作者
伍杏玲
故障发生时的沟通协调是顺畅的？增加重试就能解决问题？应用重启后能自动投产？非关键应用的故障不会影响业务？单分片的故障不会影响全局？这仅是一个部门的调用关系，简直是“不可描述”！有人说“我们对生产环境有敬畏之心”，但一般有敬畏之心是源于不了解，所以我们不仅有敬畏之心还要有探索之心。有个开发说我这个接口坏了，是不是你们弄的？我调接口查服务，终于发现——他这个接口就从来没有好过。要十分悲观大胆地猜测这些问题在线上会发生，然后小心谨慎地去求证。你以为最新一期程序员吐槽大会来了？不，这是11月9日在上海举办的携程技术峰会现场，来自携程网站运维总监方菊真实的工作总结。
俗话说，程序员每个段子的背后绝对有一条泪的教训。
为什么方菊过于真实地说出程序员“不能说的秘密”？
源于她在携程内部推行“混沌工程”。
混沌工程等于线上制造故障？
混沌工程（ChaosEngineering）是在分布式系统上进行实验的学科,目的是建立对系统抵御生产环境中失控条件的能力以及信心。混沌工程适合揭露生产系统中未知的弱点。
混沌工程最重要的一点是：通过不断失败避免失败。因为通常我们对故障何时会发生一无所知，但故障无可避免地一定会发生。
“凡不能毁灭我的，必使我强大”。用尼采的话来诠释混沌工程的思想是最适合不过。
为什么需要混沌工程呢？
随着企业业务的发展和技术架构的演进，我们需要保持稳定的用户体验，避免发生重大故障。以前往往是在大故障发生后，开发人员才去补救，才总结和实施改进的措施，但这终究已造成损失。
而混沌工程是将这些“痛苦”放在事前，用“以*攻*”的方式来使风险在可控的范围内及早暴露。这就像人打疫苗一样，先将一部分疫苗注入人的身体，产生抗体。通过这样才能做到“不破不立”，持续地验证系统的容灾能力。
对于开发团队来说，还能“常练常新”，因为在一个大型的故障排查过程中，考验的不仅是技术人员的技术，还会考验其临场的决策判断力，但肯定不会拿一个真实的故障来锻炼新人，所以在实施混沌工程中，能锻炼团队成员，增强团队抵御风险的能力和信心。
混沌工程的五大原则
那么如何开始做混沌工程呢？方菊列举以下五大原则：
1、假设稳定的状态
做混沌实验时，是将预期会发生的结果和实际会发生的结果做一个对比。所以我们需要假设一个稳定的状态，然后引入实验变量，例如服务器崩溃、网络中断等，再观察实验结果的稳态差异，最后发现问题。
另外，混沌工程