AWS 的工程师们最近写了一篇文章，介绍了一个叫作 AWSSSMChaosRunner 的开源混沌工程工具，他们用它来测试 Prime Video 的故障注入。这个工具使用 AWS Systems Manager 构建，可以在 EC2 实例上执行任意命令，团队可以用它缓解与延迟相关的问题。
AWSSSMChaosRunner 是使用 AWS Systems Manager 构建的，用于针对一组特定的 EC2 实例远程执行命令。通过声明方式指定的命令集合创建了一组注入错误。
Prime Video 软件工程师 Varun Jewalikar 和 AWS 首席开发者 (架构) 布道师 Adrian Hornsby 写道，典型的混沌工程实验包括模拟资源耗尽和缓慢的网络。对于这样的场景有一些对策，但“它们很少得到充分测试，因为单元测试或集成测试通常不能充分验证它们”。
AWS Systems Manager 是一个工具，可以通过一个叫作 SSM Agent 的代理组件跨 AWS 资源执行各种运维任务。默认情况下，代理被预先安装在某些 Windows 和 Linux AMI 上——它们也有“文档”的概念，类似于可以执行的 Runbook。它还可以执行简单的 shell 脚本，AWSSSMChaosRunner 就是利用了这个特性。SSM 的 SendCommand API 允许跨多个实例执行命令，这些实例可以通过 AWS 标记来过滤。CloudWatch 可以用于在一个地方查看来自所有实例的日志。
安全方面的问题由代理负责，比如创建在 EC2 实例上执行的用户。AWSSSMChaosRunner 可以做的事情包括在一个特定端口上悄悄地中断所有传出的 TCP 流量、在一个接口上引入网络延迟、占用 CPU，等等。需要注意的是，当前支持的故障注入要么是在基础设施上，要么是在 AWS 服务层上。
AWSSSMChaosRunner 源自一组 SSM 文档，这些文档与将故障注入 AWS 资源有关。根据文中所写，在使用标准 SSM Agent API 执行文档之后，负载生成组件根据应用程序模拟真实的流量。AWSSSMChaosRunner 也可以用于 ECS，但不能用于 Lambda，因为后者是一个完全托管的服务。还有其他方法可以在AWS Lambda 中进行故障注入。
Prime Video 背后使用了 AWS 服务，它利用 AWSSSMChaosRunner 来测试依赖服务出现高延迟时的性能。Jewalikar 和 Hornsby 提到，AWSSSMChaosRunner 助他们修复了 Elasticache 超时配置的一个 bug。
还有其他可用于执行混沌工程实验的库，早期的一个库是Netflix 的 Chaos Monkey 。其他公司也开发了自己的框架，比如 LinkedIn 的 Waterbear 项目和 Twitter 的 Python 库。 Gremlin 公司还提供了故障注入服务。
AWSSSMChaosRunner 的源代码可以在GitHub 上找到。
原文链接：
An Open Source Chaos Engineering Library from AWS
