混沌工程应该是最近几年行业里流行的新概念，是很多大厂、很多测试行业大会中热门话题。有趣的是，几年下来，混沌工程这个话题一直温度不降，并像AI测试、精准测试那样，在行业内大放异彩。
为什么混沌工程会火起来？
我认为原因有二：
1、技术发展快
随着互联网业务发展，微服务架构、分布式架构和虚拟化容器技术的广泛普及，软件架构的复杂度在不断提升，已经远远超过了我们这批老技术员的技术认知。
但这样的大规模架构有个缺点，那就是「定位问题」较难，定位问题的成本越来越高，所以，才有了混沌工程现在的江湖地位。
2、开源工具多
在混沌工程的生态里，有诸多开源工具挺好用的：
- chaosblade：阿里开源的一款遵循混沌工程原理和混沌实验模型的实验注入工具，帮助企业提升分布式系统的容错能力。
- Simoorg：开源故障诱导程序，LinkedIn使用这个程序进行混沌工程实验。
- Monkey-Ops：在 Go 中实现并构建的开源工具，用于测试和终止随机组件和部署配置。
- Gremlin：一个混沌的工程项目，与AWS和Kubernetes合作，专注于零售和金融行业。它附带了内置冗余，在混沌工程实验威胁系统时阻止它们。
最终，随着开源工具越来越多，帮助大家减少了很多实验的学习和执行成本。
经济学家刘润曾经讲过这样一个知识点：真正的洞察力，可以始于相关性，但终于因果链。
混沌工程实验就是帮助测试工程师增加洞察力的有力方式。
举个栗子：
公司某系统在生产环境中运行的好好的，突然因为一些因素导致了生产问题，为公司造成了很多损失。
这时，老板生气地问“测试工程师为什么没有提前测出来？”
测试工程师也很冤枉“老板，我们测试又不是神仙，没办法预知未来啊！”
假如，如果，倘若，譬如，若是……，你曾经参与并对系统做过「混沌工程实验」，那就是完全不一样的两个场景。
你会理直气壮地说“老板，我们提前预知了这个问题。导致这种问题的原因是因为机器磁盘满了，而机器磁盘满了是因为系统的日志没有定时备份和清理的机制，我们曾经发过混沌工程实验报告，报告中重点提到了这个问题，他们那帮开发根本没把这个问题当回事啊！”
你看，在这种情况下，混沌工程是不是很有用？
什么是混沌测试？
从混乱的猴子开始，Netflix（奈飞公司）为应对不确定性的领域带来了一种全新的思维方式——主动出击。
这种主动出击的思维方式衍生出的一套实践方法，被称为混沌工程（Chaos Engineering），它旨在从根本上改变开发者应对软件缺陷和故障的思维方式。
在此之前，我们期望通过一系列的测试验证手段，尽最大的可能确保在线上运行的系统没有缺陷和故障。而混沌工程的理念认为这既不现实，也不符合系统自然发展的规律。混沌工程提倡我们首先要正面接受系统一定会存在缺陷，并且一定会时不时地发生故障的事实；然后，要求我们通过一些列实验找出可能发生问题的风险点，进而在不断加固系统的同时，促使开发者在开发软件时必须选择将防御性内建在系统中。
说白了，混沌测试 和 常规测试 的区别在于：
常规测试：我等系统开发出来，我再做测试执行，然后我发现Bug来证明你的系统不完善。（属于被动挨打，在需求或系统的条件下开展测试）
混沌测试：系统在各种异常状态下，肯定是存在缺陷的，我要通过实验证明这一点。（属于主动出击，属于技术性质的探索测试）
混沌测试的优势
这块内容就不写太多了，因为混沌工程至少拥有三大优势：找到系统中的盲点、隐藏的错误 和 性能瓶颈。
混沌测试的限制
你在百度搜索「混沌工程」，大部分的文章都在告诉你混沌工程有多么多好，多么多么优秀，但很少有文章提醒你事物的两面性：有优点，就有缺点。
缺点1：门槛高
如果你公司内成立了混沌工程的虚拟团队，这个团队一般都是由你们公司的技术大牛、IT架构大佬、测试开发专家组成的。不要说测试工程师了，就连普通的高级开发工程师都没办法入他们的法眼，原因就一个，技术不达标，教起来太累。
缺点2：成本高
要在生产环境做混沌工程实验，这不是开玩笑的，弄不好要丢掉饭碗的。
而且那么多大佬组成的虚拟团队，每天白花花的银子花着，老板的心在滴血。
虽然有诸多缺点，但并不会让混沌工程失去也非常依赖实验覆盖的广度与深度，广度越广，深度越深，暴露出系统架构层面的脆弱点才会越多，让整个团队对系统的信心也会越足。
用混沌工程搞垮团队的5种方法
1、尝试穷举所有的故障
由于我们人类日常的思维都是惯性思维，很少有逆向思维的场景，这就导致了工作中很多需求之外的异常情况我们不会主动去思考，例如：
- 系统网络永远是正常的
- 网络绝对不会有延迟
- 带宽是无上限的，不会被挤占
- 网络也是安全的
- 网络拓扑永远不会改变
- 系统管理员都是经过专业培训的，不会误操作
- 机房永远不会断电
- 机房的机器也不会宕机
- Docker是完美的
- 机器上的磁盘空间很大，不会满
- 我写的代码不会有Bug
- ……
还有很多很多，如果列举一条马云能给我100元的奖励，我能写到马云破产。
但上述大多问题，一家IT公司从创立到破产，说不定都遇不到1次，那么问题来了，到底哪些实验故障需模拟、哪些故障不需要模拟呢？