Gremlin 自動尋找常見可靠性問題
Gremlin 是一家以混沌工程工具聞名的可靠性測試新創公司，最近宣布推出了新功能「Detected Risks」。這個功能讓 Gremlin 現在可以自動辨識基於 Kubernetes 服務的高優先線序可靠性問題，例如配置錯誤或預設值不良，並根據風險程度將其分類。該服務還會提供潛在的修復建議。
Gremlin 的 CTO 兼創始人 Kolton Andrus 表示：「可靠性的重要性不斷提高。我們的數位基礎設施與我們的物理基礎設施一樣重要。政府、醫療、交通、通訊和金融都依賴於這個數位基礎設施，而它也存在風險。幸運的是，許多這些風險是可以簡單緩解的，只要它們被發現。這就是為什麼我們很高興宣布我們的新功能 Detected Risks。我們努力快速揭示客戶系統中的嚴重問題，讓他們可以緩解這些問題，從而質量上提升系統的姿態。」
自動偵測風險
和 Gremlin 的混沌工程工具尋找可以將一家公司的基礎架構推向極限的不尋常情況不同，Detected Risks 使用一組預先配置的測試，並將在今年後期增加 20 項。這些測試檢查可能影響公司基礎設施可靠性和彈性的常見問題。Detected Risks 功能可在不必進行混沌工程實驗或可靠性測試的情況下使用。這些測試在很大程度上是相當直接的，涵蓋了最佳實踐，例如確保部署配置在多個可用區域執行以實現冗餘。這似乎是常識，但在檢視數千個客戶執行的部署時，Gremlin 發現 26%的部署沒有冗餘，而 80%的部署並未具備兩個冗餘。該公司指出，該系統還會尋找可能影響自動擴充套件等的常見 Kubernetes 配置錯誤。
可靠性問題的解決
Andrus 說：「我們行業中有許多優秀的 SRE 工程師致力於個人解決這些問題，但這種方法無法擴充套件。我們正在透過建立易於使用、能夠提供有價值的見解的解決方案來解決此問題，該方案涵蓋了成千上萬個實際應用程式。提供工程領導者對現有風險的可見性有助於他們優先考慮並完成這項重要工作，從而能夠繼續保護客戶體驗並構建高品質的軟體。」
評論與建議
現在隨著數位化時代的到來，可靠性成為了數位基礎設施不可或缺的一部分。像 Gremlin 的 Detected Risks 這樣的自動風險偵測工具非常重要，可以幫助企業及時意識到可能影響其基礎設施可靠性的常見問題。這可以幫助企業確保其數位基礎設施的穩定性與可信度。
然而僅依靠工具並不能解決所有的可靠性問題。這需要企業在建立數位基礎設施時遵循最佳實踐，特別是在使用像 Kubernetes 這樣的技術時。配置錯誤和對冗餘性的忽視可能會導致系統崩潰或故障。因此企業應該注重在設計和配置時的細節，確保其基礎架構具有足夠的可靠性和彈性。
另外企業應該培養可靠性文化，鼓勵工程團隊遵循最佳的工程實踐，並進行固定的可靠性測試。這將有助於確保系統的穩定執行並提高客戶體驗。
總而言之，自動風險偵測工具是保護數位基礎設施可靠性的重要一環，但在建立數位基礎設施時，企業應該重視細節和最佳實踐，並培養良好的可靠性文化。
