Gremlin希望将“混乱工程”带入云群众

2021-01-01 17:50:00来源：

早期的飞行员将事故归咎于调皮的精灵，他们称之为“妖怪”。这些故事在第二次世界大战期间广受欢迎。

由Netflix，谷歌，亚马逊和其他网络规模的公司的工程师创立的一家名为Gremlin的初创公司正寻求通过使用“混沌工程”来增强系统防御能力，从而帮助企业提高云应用程序的可靠性。

企业云新闻（Banking Technology的姊妹出版物）报道说，该系统在受控的基础上取出了Internet应用程序的组件（例如，独立的服务器或连接），以测试系统是否正常恢复。Gremlin首席执行官兼联合创始人Kolton Andrus告诉《企业云新闻》，这些计划内的停机可帮助工程师面对真正的，计划外的停机和损坏，提高系统的弹性。

Gremlin是由Amplify Partners和Index Ventures进行的875万美元融资，在今天（12月12日）开始秘密进行，并使其服务全面上市。客户包括Twilio和Expedia，Andrus说。

Netflix通常以开发混乱工程而著称，从所谓的“混乱猴子”工具开始。如2011年Netflix技术博客上所述，“混乱的猴子”是“一种工具，它会随机禁用我们的生产实例，以确保我们能够在不遭受任何客户影响的情况下幸免于此类故障”。该工具的工作方式就像Netflix在其数据中心中“释放出一只野猴”一样，破坏了一切。目的是测试组件故障，以确保它们不会破坏整个服务。

Netflix开发了一套完整的工具，称为“ Simian Army”，以测试诸如延迟时间长等故障，以及查找和关闭不符合最佳实践的实例，以及测试是否存在健康和安全违规情况。

安德斯（Andrus）说，当他在亚马逊时，亚马逊与Netflix在大约同一时间从事相同的工作。在此之前，“我们所做的很多事情都是被动的，” Andrus说。“那是w鼠。我们晚上被传呼。我们希望积极主动。”

Andrus随后加入Netflix团队，继续从事故障测试和混乱工程。

现在，Andrus和他的15人团队正在与Gremlin一起，为企业和其他云应用程序开发人员带来混乱的工程技术。

问题是云应用程序使可靠性变得更加困难，Andrus说。在单片数据中心应用程序世界中，可以通过冗余解决许多问题。现在，云应用程序需要大量的微服务，这些服务依赖于第三方的基础架构。

安德鲁斯说：“对于工程师来说，要掌握所有这些内容，理解可能出了什么问题是非常困难的。”

安德鲁斯说，混沌工程就像是注射流感疫苗或疫苗。“这听起来违反直觉，但是注入一点伤害可以帮助我们了解系统的行为方式，并帮助我们增强防御能力。”

Gremlin支持容器，并且与云无关，可与数据中心中的Amazon Web Services（AWS），Microsoft Azure，Google Cloud Platform和裸机服务器一起使用。

该服务依赖于三个关键原则：安全性，安全性和简便性。为了安全起见，每项变更都可以回滚，并且Gremlin还限制了变更的“爆炸半径” –可能造成的损害。

为了安全起见，Gremlin仅通过SSL进行通信，并支持预防措施，例如权限控制，单点登录和基于角色的访问控制。

为了简单起见，Gremlin使用直观的用户界面来引导人们进行实验，报告和控制测试。该服务包括与第三方软件集成的API，以及面向高级用户的命令行界面，Andrus说。

Gremlin测试各种失败类型：CPU故障，磁盘和内存过度消耗，虚拟机故障，容器故障，同步时钟故障，网络问题（例如解析DNS的故障），AWS S3故障等。