性，其中彈性位于層次結(jié)構(gòu)的最高層。穩(wěn)定性是保證系統(tǒng)和服務(wù)器不會(huì)經(jīng)常崩潰;可用性通過(guò)將應(yīng)用程序分布在不同位置以減輕工作負(fù)載來(lái)確保系統(tǒng)正常運(yùn)行;可靠性確保云計(jì)算系統(tǒng)有效運(yùn)行和可用。但是，如果企業(yè)想要解決不可預(yù)見(jiàn)的問(wèn)題，那么不斷測(cè)試彈性就變得必不可少。

彈性是指預(yù)期會(huì)出現(xiàn)問(wèn)題，并且系統(tǒng)經(jīng)過(guò)測(cè)試以解決和調(diào)整自身以解決該問(wèn)題。系統(tǒng)的彈性并不是自動(dòng)實(shí)現(xiàn)的。彈性系統(tǒng)承認(rèn)復(fù)雜的系統(tǒng)和問(wèn)題，并努力逐步采取措施應(yīng)對(duì)錯(cuò)誤。它需要不斷測(cè)試以減少問(wèn)題或故障的影響。而持續(xù)測(cè)試可以避免云計(jì)算服務(wù)故障，以確保更高的性能和效率。

可以通過(guò)現(xiàn)場(chǎng)彈性設(shè)計(jì)和利用混沌測(cè)試等系統(tǒng)測(cè)試方法實(shí)現(xiàn)彈性。

傳統(tǒng)測(cè)試及其不足的原因

傳統(tǒng)測(cè)試可以確保應(yīng)用程序的無(wú)縫設(shè)置和遷移到云計(jì)算系統(tǒng)，并額外監(jiān)控它們的執(zhí)行和工作效率。這足以確保云計(jì)算系統(tǒng)不會(huì)根據(jù)設(shè)計(jì)考慮改變應(yīng)用程序的性能和功能。

采用傳統(tǒng)測(cè)試是不夠的，因?yàn)樗诎l(fā)現(xiàn)潛在的隱藏架構(gòu)問(wèn)題和異常方面效率低下。一些故障似乎處于休眠狀態(tài)，因?yàn)樗鼈儍H在觸發(fā)特定條件時(shí)才變得可見(jiàn)。

云計(jì)算的高可用性承諾

微軟公司云計(jì)算業(yè)務(wù)主管Scott Guthrie在談到云計(jì)算的未來(lái)和發(fā)展前景時(shí)說(shuō)，“我們看到數(shù)字空間的發(fā)展速度加快。云計(jì)算讓我們能夠按照摩爾定律的速度進(jìn)行擴(kuò)展，而且還能快速擴(kuò)展并使用更少的基礎(chǔ)設(shè)施。”由于新冠疫情導(dǎo)致企業(yè)員工被迫在家遠(yuǎn)程工作，云計(jì)算投資并沒(méi)有激增。但是，由于這種前所未有的需求，所有超大規(guī)模廠(chǎng)商都不得不采取節(jié)流和優(yōu)先級(jí)控制措施，這違背了公共云的按需彈性原則。

在中斷和停機(jī)方面，公共云也會(huì)出錯(cuò)。例如，谷歌公司最近發(fā)生的宕機(jī)事件使Gmail和Youtube等多個(gè)谷歌服務(wù)停止，這表明公共云也會(huì)出現(xiàn)系統(tǒng)宕機(jī)。因此，這場(chǎng)疫情為彈性云計(jì)算系統(tǒng)增加了幾個(gè)視角：

1.系統(tǒng)必須平穩(wěn)運(yùn)行，即使在線(xiàn)流量的意外激增也不會(huì)改變。

2.系統(tǒng)必須尋找替代方法來(lái)管理功能和資源池，以防額外的資源分配請(qǐng)求被云計(jì)算提供商拒絕或限制。

3.系統(tǒng)應(yīng)該是可訪(fǎng)問(wèn)和安全的，以處理未知位置并轉(zhuǎn)移到混合工作環(huán)境(可能是網(wǎng)絡(luò)防火墻之外的多個(gè)端點(diǎn))。

新冠疫情凸顯了對(duì)彈性云系統(tǒng)進(jìn)行連續(xù)和混沌測(cè)試的價(jià)值。一個(gè)具有彈性且經(jīng)過(guò)全面測(cè)試的系統(tǒng)將能夠以安全、無(wú)縫、穩(wěn)定的方式管理額外的擁塞流量。為了檢測(cè)未知流量，需要混沌測(cè)試和混沌工程。

僅靠云原生應(yīng)用程序設(shè)計(jì)不足以實(shí)現(xiàn)彈性

在公共云中，由于云計(jì)算提供商提供的基本功能、多層/多技術(shù)基礎(chǔ)設(shè)施以及云計(jì)算系統(tǒng)的分布式特性存在差距，應(yīng)用程序彈性架構(gòu)變得更加重要。即使底層基礎(chǔ)設(shè)施的可用性和彈性由云計(jì)算提供商提供，這也可能導(dǎo)致云計(jì)算應(yīng)用程序以不可預(yù)測(cè)的方式失敗。

為建立良好的應(yīng)用程序彈性基礎(chǔ)，在設(shè)計(jì)過(guò)程中，云計(jì)算工程師應(yīng)采用以下策略來(lái)測(cè)試、評(píng)估和表征應(yīng)用程序?qū)訌椥裕?/p>

1.利用架構(gòu)良好的整體解決方案架構(gòu)框架，并采用云原生能力實(shí)現(xiàn)可用性和災(zāi)難恢復(fù)。

2.與云計(jì)算架構(gòu)師和技術(shù)架構(gòu)師合作，定義可用性目標(biāo)，并推導(dǎo)出應(yīng)用程序和數(shù)據(jù)庫(kù)層彈性屬性。

在建模的同時(shí)，根據(jù)預(yù)期或觀(guān)察到的使用模式定義假設(shè)的故障模型，并根據(jù)業(yè)務(wù)影響為這些故障模式制定測(cè)試計(jì)劃。

通過(guò)采用架構(gòu)驅(qū)動(dòng)的測(cè)試方法，企業(yè)可以在上線(xiàn)之前深入了解云計(jì)算應(yīng)用程序彈性的基本級(jí)別，并且可以為性能修復(fù)活動(dòng)分配足夠的時(shí)間，但仍然需要在云原生應(yīng)用程序設(shè)計(jì)中測(cè)試應(yīng)用程序的未知故障和多個(gè)方面的故障點(diǎn)。

混沌測(cè)試與站點(diǎn)可靠性工程

混沌測(cè)試是一種有意將壓力和異常引入云計(jì)算架構(gòu)中的方法，以系統(tǒng)地測(cè)試系統(tǒng)的彈性。

首先明確指出的是，混沌測(cè)試并不能替代實(shí)際的測(cè)試系統(tǒng)，這只是衡量錯(cuò)誤的另一種方法。通過(guò)混沌測(cè)試，IT團(tuán)隊(duì)可以看到發(fā)生了什么情況以及如何反應(yīng)。但是，最重要的是，它可以幫助他們衡量系統(tǒng)在可觀(guān)察性和彈性方面的差距，而這是最初被忽視的事情。

Netflix公司在2011年遷移到云計(jì)算系統(tǒng)時(shí)率先采用了這種強(qiáng)大的測(cè)試方法，混沌測(cè)試揭示低效率，并引導(dǎo)開(kāi)發(fā)團(tuán)隊(duì)進(jìn)行更改、測(cè)量和提高彈性，幫助云計(jì)算架構(gòu)師更好地理解和更改他們的設(shè)計(jì)。

持續(xù)、系統(tǒng)和混沌的測(cè)試增加了云計(jì)算基礎(chǔ)設(shè)施的彈性，有效地增強(qiáng)了系統(tǒng)的彈性，并最終增強(qiáng)了管理和運(yùn)營(yíng)團(tuán)隊(duì)對(duì)其正在構(gòu)建的系統(tǒng)的信心。

而企業(yè)必須部分或完全在云計(jì)算基礎(chǔ)設(shè)施上創(chuàng)建彈性IT系統(tǒng)。

使用混沌測(cè)試和站點(diǎn)可靠性工程可以幫助企業(yè)在以下方面保持彈性：

• 云計(jì)算和基礎(chǔ)設(shè)施彈性。
• 通過(guò)持續(xù)監(jiān)控實(shí)現(xiàn)數(shù)據(jù)彈性。
• 通過(guò)確保用戶(hù)界面在高壓力條件下保持穩(wěn)定，用戶(hù)和客戶(hù)體驗(yàn)彈性。
• 通過(guò)將安全與治理和控制機(jī)制相結(jié)合來(lái)實(shí)現(xiàn)彈性網(wǎng)絡(luò)安全。
• 對(duì)基礎(chǔ)設(shè)施、應(yīng)用程序和數(shù)據(jù)的彈性支持。

為了建立完整的應(yīng)用程序彈性，除了前面提到的云計(jì)算應(yīng)用程序設(shè)計(jì)方面，解決方案架構(gòu)師還需要采用架構(gòu)模式，允許注入特定故障以觸發(fā)內(nèi)部錯(cuò)誤，從而在開(kāi)發(fā)和測(cè)試階段模擬故障。

故障觸發(fā)器的一些常見(jiàn)示例是響應(yīng)延遲、資源占用、網(wǎng)絡(luò)中斷、瞬態(tài)條件、用戶(hù)的極端操作等等。

• 為常見(jiàn)的已識(shí)別場(chǎng)景制定持續(xù)監(jiān)控、管理和自動(dòng)化事件響應(yīng)的計(jì)劃。
• 建立混沌測(cè)試框架和環(huán)境。
• 注入不同嚴(yán)重程度和組合的故障并監(jiān)控應(yīng)用層行為。
• 識(shí)別異常行為并重復(fù)上述步驟以確認(rèn)關(guān)鍵性。

如何進(jìn)行混沌測(cè)試

混沌測(cè)試可以通過(guò)在云計(jì)算結(jié)構(gòu)的任何七層中引入異常來(lái)完成，幫助評(píng)估對(duì)彈性的影響。

當(dāng)Netflix公司在2011年成功發(fā)布其彈性工具Chaos Monkey時(shí)，許多開(kāi)發(fā)團(tuán)隊(duì)將其用于混沌工程測(cè)試系統(tǒng)。還有另一個(gè)由軟件工程師開(kāi)發(fā)的工具測(cè)試系統(tǒng)Gremlin，它也在做同樣的事情。但是，如果想在當(dāng)前新冠疫情背景下執(zhí)行混沌測(cè)試，則可以使用GameDay來(lái)實(shí)現(xiàn)。這會(huì)刺激流量突然增加而出現(xiàn)的異?，F(xiàn)象;例如，客戶(hù)同時(shí)訪(fǎng)問(wèn)一個(gè)移動(dòng)應(yīng)用程序。GameDay的目標(biāo)不僅是測(cè)試彈性，還要增強(qiáng)系統(tǒng)的可靠性。

為確?；煦鐪y(cè)試成功，需要采取以下步驟：

1.識(shí)別：識(shí)別系統(tǒng)中的關(guān)鍵弱點(diǎn)，并創(chuàng)建一個(gè)假設(shè)以及預(yù)期結(jié)果。工程師需要識(shí)別和評(píng)估在假設(shè)框架內(nèi)注入什么樣的故障。

2.模擬：根據(jù)真實(shí)事件在生產(chǎn)過(guò)程中注入異常。這可確保將系統(tǒng)中可能發(fā)生的情況包括在內(nèi)。這可能會(huì)導(dǎo)致應(yīng)用程序或網(wǎng)絡(luò)中斷或節(jié)點(diǎn)故障。

3.自動(dòng)化：需要這些實(shí)驗(yàn)實(shí)現(xiàn)自動(dòng)化，可能是每小時(shí)或每周等。這確保了連續(xù)性，這是混沌工程中的一個(gè)不利因素。

4.持續(xù)反饋和完善：這些實(shí)驗(yàn)有兩個(gè)結(jié)果，可以確保彈性或檢測(cè)需要解決的問(wèn)題，可以從中獲得反饋以改進(jìn)系統(tǒng)。

在系統(tǒng)上引發(fā)錯(cuò)誤攻擊和序列的其他具體方法可能是：

• 增加網(wǎng)絡(luò)延遲。
• 切斷預(yù)定任務(wù)。
• 切斷微服務(wù)。
• 斷開(kāi)系統(tǒng)與數(shù)據(jù)中心的連接。

結(jié)語(yǔ)

在當(dāng)今云遷移和云計(jì)算使用量激增的數(shù)字時(shí)代，增強(qiáng)云計(jì)算彈性以提高應(yīng)用程序的有效性能變得勢(shì)在必行。而在項(xiàng)目的生命周期中，持續(xù)和系統(tǒng)的測(cè)試是必不可少的，而且在公共云負(fù)擔(dān)過(guò)重的情況下，也要確保云計(jì)算架構(gòu)的彈性。通過(guò)防止長(zhǎng)時(shí)間的中斷，企業(yè)可以節(jié)省大量成本并避免損失，此外，還可以確保為客戶(hù)提供服務(wù)的持久性。因此，混沌測(cè)試成為采用大規(guī)模分布式系統(tǒng)的必要條件。

原文標(biāo)題：Systematic and Chaotic Testing: A Way to Achieve Cloud Resilience，作者：Gaurav Aggarwal

【51CTO譯稿，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文譯者和出處為51CTO.com】