# Chaos Engineering

> Use when working with chaos engineering — fault injection, resilience testing, system reliability

- Skill: `liaosw97/chaos-engineering` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add liaosw97/chaos-engineering`
- Raw SKILL.md: https://api.skillmd.com/api/skills/liaosw97/chaos-engineering/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: liaosw97 (https://skillmd.com/u/liaosw97)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/liaosw97/chaos-engineering

---


## 核心原则
- 定义明确的稳态行为假设，而非模糊的系统状态
- 在生产环境中进行实验，真实环境才能暴露真实问题
- 自动化实验执行，实现持续验证
- 最小化爆炸半径，控制故障影响范围
- 建立反馈循环，从实验中持续学习和改进

## 技术栈
- **故障注入工具**：Chaos Mesh、Litmus Chaos、Gremlin、Chaos Monkey
- **编排平台**：Kubernetes、Docker、Cloud Foundry
- **监控体系**：Prometheus、Grafana、Datadog、New Relic
- **可观测性**：OpenTelemetry、Jaeger、ELK Stack
- **自动化框架**：Azure Chaos Studio、AWS FIS、Google Cloud Chaos

## 最佳实践
1. **实验设计**：从简单的故障场景开始（CPU压力、网络延迟），逐步增加复杂度
2. **爆炸半径控制**：使用百分比流量切换、特定Pod选择器限制影响范围
3. **监控依赖**：建立黄金指标（延迟、流量、错误、饱和度）实时观测
4. **回滚机制**：预设自动终止条件和恢复流程
5. **文档记录**：记录实验假设、过程、结果和改进措施
6. **定期演练**：将混沌实验纳入常规运维流程

## 关键约定
1. **命名规范**：实验名称格式 `chaos-{类型}-{环境}-{日期}`
2. **实验模板**：所有实验配置必须包含 `duration`、`selector`、`blastRadius` 字段
3. **告警集成**：实验执行前自动发送通知，结束后发送结果报告
4. **权限控制**：混沌工程工具需要最小权限原则配置 RBAC
5. **结果追踪**：使用 GitOps 管理实验配置和结果记录