Chaos Engineering é uma abordagem que busca criar um plano para o inesperado. Essa prática, ainda pouco utilizada, tem como objetivo avaliar a capacidade de um workload de suportar condições adversas de maneira controlada, simulando cenários da vida real.

Desmistificando a Ideia de “Quebrar a Produção”

Muitos associam a Engenharia do Caos a interrupções descontroladas em produção. No entanto, essa percepção é equivocada.

A Engenharia do Caos não é “quebrar a produção”, mas sim uma abordagem disciplinada para simular falhas em ambientes seguros. Os experimentos são planejados cuidadosamente e os resultados analisados para identificar vulnerabilidades e implementar melhorias. Essa prática ajuda equipes de DevOps e SREs a:

• Reagir: Adotar medidas corretivas eficazes em caso de falhas.
• Mitigar: Reduzir o impacto de eventos inesperados.
• Antecipar: Prevenir problemas antes que ocorram.

Compreender as falhas, sejam elas de código ou infraestrutura, é crucial para evitar catástrofes em produção. Como bem define Laurent Domb, Chaos Engineering é “um mecanismo para revelar os ‘conhecidos-desconhecidos’ (coisas que estamos cientes, mas não entendemos completamente) em nossos ambientes ou ‘desconhecidos-desconhecidos’ (coisas das quais não estamos cientes, nem entendemos completamente)” (fonte: Chaos Engineering in the cloud | AWS Architecture Blog). 

Vantagens do Chaos Engineering

A Engenharia do Caos oferece uma série de vantagens para as equipes e organizações que a implementam, contribuindo para a construção de sistemas mais resilientes e confiáveis. Veja alguns dos principais benefícios:

• Compreensão profunda do impacto de falhas: simular falhas em um ambiente controlado permite entender como cada componente do sistema se comporta em situações adversas. Isso possibilita identificar gargalos, dependências ocultas e pontos fracos na arquitetura. 

• Melhoria da observabilidade: ao analisar as reações do sistema durante os experimentos de Chaos Engineering, você identifica quais métricas são mais relevantes para monitorar a saúde da sua aplicação e obtém insights valiosos para aprimorar o sistema de monitoramento como um todo. 

• Criação de planos de contingência eficazes: com base nos resultados dos experimentos, você pode desenvolver planos de contingência mais robustos e eficientes, preparando a equipe para lidar com diferentes cenários de falha. 

• Aumento da confiança na resiliência do sistema: a confiança na capacidade do sistema de suportar falhas aumenta, reduzindo o medo de interrupções inesperadas e proporcionando maior tranquilidade para a equipe e para os usuários. 

• Redução de custos: ao identificar e corrigir vulnerabilidades antecipadamente, você previne falhas em produção que podem gerar perdas financeiras e danos à reputação da empresa. 

• Cultura de aprendizado e colaboração: a prática da Engenharia do Caos promove uma cultura de aprendizado contínuo e colaboração entre as equipes, incentivando a comunicação e o trabalho em conjunto para solucionar problemas. 

• Inovação e melhoria contínua: ao desafiar constantemente o sistema, a Engenharia do Caos impulsiona a inovação e a busca por soluções mais resilientes, estimulando a melhoria contínua da arquitetura e dos processos. 

Chaos Engineering na AWS

Ao aplicar Chaos Engineering em ambientes de nuvem, é essencial entender o modelo de responsabilidade compartilhada da AWS:

• A AWS é responsável pela resiliência da infraestrutura da nuvem.
• Você é responsável pela resiliência dos recursos e serviços utilizados dentro da nuvem.

Uma ferramenta central para essa prática é o AWS Fault Injection Simulator (AWS FIS), projetado para testar como seus workloads reagem a eventos adversos.

AWS Fault Injection Simulator (FIS)

O AWS FIS é uma ferramenta baseada nos princípios da Engenharia do Caos. Ele cria experimentos em recursos reais para entender e melhorar a resiliência de suas cargas de trabalho.

Vale ressaltar que o AWS FIS cria eventos reais e aplica eles aos seus recursos reais. Portanto, a recomendação é que seja feito um planejamento de execução, e que se utilize um ambiente de pré-produção. 

Componentes Principais:

Para usar o FIS você cria experimentos utilizando os modelos de experimentos, onde você definirá as ações, o alvo as condições de parada.  

• Ação: Define o que o AWS FIS fará durante o experimento (ex.: degradar desempenho da CPU).
• Alvo: Determina o recurso que será afetado (ex.: instâncias EC2).
• Condições de Parada: Gatilhos para interromper o experimento, geralmente monitorados pelo CloudWatch.

Exemplos de Ações no AWS FIS

O AWS FIS oferece uma variedade de ações para simular diferentes tipos de falhas. Aqui estão alguns exemplos:

• Instâncias EC2: Simular interrupção, perda de conectividade ou degradação do desempenho.
• Serviços AWS: Testar falhas em Amazon S3, DynamoDB ou Kinesis.
• Erros em Aplicações: Injetar latência, simular erros de API ou corromper dados em trânsito.

Métricas de Sucesso

Definir métricas é essencial para avaliar os resultados dos experimentos. Algumas métricas importantes incluem:

• Latência: Tempo de resposta das requisições.
• Taxa de Erro: Percentual de requisições com falha.
• Disponibilidade: Tempo em que o sistema permaneceu operacional.
• Throughput: Transações processadas por unidade de tempo.

No esquema abaixo, você consegue visualizar uma demonstração da ação do AWS FIS. 

Implementando Chaos Engineering de Forma Gradual

A implementação do Chaos Engineering pode ser gradual. Comece com experimentos simples e controlados em ambientes de teste. À medida que sua equipe ganha experiência e confiança, aumente a complexidade e o escopo dos experimentos, avançando para ambientes de pré-produção e, eventualmente, produção. 

1. Comece Simples: realize experimentos pequenos em ambientes de teste.
2. Aumente a Complexidade: expanda para ambientes de pré-produção conforme ganha experiência.
3. Monitore e Ajuste: use os resultados para aprimorar sua infraestrutura.

Conclusão

A Engenharia do Caos é uma ferramenta poderosa para construir sistemas resilientes na AWS. Com o AWS FIS, você pode simular falhas de forma controlada, identificar vulnerabilidades e fortalecer sua infraestrutura. Ao adotar essa prática, você garante que seus sistemas estejam preparados para enfrentar o inesperado e oferecer a melhor experiência para seus usuários. 

Lembre-se: 

• Comece com experimentos simples e controlados. 
• Defina métricas claras para medir o sucesso. 
• Utilize o AWS FIS para simular falhas e coletar dados. 
• Analise os resultados e implemente melhorias. 
• Promova uma cultura de aprendizado e colaboração. 

Ao seguir essas dicas, você estará no caminho certo para dominar a arte do Chaos Engineering e construir sistemas mais resilientes e confiáveis na AWS. 

E você, já utiliza Chaos Engineering na AWS? Compartilhe suas experiências e dúvidas nos comentários!