Dela via


Skapa ett kaosexperiment som använder ett agentbaserat fel med Azure-portalen

Du kan använda ett kaosexperiment för att kontrollera att programmet är motståndskraftigt mot fel genom att orsaka dessa fel i en kontrollerad miljö. I den här artikeln orsakar du en hög % av cpu-användningshändelsen på en virtuell Linux-dator (VM) med hjälp av ett kaosexperiment och Azure Chaos Studio. Om du kör det här experimentet kan du skydda dig mot ett program från att bli resurssvulten.

Du kan använda samma steg för att konfigurera och köra ett experiment för alla agentbaserade fel. Ett agentbaserat fel kräver konfiguration och installation av kaosagenten. Ett tjänstdirigeringsfel körs direkt mot en Azure-resurs utan instrumentation.

Förutsättningar

Aktivera Chaos Studio på den virtuella datorn

Chaos Studio kan inte mata in fel mot en virtuell dator om inte den virtuella datorn lades till i Chaos Studio först. Om du vill lägga till en virtuell dator i Chaos Studio skapar du ett mål och funktioner för resursen. Sedan installerar du kaosagenten.

Virtuella datorer har två måltyper. En måltyp möjliggör tjänstdirigeringsfel (där ingen agent krävs). En annan måltyp möjliggör agentbaserade fel (vilket kräver installation av en agent). Chaos-agenten är ett program som är installerat på den virtuella datorn som ett VM-tillägg. Du använder den för att mata in fel i gästoperativsystemet.

Aktivera kaosmålet, funktionerna och agenten

Viktigt!

Innan du slutför nästa steg måste du skapa en användartilldelad hanterad identitet. Sedan tilldelar du den till den virtuella måldatorn eller vm-skalningsuppsättningen.

  1. Öppna Azure Portal.

  2. Sök efter Chaos Studio i sökfältet.

  3. Välj Mål och flytta till den virtuella datorn.

    Skärmbild som visar vyn Mål i Azure-portalen.

  4. Markera kryssrutan bredvid den virtuella datorn och välj Aktivera mål. Välj sedan Aktivera agentbaserade mål på den nedrullningsbara menyn.

    Skärmbild som visar aktivering av mål i Azure-portalen.

  5. Välj den hanterade identitet som ska användas för att autentisera kaosagenten och om du vill kan du aktivera Application Insights för att se experimenthändelser och agentloggar.

    Skärmbild som visar hur du väljer en hanterad identitet.

  6. Välj Granska + aktivera>Aktivera.

    Skärmbild som visar granskning av agentbaserad målaktivering.

  7. Efter några minuter visas ett meddelande som anger att de valda resurserna har aktiverats. Azure-portalen lägger till den användartilldelade identiteten till den virtuella datorn. Portalen aktiverar agentens mål och funktioner och installerar kaosagenten som ett VM-tillägg.

    Skärmbild som visar ett meddelande som visar att målet har aktiverats.

  8. Om du aktiverar en VM-skalningsuppsättning uppgraderar du instanser till den senaste modellen genom att gå till resursfönstret för vm-skalningsuppsättningar. Välj Instanser och välj sedan alla instanser. Välj Uppgradera om du inte använder den senaste modellen.

Nu har du lagt till din virtuella Linux-dator i Chaos Studio. I vyn Mål kan du också hantera de funktioner som är aktiverade på den här resursen. Välj länken Hantera åtgärder bredvid en resurs för att visa de funktioner som är aktiverade för den resursen.

Skapa ett experiment

Nu kan du skapa experimentet. Ett kaosexperiment definierar de åtgärder som du vill vidta mot målresurser. Åtgärderna organiseras och körs i sekventiella steg. Kaosexperimentet definierar också de åtgärder som du vill vidta mot grenar som körs parallellt.

  1. Välj fliken Experiment i Chaos Studio. I den här vyn kan du se och hantera alla dina kaosexperiment. Välj Skapa>nytt experiment.

    Skärmbild som visar experimentvyn i Azure-portalen.

  2. Fyll i prenumerationen, resursgruppen och platsen där du vill distribuera kaosexperimentet. Ge experimentet ett namn. Välj Nästa: Experimentdesigner.

    Skärmbild som visar hur du lägger till grundläggande experimentinformation.

  3. Nu är du i Chaos Studio-experimentdesignern. Du kan skapa experimentet genom att lägga till steg, grenar och fel. Ge ditt steg och din gren ett eget namn. Välj sedan Lägg till åtgärd > Lägg till fel.

    Skärmbild som visar experimentdesignern.

  4. Välj CPU-tryck i listrutan. Fyll i Varaktighet med antalet minuter för tryck. Fyll i pressureLevel med den % av processoranvändningstrycket som du vill använda. Lämna virtualMachineScaleSetInstances tomt. Välj Nästa: Målresurser.

    Skärmbild som visar felegenskaper.

  5. Välj den virtuella datorn och välj Nästa.

    Skärmbild som visar hur du lägger till ett mål.

  6. Kontrollera att experimentet ser korrekt ut. Välj sedan Granska + skapa>Skapa.

    Skärmbild som visar granskning och skapande av experimentet.

Ge experimentet behörighet till den virtuella datorn

När du skapar ett kaosexperiment skapar Chaos Studio en systemtilldelad hanterad identitet som kör fel mot dina målresurser. Den här identiteten måste ges lämpliga behörigheter till målresursen för att experimentet ska kunna köras.

  1. Gå till den virtuella datorn och välj Åtkomstkontroll (IAM)..

    Skärmbild som visar översiktssidan för den virtuella datorn.

  2. Välj Lägg till>Lägg till rolltilldelning.

    Skärmbild som visar översikt över åtkomstkontroll.

  3. Sök efter Läsare och välj rollen. Välj Nästa.

    Skärmbild som visar tilldelning av rollen virtuell datordeltagare.

  4. Välj Välj medlemmar och sök efter experimentnamnet. Välj experimentet och välj Välj. Om det finns flera experiment i samma klientorganisation med samma namn trunkeras experimentnamnet med slumpmässiga tecken tillagda.

    Skärmbild som visar hur du lägger till experimentet i en roll.

  5. Välj Granska + tilldela>Granska + tilldela.

Kör experimentet

Nu är du redo att köra experimentet. Om du vill se effekten rekommenderar vi att du öppnar ett Azure Monitor-måttdiagram med den virtuella datorns CPU-tryck på en separat webbläsarflik.

  1. I vyn Experiment väljer du experimentet. Välj Starta>OK.

    Skärmbild som visar hur experimentet startas.

  2. När statusenhar ändrats till Körs går du till Historik och väljer Information för den senaste körningen för att se information om experimentet som körs.

Nästa steg

Nu när du har kört ett agentbaserat experiment är du redo att: