首創「混沌工程」的Netflix，藉由在機房遷移的過程中實踐混沌工程，將實施經驗與過程所採用的工具，整理為「Chaos Monkey」工具包並開源釋出，並對外擴散混沌工程的做法和效益；本研究則以Chaos Monkey混沌工程工具包為主題，探討其運作流程和原理，以了解Netflix如何以混沌工程逐步解決效能和可用性問題。
【技術發展背景】
Netflix導入混沌工程有十餘年的歷史，最早可追溯回2008年尚未流行串流視訊的年代，當時仍以DVD租賃為主要業務的Netflix面臨到資料庫停擺三天，演變為跨國業務面的嚴重衝擊；2011年Netflix以轉移機房到AWS為契機，改為部署以微服務為主的新分散式架構，並創建Chaos Monkey混沌工程工具包，來測試Netflix伺服器面臨停機或過載的韌性，並允許不妨礙業務衝擊的容錯空間，確保整體系統運作穩定。
【技術介紹與應用現況】
混沌工程一開始採用的是「錯誤注入（Fault injection）」的方法，預設各種可導致系統異常的使用情境，來找出效能瓶頸所在，類似「預防針」的作用，將不確定因子轉化為可控的因子；另外，混沌工程也考慮「容錯率」的概念，在Netflix運作中的上千個微服務中，若有一定比例以下的異常，則不致於影響整體的正常運作，也能兼顧服務品質、減少停機維護衝擊。
資料來源： (Reed, 2020)
圖 1 Netflix微服務拓樸圖
Netflix Chaos Monkey也利用「人猿軍團（Simian Army）」的編制，類似於「紅隊演練」的模式，藉由對伺服器發動各種可能的攻擊途徑，來找出影響伺服器穩定運作的不確定因子，並依據攻擊後留下的線索，加以補救和改善。
【未來展望／挑戰】
Netflix將混沌工程與Chaos Monkey工具包發揚光大後，各項混沌工程工具也如雨後春筍般興起，除了Netflix本家Chaos Monkey以外，還有Gremlin、Chaos Toolkit、Litmus、Mangle等等，能跟市面主流雲平台和容器整合，進行更實務面的混沌工程測試，讓各種不同型態的開發維運團隊，建立最安全穩定的組合。
資料來源： (Reed, 2020)
圖 2 混沌工程常用工具（摘錄）
封面圖片來源:123RF圖庫授權
參考資料
- Reed, M. (2020, August 26). Chaos Engineering when you're not Netflix . Retrieved from SlideShare: https://www.slideshare.net/MartezReed/chaos-engineering-when-youre-not-netflix
- Russell, T. (2021, April 6). How Netflix Uses Fault Injection To Truly Understand Their Resilience. Retrieved from Coralogix: https://coralogix.com/blog/how-netflix-uses-fault-injection-to-truly-understand-their-resilience/
- 黃帥. (2019年4月1日). AWS雲上混沌工程實踐之啟動篇. 擷取自 AWS: https://aws.amazon.com/cn/blogs/china/aws-chaos-engineering-start/