chaos-engineering-resilience

chaos-engineering-resilience 技能賦能工程師，透過刻意注入受控故障，主動強化分散式系統。透過應用混沌工程原則，此技能有助於識別隱藏的架構弱點、驗證災難復原手冊 (Runbooks)，並確認自動化監控與警報系統在壓力下能正確運作。它專為平台工程師、網站可靠性工程師 (SRE) 及追求超越功能測試、邁向真實生產級韌性驗證的品質保證團隊所設計。

• 自動化故障注入，涵蓋網路狀況 (延遲、封包遺失、分割)、基礎設施 (執行個體終止、磁碟故障、CPU 壓力) 及應用程式層級錯誤 (異常、依賴逾時)。

• 精密的穩態監控，使用自訂的錯誤率、吞吐量及 p99 延遲指標，以在實驗期間偵測偏差。

• 整合安全機制，當超過預設錯誤門檻時觸發自動回滾，確保受控的爆炸半徑。

• 透過 qe-chaos-engineer 代理程式進行智慧編排，管理從建立穩態基準到最終衝擊分析的完整實驗生命週期。

• 根據實驗結果自動生成運行手冊 (Runbooks)，記錄系統恢復模式與事後文件。

• 與效能測試及生產智慧代理程式無縫整合，進行全方位的系統評估。

• 使用者在啟動任何實驗前應定義明確的穩態；本技能需要基準測量值以區分正常行為與實際故障影響。

• 務必在非生產環境 (如開發或測試環境) 先行測試，再於生產環境執行實驗；請利用從 1% 到 100% 的爆炸半徑漸進擴展。

• 預期輸出包含實驗定義檔 (JSON/TypeScript)、即時實驗日誌，以及包含識別系統弱點的驗屍分析報告。

• 在集中式代理程式協調框架內，支援常見的混沌工具，如 tc、toxiproxy、Chaos Monkey、Gremlin 及 LitmusChaos。

• 嚴格遵守安全優先原則，針對所有生產環境的操作，要求必須設定如 error_rate > 5% 等強制回滾觸發條件。