- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序员吾真本
K8S故障注入混沌工程开源平台ChaosMesh
Chaos Mesh 是针对K8S的云原生混沌工程开源平台。 可以用它方便地模拟开发、测试、生产环境中可能出现的各种异常情况，发现系统中潜在的问题。 实验工作流 实验工作流，包括编排顺序或并行执行的故障注入实验，查看实验状态和结果，暂停实验，支持用YAML或Web UI定义和管理实验。 可视化操作 可视化操作，包括可以在Web UI上点击鼠标，定义实验的范围、故障注入类型和调度规则，最后能展示实验结果。 安全控制 安全控制，包括使用K8S原生提供的基于角色的访问控制功能，来管理故障注入的使用权限。还可以通过设置命名空间注解，来指定允许进行混沌实验的命名空间，进一步保障对混沌实验的控制。 使用K8S原生提供的基于角色的访问控制功能，来管理故障注入的使用权限。 劣势 只能在K8S集群上使用。否则，就只能使用针对节点进行故障注入实验的附带工具chaosd。 临时执行的实验会无限期地运行。
68520编辑于 2023-08-15 - 来自专栏程序员吾真本
K8S故障注入混沌工程开源平台ChaosMesh
Chaos Mesh 是针对K8S的云原生混沌工程开源平台。 可以用它方便地模拟开发、测试、生产环境中可能出现的各种异常情况，发现系统中潜在的问题。 实验工作流 实验工作流，包括编排顺序或并行执行的故障注入实验，查看实验状态和结果，暂停实验，支持用YAML或Web UI定义和管理实验。 可视化操作 可视化操作，包括可以在Web UI上点击鼠标，定义实验的范围、故障注入类型和调度规则，最后能展示实验结果。 安全控制 安全控制，包括使用K8S原生提供的基于角色的访问控制功能，来管理故障注入的使用权限。还可以通过设置命名空间注解，来指定允许进行混沌实验的命名空间，进一步保障对混沌实验的控制。 使用K8S原生提供的基于角色的访问控制功能，来管理故障注入的使用权限。 劣势 只能在K8S集群上使用。否则，就只能使用针对节点进行故障注入实验的附带工具chaosd。 临时执行的实验会无限期地运行。
70230编辑于 2023-08-16 - 来自专栏全栈程序员必看
istio框架(istio故障注入)
注：它们Pod标签都有app: nginx,service服务发现根据这个标签选择，version是为后面定义版本设置的
69230编辑于 2022-08-01 - 来自专栏golang算法架构leetcode技术php
mac 上学习k8s系列（36）istio part IV 内外路由和故障注入
networking/virtual-service-reviews-test-v2.yaml virtualservice.networking.istio.io/reviews created 或者进行故障注入 destination: host: reviews subset: v1 如何headers的end-user 字段匹配了jason就走v2的reviews 接着我们看下如何做故障注入的
58520编辑于 2022-08-02 - 来自专栏程序员吾真本
故障创建与编排更胜一筹的K8S混沌工程开源平台Litmus
Litmus 最初是 OpenEBS（K8S下存储系统） 的测试工具，后来发展成为知名的 Kubernetes 原生混沌工程开源平台。 创建者 MayaData 一句话介绍 LitmusChaos 是一个在故障创建与编排方面更胜一筹的K8S混沌工程开源平台，如提供故障注入实验库 ChaosHub，使团队能够以受控方式，引入故障注入实验来识别基础设施中的弱点和潜在停机隐患 可使用 Prometheus 数据源中的交错事件和指标实时监控故障注入实验的影响。 K8S多租户 Kubernetes 命名空间可用作 Kubernetes 上个人开发人员的完全托管环境。 适用平台 K8S 适用场景 对于开发人员：在应用程序开发过程中运行故障注入实验，作为单元测试或集成测试的扩展。 开源许可证 Apache-2.0 license GitHub点赞数 3.8k 最近发布日期与版本 2023.07: 3.0.0-beta10 所属项目 CNCF云原生计算基金会项目
67410编辑于 2023-08-16 - 来自专栏程序员吾真本
故障创建与编排更胜一筹的K8S混沌工程开源平台Litmus
Litmus 最初是 OpenEBS（K8S下存储系统） 的测试工具，后来发展成为知名的 Kubernetes 原生混沌工程开源平台。 图片创建者MayaData一句话介绍LitmusChaos 是一个在故障创建与编排方面更胜一筹的K8S混沌工程开源平台，如提供故障注入实验库 ChaosHub，使团队能够以受控方式，引入故障注入实验来识别基础设施中的弱点和潜在停机隐患 可使用 Prometheus 数据源中的交错事件和指标实时监控故障注入实验的影响。K8S多租户Kubernetes 命名空间可用作 Kubernetes 上个人开发人员的完全托管环境。 适用平台K8S适用场景对于开发人员：在应用程序开发过程中运行故障注入实验，作为单元测试或集成测试的扩展。 开源许可证Apache-2.0 licenseGitHub点赞数3.8k最近发布日期与版本2023.07: 3.0.0-beta10所属项目CNCF云原生计算基金会项目* * *你还知道有什么好用的开源故障注入工具
1.1K70编辑于 2023-08-15 - 来自专栏腾讯云混沌工程团队
【云顾问-混沌】PodNode CPU 故障注入
本文将介绍如何使用混沌工具对 Pod/Node 进行 CPU 负载故障注入，以达到指定的 CPU 负载百分比。 2. 参数 在进行 CPU 负载故障注入时，我们可以通过以下参数来控制： nice：指定 CPU 负载进程的 nice 值（静态优先级），取值范围为[-20, 19]。 实现原理 混沌工具在进行 CPU 负载故障注入时，主要通过以下方式实现： 启动 chaos_burncpu 进程，空跑 for 循环来消耗 CPU 时间片。 通过以上方法，我们可以轻松地对 Pod/Node 进行 CPU 负载故障注入，从而验证系统在不同负载下的表现，以及监控告警、流量调度、弹性伸缩等能力。 使用腾讯云混沌演练平台实施 CPU 高负载。
1.2K10编辑于 2024-03-15 故障注入在软件测试中实际应用
一、为什么需要故障注入？ 基础设施可靠性测试K8s/云平台故障恢复能力 节点宕机、Pod被杀、存储卷丢失 3. 数据层容灾演练验证DB/缓存故障时的数据一致性 主从切换、Redis OOM、慢查询 4. 注入支付服务接口延迟（目标：payment-service Pod）blade create k8s pod-network delay \ --names payment-pod-xxx \ -- CPU 100% 30秒，模拟宕机# 同时运行SysBench压测sysbench oltp_write_only \ --mysql-host=proxy.xxx.com \ --threads=10 更新预案，沉淀知识└───────────────────────────┘六、关键成功要素 & 避坑指南✅ 成功要素：先小范围试点：从非核心服务开始，避免生产事故明确终止条件：设置自动回滚机制（如超时10
1.2K10编辑于 2025-09-17- 来自专栏程序员吾真本
K8S下Istio就是检验微服务稳定性的混沌工程开源工具
在K8S上部署的微服务，经常会依赖不受你控制的其他微服务。当两者之间的HTTP交互出现延迟或错误后，你的微服务能否按预期正常工作？应该做一个故障注入实验来检验一下。 如果在K8S上使用了Istio，那么恭喜你，你已经拥有了简单易用的混沌工程开源工具。 图片一句话介绍虽然Istio主要作为K8S服务网格，用于连接、保护、控制和观察服务，但在其流量管理功能中也支持故障注入。 可以使用现有的 Istio 功能（例如虚拟服务和路由规则）来选择故障注入目标。 还可以使用运行状况检查和 Envoy 统计数据来监控故障注入对系统的影响。 适用平台K8S适用场景如果已经使用了 Istio，那么这可以直接用它在集群上运行混沌实验，而无需部署或学习其他工具。 否则，仅仅为了这两种故障注入功能就部署 Istio ，就不值了。
50140编辑于 2023-08-12 - 来自专栏猫头虎博客专区
故障注入实验：了解如何使用Chaos Engineering的方法，在服务网格中进行故障注入实验
在这篇博文中，我将带领大家探索如何在服务网格中进行故障注入实验，分享Chaos Engineering的最佳实践，并深入研究服务网格如Istio中的故障注入功能。 引言 混沌工程不仅仅是故意制造故障，而是一种科学的方法，通过故障注入来发现系统中的潜在问题，并验证系统的弹性。 服务网格，作为微服务架构的通信层，为我们提供了强大的故障注入工具，帮助我们更好地进行混沌实验。 正文 1. 什么是混沌工程？ 混沌工程是一种通过主动注入故障来验证系统健壮性的方法。 2.1 Istio的故障注入功能 Istio允许我们在服务间的通信中注入故障，如延迟、错误等。 3.3 运行实验 使用服务网格的工具，如Istio，进行故障注入。 3.4 分析实验结果 收集实验数据，分析系统在故障下的表现，找出潜在的问题。 4.
68510编辑于 2024-04-09 - 来自专栏腾讯云混沌工程团队
【云顾问-混沌】PodNode 内存高负载故障注入
本文将介绍如何使用混沌工具对 Pod/Node 进行内存负载故障注入，以达到指定的内存占用百分比。腾讯云混沌演练平台故障动作：标准集群 Pod/普通节点-内存利用率高。 2. 参数 在进行内存负载故障注入时，我们可以通过以下参数来控制： percent：内存使用率，取值是 0 到 100 的整数，默认值为 100。此参数为可选。 实现原理 混沌工具在进行内存负载故障注入时，主要通过以下方式实现： ram 模式：启动进程 chaos_burnmem 不断申请内存，模拟主机/容器内存负载升高。 为了保护该进程在故障注入期间一直存在，不被杀死，可以打开 oomGuard 保护，降低该进程 oom-kill 权重，优先杀死其他进程。 设置高负载的内存故障注入后，可能会使得机器无法登入与控制，请谨慎使用。 cache 模式：通过挂载 tmpfs 来实现内存占用。
70910编辑于 2024-03-15 - 来自专栏CSDN搜“看，未来”
再战 k8s（10）：job
K8S支持以下几种方式: 非并行Job: 通常只运行一个Pod，Pod成功结束Job就退出。
76430编辑于 2022-05-06 - 来自专栏网络安全技术点滴分享
Chaos Monkey - 生产环境随机故障注入工具
Chaos Monkey 随机终止生产环境中运行的虚拟机实例和容器。通过让工程师更频繁地面对故障，激励他们构建更具弹性的服务。
19710编辑于 2026-04-29 DeepSeek 3FS源码分析(1) 故障注入
模拟故障 本文 DeepSeek 3FS 测试用例举例说明 我也也没看太明白 就是FAULT_INJECTION_SET(10, 5);宏函数搞定 一、设计原理 维度 Ceph 方式 3FS 方式 配置方式 • 3FS 的故障注入框架基于 概率触发 + 作用域管理 的设计,通过 folly::RequestContext 实现跨协程的配置传递。 cluster = this->createMockCluster(); auto &meta = cluster.meta().getOperator(); FAULT_INJECTION_SET(10 FAULT_INJECTION_SET(10, 5) 是一个用于故障注入测试的宏,它会在当前代码作用域内设置故障注入参数: FaultInjection.h:16 • 第一个参数 (10): 表示故障注入的概率为 10% FaultInjection.h:13 • 第二个参数 (5): 表示最多注入 5 次故障 FaultInjection.h:14 #define FAULT_INJECTION_SET(prob
39710编辑于 2025-11-20- 来自专栏程序员吾真本
7个检验软件系统稳定性场景的混沌工程故障注入开源工具ChaosBlade
ChaosBlade可针对多达7个场景开展故障注入实验，但网上官方的中英文文档质量欠佳，内容缺失，真心没有站在一般用户的角度来写，只能通过运行blade命令的help了解究竟有什么功能。 图片 一句话介绍 ChaosBlade是阿里巴巴开源的针对7个检验软件系统稳定性场景的混沌工程故障注入开源工具：主机基础资源、CRI容器、K8S平台、Java应用、C++应用、阿里云平台、其他服务。 场景3：K8S平台 可注入故障包括向K8S平台内容器、node和pod注入故障。 场景4：Java应用 可注入故障包括代码缓存爆满，内存不足，增加延迟，返回特定值，动态执行脚本，抛异常等。 适用平台 主机，CRI容器，K8S平台，Java应用，C++应用，阿里云平台，其他服务。 适用场景 需要向主机、CRI容器、K8S平台、阿里云平台、Java应用和C++应用注入故障的场景。 优势 支持多达7个故障注入场景。 劣势 网上的中英文文档描述过于简略。每个功能往往就一句话。只能把工具装上，运行起来，通过help参数，逆向工程来发现有什么功能。
1.2K00编辑于 2023-08-12 - 来自专栏Godev
外包精通--Istio流量管理之故障注入（二）
本小节演示如何通过故障注入来测试应用的弹性。 1. 请注意reviews:v2服务有一个10s硬编码连接超时来调用ratings服务。即使您引入了7s延迟，您仍然希望端到端流能够继续，而不会出现任何错误。 创建一个故障注入的规则来延迟来自jason用户的流量。 正如预期的那样，您引入的7s延迟并不影响reviews服务，因为reviews和ratings服务之间的超时时间是硬编码为10s。 Istio的故障注入规则可以帮助您在不影响最终用户的情况下识别这些异常。 4.
93670编辑于 2023-07-31 - 来自专栏k8s技术圈
蚂蚁开源的云原生混沌工程平台 - ChaosMeta
用户层（Client） 用户层主要是由 chaosmeta-platform 组件构成，其主要任务是降低用户使用的门槛，提供可视化界面，方便用户使用计划、编排、实验配置、实验记录详情、Agent管理（k8s 集群的pod/node、跨集群对象、非k8s的物理机/容器等）等平台功能。 举个例子，比如一次演练的故障效果预期是某个服务的请求成功量下跌50%，并且预期对应的防御平 台能5分钟内发现并且10分钟内恢复，执行手段是通过CPU打满实现。 && python -m SimpleHTTPServer 8080 > server.log 2>&1 & curl 127.0.0.1:8080 # 创建一个实验，给lo网卡注入2s网络延迟，10 分钟后自动恢复 chaosmetad inject network delay -i lo -l 2s --uid test-fg3g4 -t 10m # 查看实验信息，测试效果 chaosmetad
2.5K10编辑于 2023-11-27 - 来自专栏腾讯云原生团队
基于 Playbook 实现 TKE 控制面故障演练
背景 被忽视的风暴眼：控制面的全局风险 K8s 的中心化架构和声明式管理模式，在带来高效运维的同时也引入了链式故障扩散的致命风险。 而 K8s 集群的控制面组件 Master 承载着“大脑指挥官”的功能，一旦控制面发生故障，其爆炸半径往往波及整个集群，业务停摆风险指数级飙升。 执行演练：演练流程以 Argo Workflow 进行编排，包括故障注入、维持故障注入、故障恢复等主要步骤。 流程介绍 本节通过对 kube-apiserver 发起大量的洪泛 list 请求来实现 kube-apiserver 高负载故障注入场景演练，如下为 kube-apiserver 高负载故障注入 Playbook default: "0" description: "list是否分页, 默认值为0不分页" - name: num-clients default: "10
45610编辑于 2025-06-12 - 来自专栏CNCF
没 K8s 用不了 Chaos Mesh®？试试 Chaosd
Chaos Mesh® 是基于 K8s 的混沌测试平台，而对于部署在物理机上的应用来说，混沌测试同样重要。 这么好的工具当然想亲手试一试，动手的时候发现：没有 K8s 环境用不了！ 这是因为 Chaos Mesh® 是云原生的混沌工程测试平台，专门为 K8s 设计的。 故障类型丰富：在物理机的不同层次、不同类型上都提供了故障注入的功能，包括进程、网络、JVM、压力、磁盘、主机等，且更多的功能在不断扩展中。 更多的故障注入功能 目前 Chaosd 提供了进程、网络、JVM、压力、磁盘、主机总共六大故障注入功能，但是仍然需要继续拓展。 后续我们计划将 Chaos Mesh® 在 K8s 环境支持的一些故障注入功能在 Chaosd 中实现，包括 HTTP、IO 等。
1.2K40发布于 2021-08-26 - 来自专栏TA码字
K8s源码分析(10)-资源的schema
上一篇文章中，我们主要去介绍了 codec 是如何完成 decode 和 encode 操作的，即对象的序列化和反序列化的过程。 在 decode 操作的核心过程中， 首先会将对象从请求中反序列化，然后在转化为目标版本(一般是内部版本)，然后在进行处理。encode 操作的过程中， 首先将对象(一般为内部版本对象)转化为目标版本，然后再序列化到响应数据流中。
1.7K20发布于 2021-11-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号