问题描述
服务器在运行良好的情况下突然崩溃了，他想知道是谁导致了这个问题，为什么会发生这样的事情，以及为什么有人要破坏他的服务器。
解决方案
请注意以下操作注意版本差异及修改前做好备份。
概述
Chaos Monkey是Netflix在2010年开发的一种工具，它是Netflix Simian Army中的一员。它基于混沌工程的原则，通过不断引入故障来增加系统的弹性。Chaos Monkey的目标是在工作时间内随机关闭Auto Scaling Group中的实例，以便工程师能够快速发现并解决故障。
Simian Army
Simian Army是一组用于引入故障、检测异常条件和测试系统抗故障能力的服务（也称为Monkeys）。除了Chaos Monkey之外，还有其他一些Monkey，它们通过不同的方式引入故障或帮助移除系统中的弱点。以下是一些常见的Monkey：
– Latency Monkey：向服务引入随机延迟。
– Chaos Gorilla（也称为Chaos Kong）：模拟整个可用区的故障。
– Conformity Monkey：关闭不符合最佳实践的实例。
– Security Monkey：检查配置和服务中已知的安全漏洞。
– Doctor Monkey：关闭不符合特定指标的不健康实例。
– Janitor Monkey：查找未使用的资源并回收它们。
失败是不可避免的
在系统中，故障是不可避免的，总会出现问题。你可能无法选择故障的具体形式，但可以尝试选择故障发生的时间。通过在一天中引入小的错误，你可以确保工程师在场并能够快速解决故障。通过快速关闭不符合规范的服务，你可以确保故障在部署之前经常发生。通过使环境更具对抗性，你可以确保开发人员在任何服务进入生产之前就遇到问题。故障将在新服务与旧服务集成的阶段迅速显现，但这没关系，因为旧的生产服务已经具备了弹性。
牛群而非宠物
现在，人们普遍认为不应将服务器视为宠物，而应将其视为牛群。大量可扩展实例的群体将比任何单个故障点更具优势。无论你如何调整和优化服务器，无论你使用多么强大的硬件，它都无法与一群小型可扩展实例相媲美。Chaos Monkey鼓励你考虑消除所有故障点，因为迟早，猴子会来！每个人都会失败，即使是Amazon S3也会发生不可预测的故障。
抗脆弱性
那么这个理论是什么，为什么它有效？纳西姆·尼古拉斯·塔勒布在他的书《反脆弱》中描述了一个概念，即有自我意识的生活系统会从小的随机性中受益，并在面对逆境时变得更好。这类似于退火过程。他还描述了一种进化的方式，即系统中部分的脆弱性转化为整体的反脆弱性。这种转化发生在两个层面上：
1. 通过小的随机变化（开发人员进行更改），适应环境的最适应者将幸存并传播（通过测试并进行部署）。这是标准的开发生命周期。
2. 通过无法承受更大随机性的部分的故障，剩下的部分能够承受更大随机性的系统，整体上比以前更能应对不断变化的环境。这就是Chaos Monkey的作用。
更大程度的随机性可以通过第二种方法承受。