以太坊熊猫运维
- EthPandaOps
- 发布于 2024-12-30 18:35
- 阅读 9
Attacknet 是一个结合 Kurtosis 和 Chaos Mesh 的工具，旨在通过模拟网络延迟、节点崩溃、文件系统错误等真实场景中的混乱和故障，对以太坊网络进行混沌测试。该工具能够摄取测试定义并执行，同时进行健康检查，以确定网络是否受到负面影响，从而帮助开发者发现潜在问题并提高以太坊客户端的健壮性。
简介
混沌测试是一种通过主动模拟和识别故障来测试系统的严谨方法。野外的以太坊网络会受到许多现实生活中的变化的影响，而这些变化在历史上很难在本地测试中捕捉到。我们与 Trail of Bits 合作创建了一个工具，将这两个世界结合在一起，使我们能够创建可以模拟现实世界中的混乱和故障的本地网络。例如，在节点之间添加网络延迟、随机杀死节点、返回文件系统错误等。
这样的工具包含两个主要组成部分：
- 一个用于部署以太坊网络的工具
- 一个用于编排混沌测试的工具。
我们已经通过 Kurtosis 解决了 1.，它使我们能够可靠地部署以太坊网络（无论我们测试的是哪个分叉），以执行基于本地 Docker 的测试或基于远程 Kubernetes 的测试。为了解决 2.，我们使用了一个名为 Chaos Mesh 的 Kubernetes 测试框架，该框架允许我们配置多种故障，然后由编排器执行。虽然这些软件为我们提供了所需的功能，但它们并没有提供易用性。
Attacknet 的引入，弥补了缺失的部分，它是一个可以接收测试定义并为我们执行它的软件。这将允许我们配置我们想要看到的案例列表，并由它来处理测试的执行。该软件还可以执行健康检查，并尝试确定网络是否受到混乱的负面影响。
混沌类型
Attacknet 允许我们为任何我们喜欢的持续时间配置以下类型的混沌，有些还允许额外的随机性（即，仅在 x% 的时间内运行故障）：
- 网络：
- 网络延迟
- 抖动
- 数据包丢失
- 数据包损坏
- 带宽限制
- 网络分割和重新加入
- 时钟偏差（即，NTP 故障）
- CPU 负载
- 内存负载
- 输入/输出：
- 磁盘故障
- 磁盘访问延迟
- I/O 错误
- 服务崩溃（即，杀死）
- WIP：内核故障
测试场景
目前我们正在研究 3 个因素，即：网络中的客户端组合、混沌类型和混沌参数。以下是我们计划进行的一些初步测试：
| 测试编号 | 描述 | 混沌类型 | 参数 | 分析目标 | 备注 |
|---|---|---|---|---|---|
| 1 | 单个 EL 类型，每个 CL 各一个。 | 网络延迟 | 延迟：100ms、500ms、1000ms、2000ms，抖动 10% | 分析错过的 slot 数量并与延迟相关联 | 使用每个 EL 重复 |
| 2 | 单个 EL 类型，每个 CL 各一个。 | 网络数据包丢失 | 数据包丢失：5%、10%、50%、100% | 分析错过的 slot 数量并与数据包丢失相关联 | 使用每个 EL 重复 |
| 3 | 单个 EL 类型，每个 CL 各一个。 | 时钟偏差 | 时钟偏差：100ms、500ms、1000ms、2000ms | 分析错过的 slot 数量并与时钟偏差相关联 | 使用每个 EL 重复（EL 在此测试中无关紧要） |
| 4 | 单个 EL 类型，每个 CL 各一个。一次将分区应用于一个 CL。 | 网络分区 | 不适用 | 分析 CL 在分割修复后是否可以重新加入网络 | 可能会使用静态 peer 来避免降分问题。可能需要重启 pod。为每个 EL 重复。 |
| 5 | 单个 EL 类型，每个 CL 各一个。将网络分成两半。 | 网络分区 | 不适用 | 分析网络是否可以自我修复 | 使用静态 peer 以避免降分问题。为每个 EL 重复。 |
我们尽量避免在混合中添加太多变量，我们没有很好的方法知道运行何时“失败”，所以我们更谨慎，并构建具有更多受控变更集的网络。
结论
Attacknet 允许我们为 Dencun 分叉模拟许多边缘案例测试场景。我们将继续使用该工具来研究 peerDAS 以及加强以太坊客户端。团队的下一个重点将是设置使用 Attacknet 的自动化测试，以便我们能够在没有人工监督的情况下运行它。
在此处查找有关 Attacknet 的更多信息：https://github.com/crytic/attacknet
- 原文链接： ethpandaops.io/posts/att...
- 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～
