如何获得讲师PPT：
扫码关注公众号，后台回复「1151」即可获得讲师PPT哟～
还能一键订阅后续精彩活动内容～
直播间问题答疑：
企业要混沌工程需要满足什么条件？比如系统上、人员配置上？
答：
首先，企业混沌工程去落地的时候，在系统上确实需要有一些有效的基础设施作为支撑。并且像前面提到的，四个实践阶段里的要求也是不一样的。
比如说你想做基础设施演练，那就意味着本身公司内就需要有基础云平台，这样你才能够比较好地去做各种信息查询或故障注入。
比如说在依赖演练里面，特别是大规模演练里，它会依赖于全链路压测，也会依赖全链路追踪trace，还会依赖于一些其他的信息聚合服务，例如基础的应用meta元信息。
这些就属于是系统上的依赖，取决于你公司内当下是否有这些对应的基础设施系统。如果没有，其实也不需要把它做得很复杂，但核心功能点是需要有的：
就比如说生成测试流量，其实在用全链路压测系统流量之前，去哪儿网也做了很多别的尝试，有使用自动化测试和一些其他方式。
所以说在系统层面上是有一定要求的。
其次，在人员配置上，相反我觉得这部分的要求会比较低。为什么呢？因为在去落地新技术的时候，其实大家的起跑线是一样的。
我们公司去落地混沌工程的时候，并没有人以前是做过这一块领域的。另外就是从实践结果看，这块并不像中间件那样样，需要有多丰富的经验和多高的技术水准才能进行。
从人数上来说，其实我们在混沌工程平台的长期投入里，基本也就只有一个人而已。但是像构建大规模自动演练机制的时候，可能会同时投3～4个人一块去做，但都是比较短期的。真正长期去做的话，配在混沌工程平台建设上基本维持在1个人左右。
老师把混沌工程分成了4个阶段，这几个阶段持续的时间、以及投入人员是可以大概说一下吗？
答：
第一个阶段是基础设施演练，是我们最开始构建混沌工程平台的阶段。这个阶段，我们在功能建设上，基本上是又要做控制面，又要去做生效面的API对接。当时大概花了2个人，前后花了2个月左右建设完成。真正去做1～2次大规模关机演练的时候，这时候需要投入的人就会比较多。因为你要真正地去关各业务的机器，就是刚才说的是真实关机，而且是非常大规模的。比如说对酒店业务的某个机房大规模进行关机的时候，那酒店对应的几大主要模块都需要有人跟进着。他们并不需要主动去做什么，但在演练过程里要不断去跟进。从我们公司的情况来看，需要差不多十个人左右，在前期需要一直跟进这些演练的过程，而且演练完之后还会有问题排查。所以在前几次的落地里面，需要问题修完，然后再去迭代它，前前后后花了1～2个月的时间，才把基础设施演练落地得比较好。
第二个阶段就是应用演练，从平台主要功能建设上来看的话，第一阶段里已经做得差不多了，这个阶段只需要让它的策略更丰富，比如前面说的引入了 chaosblade 去做很多演练策略的支持。所以这个阶段的平台建设相对来说会比较快一点，当时应该是投入一个多一点的人力，耗时的话在一个月左右，就基本搞定了。不过从落地角度上来看，演练是一直持续的。前面也提到了我们并不是集中式地做大规模的应用演练，而是慢慢地从各个业务线持续性地去进行演练，这个阶段的演练落地基本上是半年到 8 个月的耗时。
第三部分就是大规模自动化的依赖演练，这个机制是比较难的，而且也是依靠其他基础设施比较多的阶段。这个阶段其实从2021年3月份开始，一直断断续续地持续到今年 9 月份，才基本上把各种问题都解决了(比如分享里面提到的命中率问题)，并且大规模落地产生效果了。虽然这整个周期比较长，但从功能建设上来说的话，它不会花这么长时间。落地时间长主要是因为我们落地覆盖了全司50 多个核心入口，并且达到全司 80% 以上的应用覆盖。因为需要应对不同场景里面的很多特殊情况。
第四个阶段是攻防演练，构建这个演练过程其实是非常简单的，也就花了两三周。真正去落地实践的话，也就花了两周在业务团队里面去执行，我们是选择在公司最核心的机票业务去落地，并且这块也取得比较好的效果，排查耗时从30分钟降低到3分钟。所以说这个阶段的落地耗时是比较短的，前前后后不到两个月。
所以整体就是上面列举的耗时和人力资源的投入情况。
混沌工程是否只对复杂的分布式系统企业有用？对小企业是否有必要？
答：
对于一些新企业或者是企业内部应用没那么复杂的情况来说的话，我建议只做前两个阶段（基础设施演练和应用演练）就可以了。
从架构分层上看，前两个阶段能够覆盖机房问题、中间件问题、应用问题，只要把这几个点都覆盖了，其实大部分的大规模故障问题就已经解决了。真正大规模的依赖演练，确实是在比较复杂的分布式拓扑依赖关系里面才会比较有用。如果你的应用情况比较简单，处理一个请求，只需要少量的系统，每个系统里面的依赖关系也比较简单，那对系统的治理就是比较简单的，如果服务治理本身已经比较有效了，那你通过混沌工程再去确认它的价值就不会那么高。
所以我的建议是以前两个阶段为主，这部分是比较有效的，这样可以确保你所在的公司，系统不会出现大规模故障的问题。
混沌工程本身是在生产环境演练，对于左移的做法，老师觉得意义大吗？
答：
我认为从最终效果衡量上看，意义不大，生产环境和测试环境之间的差异很难100%抹除，在非生产环境演练产生的结论也不好下结论是否可信。如果演练左移只是为了先在非生产环境尝试，再迁移到生产环境，那有一定的工程意义，毕竟更稳妥。也能更大概率避免因为混沌工程本身导致稳定性问题。
生产环境演练这也是去哪儿网在最开始的两个落地阶段（基础设施演练和应用演练）就一直坚持的做法，在基础设施演练中，我们不仅在生产环境进行，并且确保是大规模真实关机。
本文来自投稿，不代表TakinTalks稳定性技术交流平台立场，如若转载，请联系原作者。
微信扫一扫 