《AI Agent 工程实战》18.2 故障演练：模型超时/DB 宕机/队列积压
设计三个受控故障演练：模型超时（假模型注入延迟，验证超时止损与降级链）、DB 不可达（连不存在的端口，验证 readiness 摘流量与明确报错）、队列积压（往队列塞远超消费能力的任务，验证背压与告警）。每个都写清注入方式、预期表现、观测点、恢复动作与复盘问题，并逐个在本机真跑贴出日志、耗时与队列深度，最后给出复盘模板表。
tag
混沌工程
共 8 篇文章。
《Go 语言编程实战》18.2 故障演练
「高可用」不能靠假设，只能靠演练验证。本节真的把 TaskHub 的依赖停掉、注入延迟、再恢复，用真实数据检验它的失败行为：docker stop 掉 Postgres 后 30 次查询全部快速失败（1~3ms，无挂起），恢复后 30/30 成功；代码注入 2 秒延迟后 200/200 请求在 500ms 超时处被截断，P99 从 6ms 升到 508ms。
《Python编程实战》17.3 灰度发布、回滚与故障演练
新版本不该一次性推给所有用户。本节讲灰度发布的三种流量切分（按比例/按用户/按头）并用纯 Python 实测稳定哈希分流与自动准入判定，讲不可变镜像 tag 回滚与数据库前向兼容（expand-contract）约束，最后给出一份可执行的故障演练清单与复盘模板。
生产环境测试：金丝雀、暗发布、影子流量与生产流量回放
深入生产环境测试工程：测试左移到生产的正当性与边界、金丝雀发布与渐进放量、暗发布（Dark Launch）、影子流量测试（Shadow）、生产流量录制与回放、混沌工程在生产的规范、生产验证的观测与回滚，构建面向生产的安全测试体系。
故障注入与演练
故障注入与演练：混沌工程落地、故障注入工具（Chaos Mesh/Litmus）、演练编排与爆炸半径控制、与监控联动
分布式 SRE 与混沌工程：SLI/SLO、错误预算与故障注入实战
SRE 运维体系从 0 到 1：SLI/SLO/错误预算设计、混沌工程实验框架（Chaos Mesh/Litmus/Chaos Monkey），以及生产级故障演练与复盘体系。
DevOps 混沌工程：故障演练、稳健性验证与 Chaos Mesh 实践
现代分布式系统由成百上千的微服务、数据库、消息队列、缓存节点交织而成。随着业务规模扩张，任何单点故障都可能引发级联失效，导致服务全面瘫痪。传统测试手段难以复现真实世界的复杂故障场景，而混沌工程（Chaos Engineering）通过有意地在生产环境中引入故障，来验证系统的韧性与自愈能力。
高可用架构与灾备设计：多活部署、故障转移与RTO/RPO实战
全面解析高可用架构设计原则，涵盖多可用区部署、主动-主动/主动-被动多活架构、故障检测与自动转移、RTO/RPO目标设定、混沌工程等实战指南。