中国信通院栗蔚：国内首个《中国混沌工程调查报告》深度解读-25页_4mb

中国混沌工程调查报告（2021）总结

核心内容

本报告由中国混沌工程实验室于2021年11月发布，旨在全面调查国内混沌工程的应用现状、软件系统稳定性情况以及未来发展趋势，为行业提供数据参考和实践指引。报告基于1016份有效问卷和17家企业的线下访谈，揭示了当前混沌工程在国内的实施情况与面临的挑战。

主要观点

1. 国内软件系统稳定性仍有较大提升空间

• 可用性不足：近20%的产品可用性低于2个9（即99%），超过半数产品的可用性低于3个9（即99.9%）。
• 故障发现与修复效率低：仅不到一半的用户故障平均发现时长（MTTD）小于1小时，超过6成故障修复时间（MTTR）高于1小时，约20%的故障修复时间超过12小时。
• 事故频发：约25.89%的服务每个月发生超过5个严重性事故，意味着约1/4的产品每年发生至少60次严重事故，严重影响用户体验。

2. 混沌工程是提升系统稳定性的有效手段

• 使用频率与可用性正相关：使用频率越高，产品可用性越高。每天演练的用户中，低可用性产品占比仅为2.5%，高可用性产品占比达65%。
• 主要收益：65%的受访者认为混沌工程提升了服务可用性，49.85%的受访者认为其降低了MTTR。
• 实施障碍：46.32%的用户缺乏相关经验，45.29%的用户担心生产环境风险。经验不足和风险担忧是当前混沌工程应用受限的主要原因。

3. 混沌工程应用现状与挑战

• 普及率偏低：超过3成用户从未使用过混沌工程，仅3.94%的用户能频繁使用。
• 渗透率不足：仅8.68%的企业较大规模应用混沌工程，且大多数用户集中在研发/测试环境，生产环境使用率不足20%。
• 工具选择偏好：需求侧更倾向于使用国内开源工具（如ChaosBlade、ChaosMesh）和商业产品，供给侧则更倾向于自研平台和国外开源工具。

4. 混沌工程与演习概念区分不明确

• 认知模糊：超过半数用户无法区分混沌工程与演习，约1/4的用户认为两者没有区别。
• 混沌工程更偏向于生产环境探索性测试，而演习偏向于验证特定猜想，具有更强的计划性。

5. 稳定性保障体系仍待完善

• 监控手段多样：健康性检查是监控产品可用性的主要技术手段，占比达69.19%。
• 提升方法集中：备份、健康性检查、自动扩容、多中心双活、数据库复制集是最常采用的提升可用性方法。

6. 云化程度与可用性正相关

• 云化程度越高，可用性越强：上云比例低于25%的公司中，44.96%的产品可用性低于99%，而上云比例超过75%的公司中，49.23%的产品可用性高于99.99%。
• 云原生化是提升可用性的有效路径。

关键信息

• 调查方式：在线问卷（1016份） + 线下访谈（17家）。
• 行业分布：软件及服务、银行/保险/金融服务、电信、能源、硬件/半导体、零售业。
• 岗位分布：软件工程师与运维工程师占多数。
• 故障注入类型：网络和计算资源故障是最常见的注入类型，应用层和容器关注度偏低。
• 主要故障原因：代码错误、网络问题、配置错误、内部依赖问题。
• 部署频率：超过20%的产品部署间隔为几小时，35.82%的产品部署间隔为几天，仅10%的产品部署间隔为几个月及以上。

发展建议

1. 建立稳定性优先战略：企业应以系统稳定性为核心，构建系统稳定性保障体系。
2. 构建以混沌工程为中心的稳定性保障体系：结合可观测性平台、容量管理、全链路压测等工具，形成系统性保障机制。
3. 推动混沌工程文化落地：鼓励企业建立包容性文化，支持混沌工程从测试环境向生产环境逐步推进。
4. 加强混沌工程产品与咨询服务：推动市场推出成熟、可信的混沌工程产品与服务，降低实施门槛，提升用户信心。
5. 完善系统稳定性度量体系：构建可量化的稳定性评估模型，量化混沌工程实施效果，提高投入产出比。

附录信息

• 混沌工程实验室成员单位：包括中国信息通信研究院、阿里云、腾讯、华为云、中国移动、中兴通讯、天翼云等。
• 联系方式：王海清，邮箱：wanghaiqing@caict.ac.cn，地址：北京市海淀区花园北路52号，邮编：100191。