Gremlin釋出面向混沌實驗的應用級故障注入（ALF）平臺
在舊金山舉行的ofollow,noindex" target="_blank">ChaosConf 大會上，Gremlin公司釋出了其在“故障即服務”領域的第二款產品——應用級故障注入（ALFI） 。最初的SaaS產品旨在幫助工程師在基礎設施級建立和執行混沌實驗，在此基礎上，ALFI通過本地語言庫支援實現了應用程式級的故障注入。目前，僅支援Java/JVM平臺，但很快就會加入其他語言庫。
根據Gremlin的文件介紹，“操作者考慮請求 ”，除了希望針對基礎設施層嘗試注入故障外——如重啟一個計算例項，增加網路連線延遲或消耗大量的記憶體——操作者也希望針對目標應用程式請求注入故障，例如，增加延遲或終止請求。
在將ALFI庫作為依賴項整合到應用程式之後，工程師可以使用基於Web的Gremlin UI來執行“攻擊”，針對ALFI依賴項報告的特定應用程式屬性來匹配和限定故障注入的影響。工程師可以建立一個範圍精確的破壞實驗，例如，隻影響特定的客戶ID、位置或裝置型別。
選擇通過ALFI進行故障注入的流量型別（圖片來自 Gremlin的部落格 ）
Gremlin團隊聲稱，由於ALFI嵌入到了應用程式中，因此，它可以在任何現有的環境中工作，其中也包括所有的無伺服器平臺，如AWS Lambda、Azure Functions和Google Cloud Functions。Gremlin認為，在使用微服務或函式即服務（FaaS）架構方式構建的系統中，許多事件的發生都是由於上游依賴項的某個地方出現了減速或故障。因此，ALFI可以模擬特定服務、特定RPC呼叫和外部依賴的延遲或全面故障，使工程師可以重現中斷，主動發現未知的故障模式，併為多個元件發生故障的更復雜的場景做好準備。
要使用ALFI，工程師必須將Gremlin語言依賴項整合到應用程式中並重新部署。JVM安裝指南 針對當前支援的安裝過程提供了一個詳盡的步驟（目前只提供了一個Gradle依賴示例，很快就會提供一個Maven示例）。應用程式重新部署後，必須通過環境變數或屬性檔案配置一系列ALFI引數，比如Gremlin團隊識別符號和憑證 。
工程師操作的主要Java類是com.gremlin.GremlinService，該類抽象了向Gremlin SaaS平臺API註冊、查詢和快取實驗以及向Gremlin API報告成功所需要的所有功能。GremlinService類被設計為單例，可以通過依賴注入框架進行管理。文件中提供了將故障注入整合到JavaApache HTTP客戶端 和Amazon DynamoDB NoSQL資料庫客戶端的示例。還可以新增自定義擴充套件 。
ALFI的一個重要概念是，每個應用程式都有一組標識屬性。這組屬性被稱為ApplicationCoordinates，用於確定應用程式何時通過基於Web的UI匹配攻擊請求。gremlin-core依賴包括在AWS Lambda和Amazon EC2上執行的整合。在AWS Lambda中，將預設設定屬性“type=AwsLambda、name和region”。在AWS EC2中，將設定屬性“type=AwsEc2、region、az、instanceId”，例如：
{"type"="AwsLambda", "region"="us-west-1", "name"="event-handler"} 和{"type"="MyServiceType", "region"="us-east-1", "service"="recommendations", "criticality"="2", "userfacing"="true"}。 通過在抽象類GremlinCoordinatesProvider中實現這兩個方法，還可以定義操作者希望針對的應用程式的其他方面或“座標”。要建立自定義ApplicationCoordinates，工程師必須重寫initializeapplicationcoordinate()方法。自動生成的ApplicationCoordinates（如果有的話）作為這個方法的引數提供，這意味著，任何自定義的座標都可以附加到裡面。下面是一個自定義ApplicationCoordinates的示例：
import com.gremlin.ApplicationCoordinates;
import com.gremlin.GremlinCoordinatesProvider;
public class MyCoordinatesProvider extends GremlinCoordinatesProvider {
@Override
public ApplicationCoordinates initializeApplicationCoordinates(Optional<ApplicationCoordinates> autoDiscoveredCoordinates) {
return autoDiscoveredCoordinates.map(c -> {
c.putField("userfacing", "true");
return c;
}).orElseGet(() -> new ApplicationCoordinates.Builder()
.withType("MyServiceType")
.withField("name", "recommendations")
.withField("userfacing", "true")
.build());
}
}
然後，可以使用這組ApplicationCoordinates來匹配攻擊。例如，如果操作者建立了匹配userfacing=true的攻擊，那麼上面示例中列舉的應用程式將包含在攻擊中。目前，操作者可以指定應該受故障注入影響的請求的百分比，為請求新增延遲或在請求執行執行緒上導致一個被丟擲的異常。
在故障注入領域，也有開源的解決方案，例如（現已退役的）Netflix/SimianArmy" rel="nofollow,noindex" target="_blank">Simian Army 和Chaos Toolkit ，但是，這些產品需要自託管。執行混沌實驗確實需要提前準備和設計，最近有一篇長文“ChaosConf問答：混沌工程的好處、挑戰和實踐 ”對這些主題都有涉及。
要了解關於Gremlin ALFI的更多資訊，請檢視ALFI釋出博文 和ALFI幫助頁面 。
檢視英文原文：Gremlin Release Application Level Fault Injection (ALFI) Platform for Targeted Chaos Experiments