混沌测试在中通的实践，零基础入门到精通，收藏这篇就够了

原创于 2025-10-26 08:45:00 发布 · 763 阅读

25 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节 #php #开发语言

计算机同时被 3 个专栏收录

1737 篇文章

订阅专栏

程序员

1737 篇文章

订阅专栏

网工

299 篇文章

订阅专栏

中通混沌测试

中通的分布式微服体量日益增大，平台框架组决定构筑成双注册中心架构来保障整个生态系统的稳定性。即在原来Zookeeper的基础上增加一个注册中心。项目组将在Nacos1.3.2和Sofa Registry5.4.6（以下简称Nacos和Sofa）之间选择一个更稳定更适合的注册中心来与Zookeeper搭配，组合成双注册中心。

随着分布式的广泛应用，混沌测试的概念也随之兴起。为了比较这两款注册中心的稳定性和高可用性，混沌测试必然是首选。

混沌测试就是以试验的方法尽早揭露系统弱点的测试方法，它更类似于探索性测试，本身没有明确的输入和输出，主要是观察系统的实际反应来进行主观判断。

混沌测试场景设计

01 稳态的确定

制定测试方案前，我们需要确立一个可以作为基准的稳定状态，而稳态的确定是对测试需求的进一步细化。结合我们自身的业务，我们定义的稳定状态就是在混沌情况下服务能够正常的注册与订阅，注册中心的各系统节点通信无异常。

02 注册中心架构解析

稳态确定后，我们需要梳理Sofa和Nacos的基本架构，只有对架构剖析到位，才能设计出合适的混沌场景。

Sofa 架构图：

Client

提供应用接入服务注册中心的基本 API 能力，应用系统通过依赖客户端 JAR 包，通过编程方式调用服务注册中心的服务订阅和服务发布能力。

Session

会话服务器，负责接收 Client 的服务发布和服务订阅请求，并作为一个中间层将写操作转发 Data层。Session这一层可随业务机器数的规模的增长而扩容。

Data

数据服务器，负责存储具体的服务数据，数据按 dataInfoId 进行一致性 Hash 分片存储，支持多副本备份，保证数据高可用。这一层可随服务数据量的规模的增长而扩容。

Meta

元数据服务器，负责维护集群 Session 和 Data的一致列表，作为 Sofa集群内部的地址发现服务，在 Session或 Data节点变更时可以通知到整个集群。

Nacos 架构图：

Nginx：由Nginx将请求负载均衡路由到集群中的每台Nacos Server节点。

Nacos Server：提供注册服务、服务治理等功能。

Nacos Client：包括Provider和Consumer，注册服务、获取服务列表、维持心跳信息等功能。

03 混沌测试方案与场景设计

在Sofa中，由于Session Cluster是客户端与注册中心交互的门户，所以我们先从Session开始制造混沌场景。

Session Cluster的特点：

（1）Session Cluster 各个节点之间无任何关联，每个节点单独运行，所以Sofa的节点可以无限扩展。

（2）Session Cluster failover机制，当出现节点异常时，该节点上注册的Client会转移到其他可用节点，并且获取新的可用列表，不会再注册到这个节点上。

（3）所有的客户端与Registry集群的交互都是通过Session Server进行的，并且客户端信息存储在Session节点内存中。

结合Nacos的特点，着重从NacosServer的集群部分开始实施混沌场景。

通过以上的需求分析及架构梳理，混沌场景优先从扩容，缩容，节点异常，内存占用，内存溢出，网络异常，大规模注册，DDOS攻击，CPU满载这几个方面着手。

详情如下：

（1）扩容

a.场景：SessionServer和Nacos节点进行扩容，需要验证在扩容期间对服务的影响。

b.执行：在节点不断新增的过程中，不断增加Client的注册与订阅事件

c.验证点：

i.共通点：

1.新的Client能否注册到新的节点上。

2.客户端订阅是否正常。

ii.Sofa：

1.Sofa中新的节点和Data Cluster交互是否正常。

2.MetaCluster中的Seesion列表是否更新。

iii.Nacos：

1.Nacos Server节点之间数据是否同步。

d.测试结果：

i.新增的Client会在新的节点上注册。

ii.已存在服务订阅无异常。

iii.NacosServer中的节点信息同步成功.

iv.Sofa中新的Session节点与DataCluster交互正常。

（2）缩容

a.场景：节点缩容，与扩容同理。

b.执行：在Session Cluster列表中移除节点，同时不断新增Client的注册与订阅事件。

c.验证点：

i.共通点：

1.存在于原来节点的Client是否成功转移至其他可用节点。

2.是否影响正常的订阅。

ii.Sofa：

1.MetaCluster中的Seesion列表是否更新。

d.测试结果：

i.当节点被停机后，该节点上的Client会重新failover到其他可用节点，不影响后期订阅。

ii.Sofa中MetaCluster中的Seesion列表更新至最新。

（3）节点异常

a.场景：模拟部分节点故障，触发Client failover。

b.执行：可以直接kill -9 杀掉Session进程；或者使用命令断开整个节点的网络，./blade create network loss --percent 100 --interface eth0 --timeout 100。

c.验证点：

i.和缩容的场景验证点相同。

d.测试结果：

i.和缩容的场景测试结果相同。

（4）内存占用

a.场景：SessionServer和NacosServer都对在内存中存储数据，验证占满内存后对已注册和即将注册的Client的影响。

b.执行：使用命令./blade c mem load --mode ram --mem-percent 100 --timeout 200，是机器内存占用达到100%。

c.验证点：

i.Sofa与Nacos：

1.该节点上已经注册的client是否正常。

2.新的Client是否会继续在该节点进行注册。

d.测试结果：

i.新的Client不会在该节点上进行注册。

ii.原先的Client调用正常。

（5）内存溢出

a.场景：针对NacosServer的Leader节点和Sofa的Session节点模拟内存溢出。

b.执行：使用命令./blade c jvm oom --area HEAP --wild-mode true --process nacos-server。

c.验证点：

i.共通点：

1.该节点上已经注册的client是否正常。

2.新的Client是否会继续在该节点进行注册。

ii.Nacos：

1.是否触发新的选举。

d.测试结果：

i.Sofa中没有新的Client进行注册，原服务不受影响。

ii.Nacos中Leader处于OOM状态后，集群无法选举出新的Leader，导致整个集群状态异常。该bug可以在链接中查看详情https://github.com/alibaba/nacos/issues/5385。

（6）网络异常

a.场景：Cluster整个集群网络与外界断开，继而恢复。

b.执行：使用命令./blade create network loss --percent 100 --interface eth0 --timeout 100，使得机器网口eth0对外网络丢失率100%，继而取消实验来恢复网络。

c.验证点：

i.Sofa与Nacos：

1.已经注册和订阅成功的Client的调用是否受影响。

2.网络恢复后Client能否重连，并且通知正常的变更。

3.是否还具备注册与订阅功能。

d.测试结果：

i.网络恢复后，Server正常提供服务。

（7）大规模注册

a.场景： Cluster中的节点大部分处于异常状态时，会发生Client的failover，仅存的节点就会面临大量的注册事件。

b.执行：利用脚本实现随机关停大部分节点。

c.验证点：

i.Sofa与Nacos：

1.新的Client的注册是否正常。

2.原先的Client是否受影响。

3.Client的变更能否正常触发通知。

4.服务调用是否不受影响。

d.测试结果：

i.服务调用不受影响，服务变更能正常收到通知。新的client能在其他可用节点进行注册。

（8）DDOS攻击：

a.场景：针对场景6，我们还可以想到使用DDOS攻击的方式，即在多台肉机上模拟大规模服务注册，验证集群中节点的可靠性。

b.执行：每台肉机上分别使用脚本进行大规模注册，可用Jmeter实现分布式的执行。

c.验证点：

i.Sofa与Nacos：

1.新的Client的注册是否正常。

2.原先的Client是否受影响。

d.测试结果：

i.所有节点正常提供服务。

（9）CPU满载：

a.场景：Server存在一定量的计算工作，所以CPU满载时需要验证其功能性是否正常。

b.执行：使用命令./blade create cpu load --cpu-percent 100 –timeout 100，使服务器CPU利用率到达100%。

c.验证点：

i.Sofa与Nacos：

1.新的Client的注册是否正常。

2.原先的Client是否受影响。

3.Provider信息变更能否正常进行。

d.测试结果：

i.新的Client仍能正常注册，原先服务订阅不受影响。

以上只针对Sofa的session和Nacos的server部分进行了用例场景设计，我们暂且举例这些，其实还有很多其他方面的实验，比如Session Cluster节点大规模重启等其他异常场景，这里暂不做赘述。

对于Sofa而言，其架构中还存在Meta和Data，MetaCluster在SofaRegistry架构中充当类似于哨兵的角色，它的稳定性影响着SessionCluster和DataCluster扩容、缩容、failover等。对于Nacos来说，Mysql的稳定性也会影响整个Nacos集群，这些部分我们同样要针对其特征匹配专门的混沌测试用例，方法都是类似的，本文就不再展开来讲了。

04 测试结论

Nacos在第五个场景中没有产生预期结果。当Nacos的Leader节点被模拟OOM后，整个集群无法选举出新的Leader，导致整个集群异常；而在Sofa执行混沌测试过程中，没有出现过明显的异常。项目组最终选择Sofa作为第二注册中心。

这两年，IT行业面临经济周期波动与AI产业结构调整的双重压力，确实有很多运维与网络工程师因企业缩编或技术迭代而暂时失业。

很多人都在提运维网工失业后就只能去跑滴滴送外卖了，但我想分享的是，对于运维人员来说，即便失业以后仍然有很多副业可以尝试。

网工/运维副业方向

运维网工，千万不要再错过这些副业机会！

第一个是知识付费类副业：输出经验打造个人IP

在线教育平台讲师

操作路径：在慕课网、极客时间等平台开设《CCNA实战》《Linux运维从入门到精通》等课程，或与培训机构合作录制专题课。
收益模式：课程销售分成、企业内训。

技术博客与公众号运营

操作路径：撰写网络协议解析、故障排查案例、设备评测等深度文章，通过公众号广告、付费专栏及企业合作变现。
收益关键：每周更新2-3篇原创，结合SEO优化与社群运营。

第二个是技术类副业：深耕专业领域变现

企业网络设备配置与优化服务

操作路径：为中小型企业提供路由器、交换机、防火墙等设备的配置调试、性能优化及故障排查服务。可通过本地IT服务公司合作或自建线上接单平台获客。
收益模式：按项目收费或签订年度维护合同。

远程IT基础设施代维

操作路径：通过承接服务器监控、日志分析、备份恢复等远程代维任务。适合熟悉Zabbix、ELK等技术栈的工程师。
收益模式：按工时计费或包月服务。

网络安全顾问与渗透测试

操作路径：利用OWASP Top 10漏洞分析、Nmap/BurpSuite等工具，为企业提供漏洞扫描、渗透测试及安全加固方案。需考取CISP等认证提升资质。
收益模式：单次渗透测试报告收费；长期安全顾问年费。

比如不久前跟我一起聊天的一个粉丝，他自己之前是大四实习的时候做的运维，发现运维7*24小时待命受不了，就准备转网安，学了差不多2个月，然后开始挖漏洞，光是补天的漏洞奖励也有个四五千，他说自己每个月的房租和饭钱就够了。

为什么我会推荐你网安是运维和网工人员的绝佳副业&转型方向?

1.你的经验是巨大优势: 你比任何人都懂系统、网络和架构。漏洞挖掘、内网渗透、应急响应，这些核心安全能力本质上是“攻击视角下的运维”。你的运维背景不是从零开始，而是降维打击。

2.越老越吃香，规避年龄危机: 安全行业极度依赖经验。你的排查思路、风险意识和对复杂系统的理解能力，会随着项目积累而愈发珍贵，真正做到“姜还是老的辣”。

3.职业选择极其灵活: 你可以加入企业成为安全专家，可以兼职“挖洞“获取丰厚奖金，甚至可以成为自由顾问。这种多样性为你提供了前所未有的抗风险能力。

4.市场需求爆发，前景广阔: 在国家级政策的推动下，从一线城市到二三线地区，安全人才缺口正在急剧扩大。现在布局，正是抢占未来先机的黄金时刻。

网工运维转行学习网络安全路线

在这里插入图片描述

（一）第一阶段：网络安全筑基

1. 阶段目标

你已经有运维经验了，所以操作系统、网络协议这些你不是零基础。但要学安全，得重新过一遍——只不过这次我们是带着“安全视角”去学。

2. 学习内容

**操作系统强化：**你需要重点学习 Windows、Linux 操作系统安全配置，对比运维工作中常规配置与安全配置的差异，深化系统安全认知（比如说日志审计配置，为应急响应日志分析打基础）。

**网络协议深化：**结合过往网络协议应用经验，聚焦 TCP/IP 协议簇中的安全漏洞及防护机制，如 ARP 欺骗、TCP 三次握手漏洞等（为 SRC 漏扫中协议层漏洞识别铺垫）。

**Web 与数据库基础：**补充 Web 架构、HTTP 协议及 MySQL、SQL Server 等数据库安全相关知识，了解 Web 应用与数据库在网安中的作用。

**编程语言入门：**学习 Python 基础语法，掌握简单脚本编写，为后续 SRC 漏扫自动化脚本开发及应急响应工具使用打基础。

**工具实战：**集中训练抓包工具（Wireshark）、渗透测试工具（Nmap）、漏洞扫描工具（Nessus 基础版）的使用，结合模拟场景练习工具应用（掌握基础扫描逻辑，为 SRC 漏扫工具进阶做准备）。

（二）第二阶段：漏洞挖掘与 SRC 漏扫实战

1. 阶段目标

这阶段是真正开始“动手”了。信息收集、漏洞分析、工具联动，一样不能少。

熟练运用漏洞挖掘及 SRC 漏扫工具，具备独立挖掘常见漏洞及 SRC 平台漏扫实战能力，尝试通过 SRC 挖洞搞钱，不管是低危漏洞还是高危漏洞，先挖到一个。

2. 学习内容

信息收集实战：结合运维中对网络拓扑、设备信息的了解，强化基本信息收集、网络空间搜索引擎（Shodan、ZoomEye）、域名及端口信息收集技巧，针对企业级网络场景开展信息收集练习（为 SRC 漏扫目标筛选提供支撑）。

漏洞原理与分析：深入学习 SQL 注入、CSRF、文件上传等常见漏洞的原理、危害及利用方法，结合运维工作中遇到的类似问题进行关联分析（明确 SRC 漏扫重点漏洞类型）。

工具进阶与 SRC 漏扫应用：

系统学习 SQLMap、BurpSuite、AWVS 等工具的高级功能，开展工具联用实战训练；
专项学习 SRC 漏扫流程：包括 SRC 平台规则解读（如漏洞提交规范、奖励机制）、漏扫目标范围界定、漏扫策略制定（全量扫描 vs 定向扫描）、漏扫结果验证与复现；
实战训练：使用 AWVS+BurpSuite 组合开展 SRC 平台目标漏扫，练习 “扫描 - 验证 - 漏洞报告撰写 - 平台提交” 全流程。
SRC 实战演练：选择合适的 SRC 平台（如补天、CNVD）进行漏洞挖掘与漏扫实战，积累实战经验，尝试获取挖洞收益。

恭喜你，如果学到这里，你基本可以下班搞搞副业创收了，并且具备渗透测试工程师必备的「渗透技巧」、「溯源能力」，让你在黑客盛行的年代别背锅，工作实现升职加薪的同时也能开创副业创收！

如果你想要入坑黑客&网络安全，笔者给大家准备了一份：全网最全的网络安全资料包需要保存下方图片，微信扫码即可前往获取!

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

优快云大礼包：《黑客&网络安全入门&进阶学习资源包》免费分享

（三）第三阶段：渗透测试技能学习

1. 阶段目标

全面掌握渗透测试理论与实战技能，能够独立完成渗透测试项目，编写规范的渗透测试报告，具备渗透测试工程师岗位能力，为护网红蓝对抗及应急响应提供技术支撑。

2. 学习内容

渗透测试核心理论：系统学习渗透测试流程、方法论及法律法规知识，明确渗透测试边界与规范（与红蓝对抗攻击边界要求一致）。

实战技能训练：开展漏洞扫描、漏洞利用、电商系统渗透测试、内网渗透、权限提升（Windows、Linux）、代码审计等实战训练，结合运维中熟悉的系统环境设计测试场景（强化红蓝对抗攻击端技术能力）。

工具开发实践：基于 Python 编程基础，学习渗透测试工具开发技巧，开发简单的自动化测试脚本（可拓展用于 SRC 漏扫自动化及应急响应辅助工具）。

报告编写指导：学习渗透测试报告的结构与编写规范，完成多个不同场景的渗透测试报告撰写练习（与 SRC 漏洞报告、应急响应报告撰写逻辑互通）。

（四）第四阶段：企业级安全攻防（含红蓝对抗）、应急响应

1. 阶段目标

掌握企业级安全攻防、护网红蓝对抗及应急响应核心技能，考取网安行业相关证书。

2. 学习内容

护网红蓝对抗专项：

红蓝对抗基础：学习护网行动背景、红蓝对抗规则（攻击范围、禁止行为）、红蓝双方角色职责（红队：模拟攻击；蓝队：防御检测与应急处置）；
红队实战技能：强化内网渗透、横向移动、权限维持、免杀攻击等高级技巧，模拟护网中常见攻击场景；
蓝队实战技能：学习安全设备（防火墙、IDS/IPS、WAF）联动防御配置、安全监控平台（SOC）使用、攻击行为研判与溯源方法；
模拟护网演练：参与团队式红蓝对抗演练，完整体验 “攻击 - 检测 - 防御 - 处置” 全流程。
应急响应专项：
应急响应流程：学习应急响应 6 步流程（准备 - 检测 - 遏制 - 根除 - 恢复 - 总结），掌握各环节核心任务；
实战技能：开展操作系统入侵响应（如病毒木马清除、异常进程终止）、数据泄露应急处置、漏洞应急修补等实战训练；
工具应用：学习应急响应工具（如 Autoruns、Process Monitor、病毒分析工具）的使用，提升处置效率；
案例复盘：分析真实网络安全事件应急响应案例（如勒索病毒事件），总结处置经验。
其他企业级攻防技能：学习社工与钓鱼、CTF 夺旗赛解析等内容，结合运维中企业安全防护需求深化理解。