故障演练平台设计
目的
- 验证故障应急处理能力
- 验证服务降级及止损能力
- 验证中间件、存储和服务的稳定性
- 发现隐患，提升服务可用率
要具备的功能
- 有环境恢复的能力。
- 准备演练场景。
- 感知监控。
- 权限管理、时间管理。
All articles on this blog are licensed under CC BY-NC-SA 4.0 unless otherwise stated.
Related Articles
2021-06-21
Lambda VS ECS
Lambda 的好处 按使用付费（云计算都有这个特点）。 把资源（ CPU 或内存分配）的 quota 封装得很好。 无需关心监控和运维。 自动扩展（无需关心物理 nodes。node 既意味着系统可拆解，也意味着系统可联结）。 Lambda 的坏处 多步执行环节很慢 特定 function 的执行隔离不好，可能多个用户相互踩踏 ECS ECS 云基础设施在架构上更易扩展，只要稍加改造就能和系统集成。 参考：《我们为什么从 Lambda 迁移到了 ECS？》
2026-09-27
分布式系统（E04）：Lambda 与 SkyPilot 的执行和调度边界
AWS Lambda和SkyPilot都能“把任务放到云上跑”，但它们调度的单位不同。Lambda围绕一次函数调用管理执行环境、扩缩容和事件重试；SkyPilot围绕带资源需求的批任务或服务，在多个云和区域间选择资源并管理集群生命周期。前者隐藏机器，后者显式优化机器放置。两者都不是共识协议，也都不会自动使外部副作用恰好一次。 分布式系统（E03）：IPFS、SUNDR 与 Bitcoin 的开放网络信任模型 四个问题决定执行形态 选择云执行方式前，需要把工作拆成四项：任务粒度、启动成本、失败后的重放边界、目标函数。短小无状态事件适合按调用扩展；需要GPU、长时训练、特定区域或跨云价格比较的作业更像资源放置问题。 flowchart TD J[工作负载] --> G{调度单位} G -->|单次事件/函数| L[Lambda式执行] G -->|任务+资源集合| S[SkyPilot式放置] L --> R[初始化、调用、重试] S --> P[选云、建集群、运行、恢复] R --> E[外部效果仍需幂...