Ihre Kunden, Kunden, Besucher – und sogar interne Mitarbeiter – verlassen sich darauf, dass Ihre Systeme jederzeit funktionieren, verf\u00fcgbar und leistungsf\u00e4hig sind. In einer perfekten Welt w\u00fcrde es nie einen Begriff daf\u00fcr geben, wann Systeme, Anwendungen und Dienste aus dem Aus gehen, aber dies ist keine perfekte Welt, und leider verlaufen die Dinge manchmal nicht wie geplant. Ausf\u00e4lle und Ausfallzeiten k\u00f6nnen Unternehmen Millionen von Dollar kosten. Manchmal ist der beste Plan ein Plan f\u00fcr das Unerwartete, was genau das ist, was Chaos Engineering zu l\u00f6sen versucht. Chaos Engineering, auch als Chaos testing bezeichnet, kann als Disziplin oder Ansatz zum Testen und Erstellen eines Systems betrachtet werden, das unerwarteten Fehlern oder Bedingungen standh\u00e4lt.<\/p>\n
Mit dem Aufkommen von DevOps-Praktiken<\/a> haben Organisationen von Start-ups bis hin zu Unternehmen langsam ihre eigenen Chaos-Testpraktiken in ihre Entwicklungs-Workflows \u00fcbernommen. Unabh\u00e4ngig davon, ob Chaos Engineering von bestimmten Teams oder als Teil der Verantwortung f\u00fcr Site Reliability Engineers (SREs)<\/a>durchgef\u00fchrt wird, ist die Praxis des Chaos Engineering darauf ausgelegt, versteckte Schwachstellen in Systemen, Anwendungen und Diensten aufzudecken und sicherzustellen, dass es den extremsten Situationen f\u00fcr vollst\u00e4ndige Ausfallsicherheit standhalten kann.<\/p>\n Wie Bei Stresstests oder Lasttests<\/a>hilft Chaos Engineering Teams, Sollbruchstellen oder Fehler zu identifizieren, indem abnormale oder instabile Umgebungen erstellt werden. Einer der Hauptunterschiede zwischen Chaos Engineering und Performance Testing<\/a> besteht jedoch darin, dass sich Chaos Engineering nicht nur auf einige Schl\u00fcsselkomponenten konzentriert, sondern aus einer scheinbar unbegrenzten Anzahl von Faktoren bestehen kann, die au\u00dferhalb des Rahmens der normalen und offensichtlichen Test\u00fcberlegungen liegen. In gro\u00dfen, verteilten Netzwerkumgebungen k\u00f6nnen Systeme aus einer Vielzahl von Gr\u00fcnden ausfallen, die im Vergleich zu anderen Umgebungen nicht so einfach aufzudecken sind. Die Aufdeckung dieser Schwachstellen hilft Teams zu verstehen, wo sich Schwachstellen befinden, um zu verhindern, dass diese potenziellen Fehler jemals auftreten.<\/p>\n Die Praxis des Chaos Engineering entstand mit Netflix um 2008, nachdem sie ihren Streaming-Dienst<\/a> offiziell gestartet hatten. Nach einem Problem mit der Besch\u00e4digung der Datenbank<\/a> im Jahr 2011 plante Netflix, sein Rechenzentrum \u00fcber AWS (Amazon Web Services) in die Cloud zu verlagern. Tats\u00e4chlich brauchten sie acht Jahre, um die Migration endlich abzuschlie\u00dfen. Im Jahr 2015 kam es bei AWS zu einem Ausfall,<\/a> der dazu f\u00fchrte, dass Netflix f\u00fcr mehrere Stunden ausfiel. Dies waren die Anf\u00e4nge des Cloud Computing, daher war es nicht so robust, stabil und ausfallsicher wie heute. Als sie feststellten, dass der Wechsel in die Cloud einige der erwarteten Vorteile nicht mit sich brachte, wie Skalierbarkeit, Verf\u00fcgbarkeit und Vermeidung einzelner Fehlerquellen, Automatische Skalierung<\/a>usw., beschlossen sie, dass sie eine M\u00f6glichkeit brauchten, um diese unerwarteten zu testen Probleme, um sicherzustellen, dass ihre Dienste betriebsbereit sind<\/a>und schlie\u00dflich die Vermeidung der Auswirkungen auf die Benutzer und Frustration verursachen<\/a>. Aus dieser Erfahrung wurde Chaos Engineering geboren.<\/p>\n Chaos Engineering versucht nicht, Chaos zu schaffen, nur um Chaos zu schaffen. Vielmehr ist es darauf ausgelegt, auf der Grundlage einer Reihe pr\u00e4ziser Prinzipien und Schritte sorgf\u00e4ltig Pl\u00e4ne und Experimente<\/a> zu erstellen, um zu lernen<\/a> , wie Risiken in gro\u00dfen, verteilten Systemen und Netzwerken minimiert werden k\u00f6nnen. Im Folgenden sind die Schritte zur Erstellung einer allgemeinen Richtlinie<\/a> f\u00fcr Chaosexperimente aufgef\u00fchrt.<\/p>\n Dies besteht darin, allgemeine Annahmen dar\u00fcber zu treffen, wie ein System reagieren wird, wenn instabile Faktoren und Bedingungen im Vergleich zur normalen Umgebung eingef\u00fchrt werden. Hier legen Sie auch fest, welche Metriken wie Fehlerraten, Latenz, Durchsatz etc. w\u00e4hrend des Chaos-Experiments gemessen werden sollen.<\/p>\n \u00dcberlegen Sie, was passieren k\u00f6nnte, wenn diese hypothetischen Ereignisse in realen Situationen auftreten w\u00fcrden. Wenn Ihr Server beispielsweise unerwartet abst\u00fcrzt oder der Datenverkehr<\/a> deutlich zunimmt, wie wirkt sich dies auf Ihr Gesamtsystem aus?<\/p>\n Im Idealfall m\u00f6chten Sie Ihr Chaos-Experiment in einer Live-Produktionsumgebung durchf\u00fchren. Es m\u00fcssen jedoch Schutzma\u00dfnahmen vorhanden sein, um ein Worst-Case-Szenario zu verhindern. Sie m\u00f6chten sicherstellen, dass Sie immer noch eine gewisse Kontrolle \u00fcber die Umgebung haben, wenn das Experiment seitw\u00e4rts verl\u00e4uft. Dies wird auch als Steuerung des Explosionsradius bezeichnet. Diese Experimente k\u00f6nnen f\u00fcr eine bessere Analyse automatisiert werden und sind nachhaltiger als die manuelle Ausf\u00fchrung. Eine andere Methode, die manchmal verwendet wird, ist die Verwendung einer vollwertigen Testumgebung, aber auch dies spiegelt m\u00f6glicherweise nicht wider, was in der realen Welt passiert.<\/p>\n Wie entsprechen die Ergebnisse der Ausgangshypothese? Basierend auf den Metriken, die in der Hypothese festgelegt wurden, war das Experiment zu begrenzt oder muss es skaliert werden, um Fehler und Fehler besser zu identifizieren? War der Explosionsradius zu begrenzt? Vielleicht muss es skaliert werden, um die Fehler auszuweisen, die in einem realen Szenario auftreten w\u00fcrden. Dieses Experiment kann auch zus\u00e4tzliche Probleme aufdecken, die untersucht werden m\u00fcssen.<\/p>\n Gehen wir zur\u00fcck zur Einf\u00fchrung von Chaos Engineering mit Netflix. Sobald sie die Entscheidung getroffen haben, in die Offensive zu gehen und mit der Zuweisung von Ressourcen f\u00fcr ein Engineering-Team zu beginnen, mussten sie einen formalisierten Satz von Praktiken und Tools erstellen, um Engineering-Teams bei der Durchf\u00fchrung von Chaostests zu unterst\u00fctzen. Eine der ersten Anwendungen, die Netflix einf\u00fchrte, hie\u00df Chaos Monkey<\/a>. Jeden Tag w\u00e4hlte diese Anwendung zuf\u00e4llig eine Reihe von Clustern aus und schaltete diese Instanz irgendwann im Laufe des Tages aus, um zu beobachten, wie die verbleibenden Systeme reagierten. Offensichtlich schafft dies eine schmerzhafte Erfahrung f\u00fcr Engineering-Teams, die t\u00e4glich genug Netzwerkkopfschmerzen zu bew\u00e4ltigen haben, aber am Ende des Tages versetzt es die Teams in eine bessere Position, um die Auswirkungen dieser Ausf\u00e4lle nicht nur in Bezug auf ihr Netzwerk, sondern auch in Bezug auf die Auswirkungen auf die Benutzer zu verstehen.<\/p>\n Auch wenn es widerspr\u00fcchlich erscheinen mag, Ressourcen und Einzelpersonen daf\u00fcr einzusetzen, Dinge zu “kaputtmachen”, hilft die proaktive Durchf\u00fchrung dieser Chaos-Tests, ein widerstandsf\u00e4higeres Netzwerk aufzubauen und eine bessere, zuverl\u00e4ssigere Benutzererfahrung<\/a> zu schaffen. Die reale Welt funktioniert nicht in einer kontrollierten Testumgebung. Seit der Gr\u00fcndung von Chaos Monkey hat es mehrere Updates durchlaufen und ist zu einer beliebten Open-Source-Anwendung geworden. Und zu einer Zeit war es nur ein Teil einer Chaos-Engineering-Suite von Werkzeugen, die simianische Armee genannt wurde. Die Simian Army Suite wurde 2018 aufgel\u00f6st, enthielt aber die folgenden aufgabenspezifischen Chaos-Engineering-Dienstprogramme:<\/p>\n Chaos Kong wurde entwickelt, um zu simulieren, dass eine vollst\u00e4ndige AWS-Region gel\u00f6scht oder gel\u00f6scht wird, um zu sehen, wie sich das System erholt und reagiert hat, indem datenverkehr ohne Leistungseinbu\u00dfen in eine andere Region \u00fcbertragen wurde. Auch dies geschieht selten, aber im Rahmen des Chaos Engineering ist nichts au\u00dferhalb der Grenzen.<\/p>\n Conformity Monkey ist ein Service, der in AWS ausgef\u00fchrt wird, um Instances zu identifizieren, die nicht den vordefinierten Regeln entsprechen. Alle Instanzen, die nicht den Regeln entsprechen, die flexibel genug waren, um angepasst und so eingestellt zu werden, dass sie mit unterschiedlichen H\u00e4ufigkeiten ausgef\u00fchrt werden, wurden identifiziert und eine E-Mail-Benachrichtigung wird an den Eigent\u00fcmer oder die Gruppe gesendet. Conformity Monkey wurde seitdem zu Spinnaker-Diensten verschoben.<\/p>\n Chaos Gorilla ist wie Chaos Monkey, aber in einem gr\u00f6\u00dferen Ma\u00dfstab. Anstatt Fehler auf einzelnen AWS-Instances zu simulieren, simulierte Chaos Gorilla einen Ausfall einer gesamten AWS-Zone. Dieses Dienstprogramm wurde entwickelt, um zu zeigen, wie sich eine gro\u00dfe<\/a> Katastrophe auf Benutzer oder Kunden in einer anderen Region auswirkt, was perfekt f\u00fcr die Einrichtung der Infrastruktur und des Gesch\u00e4ftsmodells von Netflix war. Wenn die Cloud-Plattform diesem Test standhalten kann, indem sie ordnungsgem\u00e4\u00df sicherstellt, dass Load Balancer angemessen reagieren und Dienste unterbrochen bleiben, kann sie allem standhalten, was auf sie geworfen wird.<\/p>\n Latency Monkey wird, wie der Name schon sagt, verwendet, um Dienste gegen Netzwerkverz\u00f6gerungen oder vollst\u00e4ndige Fehler zu testen, um zu identifizieren, wie Dienste und ihre Abh\u00e4ngigkeiten auf diese simulierten Verz\u00f6gerungen reagiert haben. Wie bei Webdiensten im Allgemeinen kann es jedoch unbekannte Konsequenzen innerhalb anderer Anwendungen geben, die auf den ersten Blick nicht leicht zu erkennen sind, weshalb ein Dienstprogramm wie Latency Monkey so wichtig ist, um die Fehlertoleranz \u00fcber Dienste hinweg zu messen.<\/p>\n Das Dienstprogramm Doctor Monkey wurde verwendet, um Zustandspr\u00fcfungen \u00fcber einzelne Instanzen hinweg durchzuf\u00fchren und den Zustand (CPU-Auslastung<\/a>, Speicher, Ressourcen usw.) des Gesamtsystems zu \u00fcberwachen. Dar\u00fcber hinaus kann Doctor Monkey Berichte \u00fcber den Instanzstatus erstellen und alle Instanzen aus dem Dienst entfernen, die f\u00fcr das Gesamtsystem als ungeeignet erachtet werden.<\/p>\n Der Name f\u00fcr 10-18 Monkey kommt von den Abk\u00fcrzungen f\u00fcr Lokalisierung und Internationalisierung und Lokalisierung, L10n und i18n. Die Zahlen stellen die Anzahl der Buchstaben zwischen dem ersten und dem letzten Buchstaben dar. Da Netflix-Kunden auf der ganzen Welt ans\u00e4ssig sind, war es von gr\u00f6\u00dfter Bedeutung, eine Methode zur \u00dcberwachung der Zuverl\u00e4ssigkeit ihrer Streaming-Dienste in verschiedenen Regionen zu haben. Der Vorteil des Dienstprogramms 10-18 Monkey besteht darin, dass es in mehreren geografischen Regionen, die verschiedene Sprachen und Zeichens\u00e4tze bedienen und verwenden, nach Konfigurations- und Leistungsproblemen suchen kann.<\/p>\n Was ist mit all den ungenutzten AWS-Ressourcen? Geben Sie Hausmeister Monkey ein. Der Zweck des Dienstprogramms Janitor Monkey besteht darin, ungenutzte Ressourcen zu finden und zu entfernen. Wie Chaos Monkey ist es auch anpassbar und erweiterbar genug, um mit anderen Cloud-Anbietern verwendet zu werden. Benutzer stellen eine Reihe von Regeln bereit, und Janitor Monkey macht sich an die Arbeit, identifiziert die nicht verwendeten Ressourcen, Gruppen und Volumes, die f\u00fcr die Bereinigung und Entfernung ins Kandidaten sind, und sendet eine Benachrichtigung. Im Laufe der Zeit wurde die Funktionalit\u00e4t durch einen neuen Dienst namens Swabbie ersetzt.<\/p>\n Im Laufe der Zeit hat sich Chaos Engineering zu einer eigenen vollwertigen Branche entwickelt. Es gibt jetzt eine Vielzahl von Open-Source- und kommerziellen Tools wie Litmus Chaos, Gremlin, Chaos Mesh und viele mehr, die Organisationen nutzen k\u00f6nnen. Der Aufbau widerstandsf\u00e4higer Systeme ist nicht nur etwas f\u00fcr Technologieunternehmen<\/a>. Verteilte Systeme sind komplexer geworden<\/a>, was bedeutet, dass Ausf\u00e4lle schwieriger vorherzusagen sind. Aufgrund verschiedener regulatorischer und Compliance-Probleme m\u00fcssen Banken, Regierungsstellen, Pharmaunternehmen, Bildungseinrichtungen usw. ihre Systeme und Dienste regelm\u00e4\u00dfig testen, um sicherzustellen, dass sie gesch\u00e4fts- und gesch\u00e4ftskritische Anforderungen erf\u00fcllen. Leistungstests und Chaostests<\/a> sind proaktive Ans\u00e4tze, um zu lernen, wie man widerstandsf\u00e4hige Systeme durch die Beobachtung von Fehlern aufbaut.<\/p>\n[\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]\n","protected":false},"excerpt":{"rendered":" Was ist Chaos Engineering? Ihre Kunden, Kunden, Besucher – und sogar interne Mitarbeiter – verlassen sich darauf, dass Ihre Systeme jederzeit funktionieren, verf\u00fcgbar und leistungsf\u00e4hig sind. In einer perfekten Welt w\u00fcrde es nie einen Begriff daf\u00fcr geben, wann Systeme, Anwendungen und Dienste aus dem Aus gehen, aber dies ist keine perfekte Welt, und leider verlaufen […]<\/p>\n","protected":false},"author":8,"featured_media":32047,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[159,143],"tags":[147,969,148],"class_list":["post-32057","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-user-experience-de","category-performance-testing-de","tag-auslastungstests","tag-chaos-engineering-de","tag-performance-testing-de"],"yoast_head":"\nChaos Engineering vs. Leistungstests<\/h2>\n
Chaos (Engineering) ist geboren<\/h2>\n
Chaos Engineering Prinzipien & Schritte<\/h3>\n
Schritt 1: Erstellen einer Hypothese<\/h4>\n
Schritt 2: Identifizieren von Variablen und Antizipieren von Auswirkungen<\/h4>\n
Schritt 3: Starten des Experiments<\/h4>\n
Schritt 4: Messen Sie die Auswirkungen<\/h4>\n
Chaos Engineering Tools<\/h3>\n
Chaos Kong<\/h4>\n
Konformit\u00e4t Affe<\/h4>\n
Chaos Gorilla<\/h4>\n
Latenz-Affe<\/h4>\n
Doktor Affe<\/h4>\n
10-18 Affe<\/h4>\n
Hausmeister Affe<\/h4>\n
Fazit: Chaos Engineering – Prinzipien, Beispiele & Tools<\/h2>\n