カオスエンジニアリング

カオスエンジニアリングは、分散システムへ制御された障害や異常条件を意図的に与え、定常状態を表す指標が維持されるという仮説を実験で検証し、未知の弱点と回復力を改善する手法です。

■ 試験で押さえるポイント

• 先に成功率、遅延、処理量など利用者から観測できる定常状態と仮説を定め、実験群と対照群の差を測ります。無目的な障害注入ではありません。

• インスタンス停止、ネットワーク遅延、依存サービス障害、CPU・メモリ枯渇など、現実に起こり得る事象を再現して冗長化やタイムアウトを確認します。

• 影響半径を最小化し、実施責任者、監視、即時中止条件、復旧手順を定めます。まず検証環境や少数対象から始め、安全性を確かめて範囲を広げます。

• 障害発見だけで終わらず、設計・監視・手順を改善して再実験します。本番実施は有効な場合がありますが、本番でなければカオス実験でないわけではありません。

■ 選択肢での判断ポイント

仮説、定常状態、制御した障害注入、影響範囲の制限、学習と改善が要点です。利用者へ無告知で無制限に障害を起こす試験ではありません。

例: Webサーバ1台を停止しても成功率99.9%以上、95パーセンタイル遅延200ms以下を維持するという仮説を立て、1台だけ停止し、負荷分散と自動復旧が働くか測定します。