2nd/10_Wiki/Topics/Domain_Programming/DevOps_and_Security/카오스 몽키(Chaos Monkey).md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, verification_status, tags, raw_sources, last_reinforced, github_commit, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	verification_status	tags	raw_sources	last_reinforced	github_commit	tech_stack
wiki-2026-0508-카오스-몽키-chaos-monkey	카오스 몽키(Chaos Monkey)	10_Wiki/Topics	verified	self	Chaos Monkey Chaos Engineering Netflix Simian Army	none	A	0.9	applied	chaos-engineering sre resilience reliability devops		2026-05-10	pending	language framework go kubernetes

카오스 몽키(Chaos Monkey)

매 한 줄

"매 random instance termination, 매 production 의 의". 매 2010 Netflix 의 의 의 release 의 chaos engineering 의 의 의 origin tool — 매 production cluster 의 의 random instance 의 의 의 kill 의 의 system 의 의 self-heal 의 verify. 매 2026 — 매 Litmus, Chaos Mesh, Gremlin 의 의 의 Kubernetes 의 native.

매 핵심

매 Chaos Monkey origin

• 매 2010, Netflix 의 의 AWS 의 의 의 migration 의 의 trigger.
• 매 hypothesis: "매 instance 의 의 의 die — 매 inevitable. 매 production 의 의 의 의 simulate 의 의 의 resilience 의 의 의 confirm".
• 매 OSS 2012 — 매 Simian Army (Chaos Monkey, Chaos Gorilla, Chaos Kong, Latency Monkey, etc.).

매 Chaos engineering 의 의 의 5 principles (Netflix)

1. 매 hypothesis 의 의 의 build (steady-state).
2. 매 real-world event 의 의 vary (instance fail, network partition).
3. 매 production 의 의 의 의 run.
4. 매 automate 의 의 의 의 continuous.
5. 매 blast radius 의 의 의 minimize.

매 Failure injection 의 의 의 categories

• Resource — CPU / memory / disk / network exhaustion.
• State — 매 process kill, 매 container OOM.
• Network — latency, packet loss, partition.
• Time — clock skew.
• Application — exception throw, response delay.

매 2026 Tooling

Tool	매 platform	매 특성
Chaos Mesh	k8s	매 CNCF, declarative CRD
LitmusChaos	k8s	매 CNCF, GitOps native
Gremlin	multi	매 commercial, full-spectrum
AWS FIS	AWS	매 managed, IAM-aware
Pumba	docker	매 lightweight

💻 패턴

매 Chaos Mesh — pod kill

apiVersion: chaos-mesh.org/v1alpha1
kind: PodChaos
metadata:
  name: pod-failure-example
  namespace: chaos-testing
spec:
  action: pod-failure
  mode: one
  duration: "30s"
  selector:
    labelSelectors:
      app: payment-service
  scheduler:
    cron: "@every 10m"

매 Network latency injection

apiVersion: chaos-mesh.org/v1alpha1
kind: NetworkChaos
metadata:
  name: delay-pods
spec:
  action: delay
  mode: all
  selector:
    labelSelectors:
      app: api
  delay:
    latency: "500ms"
    jitter: "100ms"
  duration: "5m"

매 LitmusChaos — CPU stress

apiVersion: litmuschaos.io/v1alpha1
kind: ChaosEngine
metadata:
  name: cpu-hog
spec:
  appinfo:
    appns: prod
    applabel: "app=worker"
  experiments:
    - name: pod-cpu-hog
      spec:
        components:
          env:
            - name: TOTAL_CHAOS_DURATION
              value: "60"
            - name: CPU_CORES
              value: "2"

매 AWS Fault Injection Simulator

{
  "actions": {
    "stopInstances": {
      "actionId": "aws:ec2:stop-instances",
      "parameters": { "duration": "PT5M" },
      "targets": { "Instances": "ec2-prod-asg" }
    }
  },
  "targets": {
    "ec2-prod-asg": {
      "resourceType": "aws:ec2:instance",
      "resourceTags": { "Env": "prod" },
      "selectionMode": "PERCENT(20)"
    }
  }
}

매 Application-level fault injection

import "github.com/lingo-cn/chaos"

func ChargePayment(ctx context.Context, amt int) error {
    if chaos.Active(ctx, "payment.delay") {
        time.Sleep(2 * time.Second)
    }
    if chaos.Active(ctx, "payment.fail") {
        return errors.New("chaos: simulated failure")
    }
    return realCharge(ctx, amt)
}

매 Steady-state hypothesis (Gremlin)

hypothesis:
  title: "API latency p99 stays under 500ms"
  probes:
    - name: api-latency
      type: probe
      provider:
        type: http
        url: https://prom/api/v1/query?query=histogram_quantile(0.99, http_latency)
      tolerance: { type: probe, value: 500 }

method:
  - name: kill-payment-pod
    action: chaos-mesh.pod-kill
    target: app=payment

rollback:
  - name: clear-chaos
    action: chaos-mesh.delete

매 결정 기준

상황	Approach
매 starting	매 staging — 매 pod kill, 매 manual run
매 mature	매 production — 매 scheduled, blast-radius limited
매 k8s native	매 Chaos Mesh / Litmus
매 multi-cloud	매 Gremlin
매 application logic	매 toxiproxy + feature flag

기본값: 매 staging 의 의 의 시작 → 매 GameDay 의 의 의 production 의 expand.

🔗 Graph

• 부모: Chaos Engineering · Site Reliability Engineering
• 변형: Gremlin
• 응용: GameDay · Disaster Recovery
• Adjacent: Fault Tolerance · Circuit Breaker · Retry

🤖 LLM 활용

언제: 매 chaos experiment 의 의 의 design, 매 hypothesis 의 의 formulate, 매 GameDay runbook 의 의 의 작성. 언제 X: 매 system 의 의 의 의 of basic monitoring 의 의 의 부족 — 매 chaos 의 의 의 premature.

❌ 안티패턴

• No hypothesis: 매 random kill 의 의 의 의 — 매 결과 의 의 interpret 의 의 X.
• No blast radius: 매 production 의 의 의 의 50% 의 kill — 매 outage 의 의 의 cause.
• No rollback: 매 chaos 의 의 의 의 의 stuck — 매 manual recovery.
• No alerting integration: 매 chaos 의 의 의 의 alert page — 매 oncall fatigue.
• One-time: 매 매 한 번 의 의 의 의 의 — 매 regression 의 의 의 catch X.

🧪 검증 / 중복

• Verified — Netflix Tech Blog (2010-2026); Chaos Engineering by Casey Rosenthal (O'Reilly); CNCF Chaos Mesh / LitmusChaos docs.
• 신뢰도 A.

🕓 Changelog

날짜	변경
2026-05-08	Phase 1
2026-05-10	Manual cleanup — Chaos Mesh / Litmus / FIS examples + 5 principles