chaos-engineering-resilience

chaos-engineering-resilience 技能赋能工程师，通过刻意注入受控故障，主动强化分布式系统。通过应用混沌工程原则，此技能有助于识别隐藏的架构弱点、验证灾难恢复手册 (Runbooks)，并确认自动化监控与警报系统在压力下能正确运作。它专为平台工程师、网站可靠性工程师 (SRE) 及追求超越功能测试、迈向真实生产级韧性验证的质量保证团队所设计。

• 自动化故障注入，涵盖网络状况 (延迟、丢包、分区)、基础设施 (实例终止、磁盘故障、CPU 压力) 及应用层级错误 (异常、依赖超时)。

• 精密的稳态监控，使用自定义的错误率、吞吐量及 p99 延迟指标，以在实验期间侦测偏差。

• 整合安全机制，当超过预设错误门槛时触发自动回滚，确保受控的爆炸半径。

• 通过 qe-chaos-engineer 代理程序进行智能编排，管理从建立稳态基准到最终冲击分析的完整实验生命周期。

• 根据实验结果自动生成运行手册 (Runbooks)，记录系统恢复模式与事后文件。

• 与性能测试及生产智能代理程序无缝整合，进行全方位的系统评估。

• 用户在启动任何实验前应定义明确的稳态；本技能需要基准测量值以区分正常行为与实际故障影响。

• 务必在非生产环境 (如开发或测试环境) 先行测试，再于生产环境执行实验；请利用从 1% 到 100% 的爆炸半径渐进扩展。

• 预期输出包含实验定义文件 (JSON/TypeScript)、实时实验日志，以及包含识别系统弱点的验尸分析报告。

• 在集中式代理程序协调框架内，支持常见的混沌工具，如 tc、toxiproxy、Chaos Monkey、Gremlin 及 LitmusChaos。

• 严格遵守安全优先原则，针对所有生产环境的操作，要求必须设定如 error_rate > 5% 等强制回滚触发条件。