【51CTO.com快譯】

在當(dāng)今數(shù)字技術(shù)時(shí)代，停工就意味著停機(jī)，構(gòu)建彈性云結(jié)構(gòu)勢(shì)在必行。例如，在新冠疫情期間，IT 維護(hù)團(tuán)隊(duì)不能再在本地重新啟動(dòng)數(shù)據(jù)中心的任何服務(wù)器。如果本地硬件出現(xiàn)故障，這可能會(huì)導(dǎo)致訪問所有數(shù)據(jù)或軟件的巨大障礙，使得生產(chǎn)率下降，并造成整體業(yè)務(wù)損失。然而，針對(duì)上述問題的解決方案，是將所有 IT 操作傳輸?shù)皆苹A(chǔ)架構(gòu)，通過遠(yuǎn)程成員提供 24/7 全天候技術(shù)支持來確保安全。云在這里本質(zhì)上是神一樣的存在。

最近，一些公司已經(jīng)充分利用云的潛力，因此，云操作的可觀察性 和彈性變得勢(shì)在必行，因?yàn)橥C(jī)現(xiàn)在等同于斷開連接和業(yè)務(wù)損失。 

在當(dāng)今技術(shù)驅(qū)動(dòng)的商業(yè)經(jīng)濟(jì)中，想象云失敗將是災(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)，影響公司的系統(tǒng)性能。因此，對(duì)于組織和公司來說，通過混亂和系統(tǒng)化的測試將云彈性構(gòu)建到云結(jié)構(gòu)中變得十分重要。在這篇文章中，我將帶您了解彈性和可觀察性的含義，以及為什么彈性和混沌測試對(duì)于避免停機(jī)至關(guān)重要。

為避免云故障，企業(yè)必須通過連續(xù)和混亂的方式對(duì)其云架構(gòu)進(jìn)行測試，從而在其云架構(gòu)中構(gòu)建彈性。

1.) 可觀察性

可觀察性可以通過兩個(gè)方面來理解。一個(gè)是通過控制理論， 它將可觀察性解釋為通過推斷系統(tǒng)的外部輸出來理解系統(tǒng)狀態(tài)的過程。另一個(gè)方面解釋了可觀察性的學(xué)科和方法，即用來測量不確定性和未知數(shù)的學(xué)科和方法。
云計(jì)算的可觀察性是利用跨領(lǐng)域、規(guī)模和服務(wù)的端到端監(jiān)控的先決條件。可觀察性不應(yīng)與監(jiān)控相混淆，因?yàn)楸O(jiān)控用于了解應(yīng)用程序中問題和異常的根本原因。 監(jiān)控會(huì)告訴你什么時(shí)候出現(xiàn)了問題，而可觀察性可幫助你了解出現(xiàn)問題的原因。它們各自服務(wù)于不同的目的，但肯定是相輔相成的。

云系統(tǒng)需要具備可觀察性和彈性，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 

每個(gè)遷移到云基礎(chǔ)設(shè)施的企業(yè)都應(yīng)確保并測試其系統(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)的頂部。穩(wěn)定性是保證系統(tǒng)和服務(wù)器不會(huì)經(jīng)常崩潰；可用性通過將應(yīng)用程序分布在不同的位置以減輕工作量，從而確保系統(tǒng)正常運(yùn)行時(shí)間；可靠性確保云系統(tǒng)的高效運(yùn)行和可用性。但是，如果企業(yè)想要解決不可預(yù)見的問題，那么不斷測試彈性就變得必不可少。

彈性是指預(yù)期會(huì)出現(xiàn)的問題，并且系統(tǒng)會(huì)以某種方式進(jìn)行測試，以解決和調(diào)整該問題。 系統(tǒng)的彈性不是自動(dòng)實(shí)現(xiàn)的。彈性的系統(tǒng)承認(rèn)復(fù)雜的系統(tǒng)和問題，并努力逐步采取措施應(yīng)對(duì)錯(cuò)誤。它需要不斷測試，以減少問題或故障的影響。持續(xù)測試可避免云故障，確保更高的性能和效率。

可通過現(xiàn)場彈性設(shè)計(jì)和利用混沌測試等系統(tǒng)測試方法實(shí)現(xiàn)彈性。

常規(guī)測試及其不足

傳統(tǒng)測試 確保應(yīng)用程序直接安裝和遷移到云系統(tǒng)中，并監(jiān)控它們的性能和工作效率。足以確保云系統(tǒng)不會(huì)根據(jù)設(shè)計(jì)改變應(yīng)用程序的性能和功能。

常規(guī)測試是不夠的，因?yàn)樗诎l(fā)現(xiàn)潛在的隱藏架構(gòu)問題和異常方面效率低下，一些故障僅在觸發(fā)特定條件時(shí)才可見。

云的高可用承諾

Scott Guthrie 在談到云的未來和前景時(shí)說，“我們看到數(shù)字空間的發(fā)展速度逐漸加快。云讓我們能夠按照摩爾定律的速度進(jìn)行擴(kuò)展，也可以使用更少的基礎(chǔ)設(shè)施快速擴(kuò)展”。由于疫情人們被迫在家工作，云投資并沒有激增。但是，由于這種前所未有的需求，所有超大規(guī)模企業(yè)都必須引入節(jié)流和優(yōu)先級(jí)控制，這違背了公共云的按需彈性原則。

在中斷和停機(jī)方面，公共云并非不可挑戰(zhàn)。例如，谷歌最近的宕機(jī)時(shí)間導(dǎo)致 Gmail 和 Youtube 等多項(xiàng)谷歌服務(wù)停止，這表明公共云也不一定沒有系統(tǒng)宕機(jī)。因此，我想說，大流行為彈性云系統(tǒng)增加了幾個(gè)額外的視角：

1. 即使在線流量意外激增，系統(tǒng)也必須平穩(wěn)運(yùn)行且保持不變
2. 系統(tǒng)必須尋找替代方法來管理功能和資源池，以防云提供商拒絕或限制額外的資源分配請(qǐng)求。
3. 該系統(tǒng)應(yīng)該是可訪問且安全的，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)防火墻之外的許多端點(diǎn)）。

疫情突出了對(duì)彈性云系統(tǒng)進(jìn)行連續(xù)測試和混亂測試的價(jià)值。一個(gè)有彈性且經(jīng)過全面測試的系統(tǒng)將能夠以安全、無縫和穩(wěn)定的方式管理額外擁塞的流量。 為了檢測未知數(shù)，需要彈性測試 和彈性工程 。

單獨(dú)的云原生應(yīng)用程序設(shè)計(jì)無法實(shí)現(xiàn)彈性

在公共云世界中，由于云提供商提供的基礎(chǔ)能力、多層/多種技術(shù)基礎(chǔ)架構(gòu)以及云系統(tǒng)的分布式特性存在差距，因此 應(yīng)用程序彈性 架構(gòu)的構(gòu)建更為關(guān)鍵。 即使云提供商提供了底層基礎(chǔ)架構(gòu)的可用性和彈性，這也可能導(dǎo)致云應(yīng)用程序以不可預(yù)測的方式失敗。

為建立良好的應(yīng)用彈性基礎(chǔ)， 在設(shè)計(jì)過程中，云工程師應(yīng)采用以下策略來測試、評(píng)估和描述應(yīng)用程序?qū)訌椥裕?/p>

1. 利用架構(gòu)良好的框架實(shí)現(xiàn)總體解決方案架構(gòu)，并采用云本機(jī)功能實(shí)現(xiàn)可用性和災(zāi)難恢復(fù)。
2. 與云架構(gòu)師和技術(shù)架構(gòu)師協(xié)作，定義可用性目標(biāo)，并派生應(yīng)用程序和數(shù)據(jù)庫層彈性屬性。 
A. 與威脅建模一起，根據(jù)預(yù)期或觀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建立測試計(jì)劃。

通過采用架構(gòu)驅(qū)動(dòng)的測試方法，組織可以在上線之前深入了解云應(yīng)用程序彈性的基本級(jí)別， 并為性能修復(fù)活動(dòng)分配足夠的時(shí)間。但是仍然需要測試應(yīng)用程序是否存在未知故障以及 云原生應(yīng)用程序設(shè)計(jì)中多個(gè)故障點(diǎn)。

混亂測試與工程

混亂測試是一種有意將壓力和異常引入云結(jié)構(gòu)的方法，以系統(tǒng)地測試系統(tǒng)的彈性。

首先，混亂測試不能替代實(shí)際的測試系統(tǒng)。 這只是衡量錯(cuò)誤的另一種方式。通過向系統(tǒng)引入降級(jí)，IT 團(tuán)隊(duì)可以看到發(fā)生了什么以及它是如何反應(yīng)的。重要的是，測試可以幫助測試人員衡量系統(tǒng)的可觀察性和彈性方面的差距，這些是最初被忽略的事情。

Netflix 在 2011 年遷移到云系統(tǒng)期間首先效仿了這種測試方法，此后，它有效地建立了這種方法。混亂測試揭示了低效率，并引導(dǎo)開發(fā)團(tuán)隊(duì)改變、衡量和提高彈性，并幫助云架構(gòu)師更好地理解和改變他們的設(shè)計(jì)。
持續(xù)、系統(tǒng)和混亂的測試增加了云基礎(chǔ)設(shè)施的彈性，從而有效地增強(qiáng)了系統(tǒng)的彈性，并最終增強(qiáng)了管理和運(yùn)營團(tuán)隊(duì)對(duì)他們正在構(gòu)建的系統(tǒng)的信心。

彈性企業(yè)必須部分或全部在云 基礎(chǔ)架構(gòu)上創(chuàng)建彈性 IT 系統(tǒng)。

使用混沌和站點(diǎn)可靠性工程可幫助企業(yè)在以下方面保持彈性：
• 云和基礎(chǔ)架構(gòu)彈性
• 通過持續(xù)監(jiān)控實(shí)現(xiàn)數(shù)據(jù)彈性。
• 通過確保用戶界面在高壓力條件下保持穩(wěn)定，實(shí)現(xiàn)用戶和客戶體驗(yàn)彈性
• 通過將安全性與治理和控制機(jī)制相結(jié)合來增強(qiáng)網(wǎng)絡(luò)安全性
• 對(duì)基礎(chǔ)架構(gòu)、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，從而在開發(fā)和測試階段模擬故障。

故障觸發(fā)器的一些常見示例包括響應(yīng)延遲、資源占用、網(wǎng)絡(luò)中斷、瞬態(tài)條件、用戶的極端行為等等。

1. 針對(duì)常見的已識(shí)別場景，制定持續(xù)監(jiān)控、管理和自動(dòng)化事件響應(yīng)計(jì)劃
2. 建立混沌測試框架和環(huán)境
3. 注入具有不同嚴(yán)重性和組合的故障，并監(jiān)控應(yīng)用層行為
4. 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)行混沌測試

混沌測試可以通過在云結(jié)構(gòu)的任何七層中引入異常來完成，這有助于評(píng)估對(duì)恢復(fù)力的影響。

當(dāng) Netflix 在 2011 年成功宣布其彈性工具 Chaos Monkey 時(shí)，許多開發(fā)團(tuán)隊(duì)將其用于混沌工程測試系統(tǒng)。還有另一個(gè)由軟件工程師開發(fā)的工具測試系統(tǒng) Gremlin， 基本上也在做同樣的事情。但是，如果在 COVID-19 的環(huán)境中執(zhí)行混沌測試，可以使用 GameDay 來實(shí)現(xiàn)。這會(huì)引發(fā)異常情況，其中流量突然增加；例如，客戶同時(shí)訪問移動(dòng)應(yīng)用程序。GameDay 的目標(biāo)不僅是測試彈性，還要提高系統(tǒng)的可靠性。

確保成功進(jìn)行混沌測試所需采取的步驟如下：
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)和預(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)過程中注入異常。這樣可以確保將系統(tǒng)中可能發(fā)生的情況包括在內(nèi)。這可能導(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：自動(dòng)化這些實(shí)驗(yàn)，可能是每小時(shí)/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)反饋和改進(jìn)： 實(shí)驗(yàn)有兩種結(jié)果?？梢源_保彈性或發(fā)現(xiàn)需要解決的問題。這兩種方法都是很好的結(jié)果，你可以從中獲取反饋來完善您的系統(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：
1. 增加網(wǎng)絡(luò)延遲
2. 切斷計(jì)劃任務(wù)
3. 切斷微服務(wù)
4. 斷開系統(tǒng)與數(shù)據(jù)中心的連接

總結(jié)

在當(dāng)今的數(shù)字時(shí)代，增強(qiáng)云彈性以提高應(yīng)用程序的有效性能變得勢(shì)在必行。在項(xiàng)目的生命周期中，持續(xù)和系統(tǒng)的測試是必不可少的，但同時(shí)也要確保在公共云負(fù)擔(dān)過重的時(shí)候云彈性。 通過防止長時(shí)間的中斷和未來的中斷，企業(yè)可以節(jié)省大量成本，此外還可以確保為客戶提供服務(wù)的持久性。因此，混沌工程成為大規(guī)模分布式系統(tǒng)的一種必然。

【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】