საკვანძო სიტყვები
მიკროსერვისები
Kubernetes
DevOps
Prometheus
Grafana
როგორ უნდა ციტირება
ანოტაცია
თანამედროვე ღრუბლოვანი მიკროსერვისული არქიტექტურები, მიუხედავად მათი მოქნილობისა და მასშტაბირებადობისა, ხშირად აწყდება რთულ გამოწვევებს, როგორიცაა ფარული ხარვეზები, კასკადური მარცხი და სისტემის არაპროგნოზირებადი ქცევა. ეს სტატია იკვლევს ქაოსის ინჟინერიის, როგორც DevOps-ის პროაქტიული მეთოდის, გამოყენებას Google-ის „Online Boutique“ აპლიკაციის მაგალითზე, რომელიც განლაგებულია Google Kubernetes Engine-ზე (GKE). Chaos Mesh-ის გამოყენებით ჩატარებულმა ექსპერიმენტებმა (CPU Hog, Memory Hog, Network Latency, Packet Loss) გამოავლინა კრიტიკული სისუსტეები, მათ შორის „ჩუმი მარცხი“, მეხსიერების ამოწურვა (OOMKilled) და არაადეკვატური timeout/retry მექანიზმები. Prometheus-ისა და Grafana-ს მეშვეობით გაზომილი KPI-ებით (პასუხის დრო, შეცდომების სიხშირე, CPU/მეხსიერების მოხმარება) და Locust-ის მიერ სიმულირებული მომხმარებლის ტრაფიკით, განხორციელდა სისტემის ოპტიმიზაცია. ეს მოიცავდა Horizontal Pod Autoscaler-ის (HPA) დანერგვას, რესურსების ლიმიტების კორექტირებასა და timeout/retry მექანიზმების გაძლიერებას.
განმეორებითმა ექსპერიმენტებმა აჩვენა სისტემის მდგრადობის სტატისტიკურად მნიშვნელოვანი გაუმჯობესება, რაც ხაზს უსვამს ქაოსის ინჟინერიის, როგორც DevOps-ის განუყოფელი ნაწილის, მნიშვნელობას. სტატია გვთავაზობს პრაქტიკულ რეკომენდაციებს სისტემის სანდოობის გაძლიერებისა და SDLC-ში ქაოსის ინჟინერიის ინტეგრირებისთვის.
წყაროები
დემჩენკო ნ. (2025). DevOps-ის ეფექტიანობის ოპტიმიზაცია ქაოსური ინჟინერიის გამოყენებით, ბიზნესისა და ტექნოლოგიების უნივერსიტეტი. 80 გვ.
Basiri, A., Behnam, N., de Rooij, R., Hochstein, L., Kosewski, L., Reynolds, J., & Rosenthal, C. (2016). Chaos Engineering: Building Confidence in System Behavior through Controlled Experiments. Netflix Technology Blog.
Rosenthal, C., & Jones, N. (2020). Chaos Engineering: System Resiliency in Practice. O’Reilly Media. 267 p.
Zhang, X., Liu, Y., & Wang, J. (2022). Performance Optimization in Kubernetes-Based Microservices. Journal of Cloud Computing, 11(3), 45–56p.