真要搞混沌实验得用chaostoolkit或chaos-mesh；chaospy是不确定性量化工具，与混沌工程无关。
实验前必须确认 chaospy 不是你要用的库
Python 里叫 chaospy 的包是概率分布和不确定性量化工具，跟混沌工程完全无关——它不注入故障、不操作进程、不干扰网络。真要搞混沌实验，得用 chaos-mesh（K8s 原生）或 chaostoolkit（通用框架），前者需 Kubernetes 环境，后者靠插件驱动，本地 Python 服务也能跑。
常见错误现象：pip install chaospy && import chaospy 后发现根本找不到 start_experiment 或 kill_process 这类函数；或者文档里全是 PolynomialChaosExpansion，跟“杀掉 Redis 实例”毫无关系。
- 使用场景：你手头是 Flask/FastAPI 服务，想模拟数据库超时、HTTP 调用失败、CPU 打满等真实扰动
- 推荐起步路径：先装
chaostoolkit（pip install chaostoolkit），再选一个执行器插件，比如chaostoolkit-python（本地代码注入）、chaostoolkit-kubernetes（容器环境） - 注意兼容性：
chaostoolkit本身不直接操作系统，所有动作靠插件实现；没装对应插件时，chaos run xxx.json会报错Unknown activity type: 'python'
chaostoolkit 实验定义里最常写错的三个字段
实验用 JSON/YAML 描述，但三个字段稍有偏差就导致实验静默失败或行为错乱：
-
type必须是action或probe，写成attack或fault就被忽略（无报错，只是跳过） -
provider.type决定执行方式：填python表示调本地函数，填process表示起子进程，填错成shell或漏写，chaos run会卡住或返回空结果 -
provider.module和provider.func必须指向可导入的 Python 模块路径，比如mylib.network+induce_latency；路径错一位、函数不存在、没加__init__.py，都会抛ModuleNotFoundError且堆栈藏在 debug 日志里（默认不显示）
本地 Python 服务注入故障时，chaostoolkit-python 的限制很实在
它不能热修改正在运行的进程内存，也不能拦截已建立的 socket 连接——它只做一件事：在指定时间点，调用你写的 Python 函数。
立即学习“Python免费学习笔记（深入）”；
所以别指望它“自动让 requests.get() 随机超时”，你得自己写个封装函数，比如：
def fail_http_call(duration: float = 5.0):
import time
time.sleep(duration) # 模拟阻塞
raise Exception("simulated network failure")
然后在实验文件里引用它。这意味着：
- 所有故障逻辑必须提前编码，无法对第三方库黑盒打补丁
- 若想影响某个特定 HTTP 请求，得在业务代码里把调用点改成可插拔接口（比如通过配置切换正常函数 / 故障函数）
- 性能影响：每次故障注入都是一次新 Python 函数调用，开销小，但不适合毫秒级高频扰动（如每 10ms 切一次 DB 连接状态）
生产环境跑混沌实验前，chaos run 必须加 --dry 和 --no-validation 之外的检查项
--dry 只验证语法，--no-validation 关闭拓扑检查——但真正上线前还得手动盯三件事：
- 确认
provider.secrets里所有密钥变量（如kubeconfig_path）在目标机器上真实存在且可读，否则 K8s 插件会在执行中段静默退出 - 检查
tolerance字段是否合理：比如 probe 返回{"status": "ok"}，但 tolerance 写成200（期待 HTTP 状态码），就会误判为失败 - 所有
rollbacks动作必须幂等：重复执行不能引发新问题，例如 “删临时文件” 操作得加if os.path.exists(...)，否则第二次回滚可能报错中断
最容易被忽略的是 rollback 的执行时机——它只在实验主流程出错或被中断时触发，正常结束不会跑。如果故障本身需要清理（比如开了监听端口），得把清理逻辑写进 action 的 pauses.after 或单独设 cleanup probe。
