{"canonical_url":"https://engineer.company/sv/glossary/chaos-engineering/","content_markdown":"# Chaos engineering\n\n## Vad det är\n\nChaos engineering är metoden att med flit och under kontroll föra in verkliga\nfel i ett system i drift, för att ta reda på om det klarar dem. Principles of\nChaos Engineering, det korta dokument som de flesta inom området hänvisar till,\ndefinierar det som ”disciplinen att experimentera med ett system för att bygga\nförtroende” för att systemet tål turbulenta förhållanden i produktion. Ordet som\nräknas är experimentera. Ett chaos-experiment kontrollerar inte en funktion mot\nen specifikation; det ställer en fråga till systemet som helhet och tar emot det\nsvar som kommer.\n\nArgumentet för metoden börjar i distribuerade system. Varje tjänst i ett sådant\nsystem kan fungera som den ska, och samspelet mellan dem kan ändå ge utfall som\ningen hade förutsett, och sällsynta händelser som en server som kraschar eller\nen nätverksförbindelse som bryts gör saken värre. Principles räknar upp vilka\nsvagheter som gömmer sig där: reservinställningar som är fel när en tjänst inte\nsvarar, stormar av omförsök på grund av dåligt inställda tidsgränser, avbrott\nnär ett beroende längre ner i kedjan får mer trafik än det klarar, och\natt en felande komponent får flera andra att sluta fungera. Inget av detta syns när varje del\ntestas för sig.\n\nEtt experiment har fyra steg i Principles version:\n\n1. Definiera stabilt tillstånd (steady state) som ett mätbart utfall från\n   systemet som visar normalt beteende, till exempel genomströmning,\n   felfrekvens eller en percentil för svarstid.\n2. Ställ upp en hypotes om att det stabila tillståndet håller i sig i både en\n   kontrollgrupp och en försöksgrupp.\n3. För in variabler som speglar verkliga händelser: servrar som kraschar,\n   diskar som går sönder, nätverksförbindelser som bryts.\n4. Försök motbevisa hypotesen genom att leta efter en skillnad i stabilt\n   tillstånd mellan de två grupperna.\n\nJu svårare det stabila tillståndet är att rubba, desto mer förtroende kan\nteamet ha för systemet. Faller hypotesen har teamet hittat en svaghet medan den\när liten och medan folk håller utkik, och inte mitt i ett avbrott på natten.\n\nDet mest kända verktyget är Netflix Chaos Monkey, som slumpmässigt avslutar\nvirtuella maskiner och containrar i produktion. Dess README beskriver det som\nett exempel på ett verktyg som följer Principles, och syftet är att få\ningenjörerna att bygga tjänster som klarar att enskilda instanser försvinner.\n\n## Varför det spelar roll\n\nRedundans, failover och reservlösningar är alla löften om vad som händer när\nnågot går sönder, och ett löfte som aldrig har prövats är en hypotes. En\nstandby-server som aldrig har tagit trafik, en regel för omförsök som aldrig\nhar mött ett långsamt beroende, ett larm som aldrig har gått: alla kanske\nfungerar, och det första verkliga felet är ett dyrt sätt att ta reda på det.\nChaos engineering flyttar upptäckten till en tidpunkt som teamet själv väljer.\n\nDet testar också systemet och inte delarna. Enhetstester och integrationstester\nkontrollerar beteende som någon redan har tänkt på. Principles drar gränsen\nrakt ut: chaos-experiment bekräftar att systemet faktiskt fungerar, i stället\nför att försöka belägga hur det fungerar. Därför tittar de på det en användare\nskulle märka, som felfrekvens och svarstid, och inte på det inre i en enskild\nkomponent.\n\nBeläggen finns i produktion. System beter sig olika beroende på miljö och\ntrafikmönster, och Principles hävdar att bara stickprov på verklig trafik\npålitligt fångar den väg en förfrågan tar. Googles bok om Site Reliability\nEngineering kommer fram till samma slutsats från andra hållet: syntetisk last\nvisar inte alltid var komponenterna verkligen går sönder, så när en tjänst väl\nhar skydd mot överbelastning föreslår boken feltester i en liten del av\nproduktionen, med extra kapacitet redo ifall skydden inte fungerar och någon\nmåste växla över för hand.\n\nTill sist ändrar det drivkrafterna. Chaos Monkeys README säger det rakt ut: när\ningenjörer möter fel oftare får de ett skäl att bygga motståndskraftiga\ntjänster. Ett team vars instanser kan avslutas vilken arbetsdag som helst\nplanerar för det från början, i stället för att upptäcka luckan den dag en\nmaskin försvinner utan förvarning.\n\n## Så ser det ut i praktiken\n\nEtt chaos-experiment skrivs ner innan det körs, ungefär som en testplan. Här är\nett för en påhittad webbutik, där alla siffror är uppdiktade för exemplets\nskull:\n\n```text\nExperiment:      betalleverantören blir långsam\nStabilt läge:    andel lyckade köp och p99 för kassan, per 5 min\nHypotes:         med 300 ms extra på anrop till betalleverantören\n                 skiljer sig försöksgruppens andel lyckade köp högst\n                 0,2 procentenheter från kontrollgruppens\nGrupper:         2 % av trafiken till kassan i vardera, slumpvis\nVariabel:        300 ms fördröjning i betalklienten, inget annat\nAvbryt om:       skillnad över 1 procentenhet i 2 minuter i följd\nFönster:         30 min under arbetstid, jourhavande förvarnad\nResultat:        hypotesen motbevisad; omförsök tredubblade anropen\n                 till leverantören och p99 passerade tidsgränsen på 1 s\nUppföljning:     en budget för omförsök per förfrågan; kör om sedan\n```\n\nDen motbevisade hypotesen är det användbara utfallet här. Svagheten hittas på\n2 % av trafiken under några minuter, med ett avbrottsvillkor som redan är\növerenskommet, och uppföljningen är en teknisk ändring i stället för en ursäkt.\n\nSjälva variabeln förs ofta in med helt vanliga verktyg. På Linux efterliknar\nnätverksemulatorn netem, som ställs in med tc, egenskaperna hos verkliga\nnätverk, bland annat fördröjning, förlust, duplicering och korruption. Till\nexempel:\n\n```sh\n# experiment 1: lägg 100 ms fördröjning på varje paket som lämnar eth0\ntc qdisc add dev eth0 root netem delay 100ms\ntc qdisc del dev eth0 root\n\n# experiment 2: släng slumpvis ett av tusen paket\ntc qdisc add dev eth0 root netem loss 0.1%\ntc qdisc del dev eth0 root\n```\n\nRaden med `del` är den viktiga, och den hör hemma i ett städsteg som körs\noavsett om experimentet gick igenom, misslyckades eller kraschade halvvägs.\nNetem tar också ett `seed`, så att slumpmässig förlust kan upprepas, och\nmanualsidan varnar för att netem måste ligga på ingången hos den mottagande\nvärden om mätresultat för TCP-prestanda ska bli realistiska.\n\nPå nivån hela maskiner visar Chaos Monkey hur försiktiga standardvärden ser ut.\nDirekt efter installationen är `enabled` false och `leashed` true, vilket\nbetyder att avslutningar bara simuleras och loggas. När verktyget slås på\narbetar det med grupper av instanser (per app, stack eller cluster), med en\ngenomsnittlig tid mellan avslutningar på två dagar per grupp och ett minimum på\nen dag, bara på arbetsdagar och bara mellan kl. 9 och 15 i den inställda\ntidszonen. Konton, regioner och stackar kan undantas, och konfigurationen har en\nplats för en outage checker som talar om för verktyget om ett avbrott pågår; de\nimplementationer som följer med gör ingenting, så den kontrollen får driften\nsjälv stå för. SRE-bokens lista över feltester i produktion är lika konkret:\nminska antalet uppgifter snabbt eller långsamt, förlora ett helt klusters\nkapacitet på en gång och låt backends svälja förfrågningar utan att svara, även\nde icke-kritiska, vars tystnad ändå kan få tjänsten som anropar dem att stanna\nupp.\n\nHär på webbplatsen är fallstudien om att [bevisa att intrångsspärren fungerar\nvid varje körning](/sv/portfolio/proved-the-intrusion-ban-works-every-run/),\nfrån september 2026, inget chaos-experiment i full mening, men den har samma\nform. Varje härdningskörning spärrar en adress ur det block som standarderna\nreserverar för dokumentation, läser tillbaka den resulterande regeln från kärnan\ni stället för att lita på tjänstens egen status och häver spärren i ett\nstädblock som körs oavsett om kontrollen gick igenom eller misslyckades.\nEftersom testadressen inte tillhör någon kan en kvarglömd spärr som överlever en\nmisslyckad körning inte stänga ute ett verkligt nätverk, och sidan är öppen med\npriset: att skriva en regel i produktion vid varje körning är ett verkligt\ningrepp i ett system i drift, godtaget eftersom alternativet redan hade visat\nsig vara sämre. [Implementeringen av säkerhetskopiering och\nåterställningstest](/sv/portfolio/backups-that-have-actually-been-restored/)\ntillämpar samma tanke på återställning i sin design: ett månatligt arbetsflöde\nåterställer en känd fil till ett tillfälligt arbetsutrymme och jämför dess byte.\nImplementeringsbeskrivningen daterad 2026-10-27 anger att timerenheterna var\ninaktiverade utan ett konfigurerat repo och redovisar ingen genomförd\nåterställning i drift. Arbetsflödet finns i kod; en lyckad återställningsövning\nåterstår som en separat leverans.\n\n## Var det går fel\n\n**Att ha sönder saker utan hypotes.** Att stänga av en slumpvis vald server och\nse vad som händer är en demonstration, inte ett experiment. Skriv ner stabilt\ntillstånd, hypotes och avbrottsvillkor först. Kan teamet inte se sitt stabila\ntillstånd på en instrumentpanel i realtid är det det första som ska åtgärdas,\noch experimentet får vänta.\n\n**Att titta på det inre i stället för utfallet.** CPU på en värd eller längden\npå en kö säger lite om huruvida användarna märkte något. Principles ber om\nmätbart utfall från hela systemet, som genomströmning, felfrekvens och\npercentiler för svarstid, eftersom det är det hypotesen handlar om.\n\n**En obegränsad sprängradie.** Principles godtar en viss kortvarig negativ\npåverkan men lägger ansvaret för att hålla följderna små och avgränsade på\ningenjören. Börja med en instans eller en liten andel av trafiken, ha ett\nnödstopp som fungerar utan verktyget som orsakade skadan och kör aldrig ett\nexperiment ovanpå en incident som redan pågår.\n\n**Att aldrig lämna stagingmiljön.** En testmiljö är ett rimligt första steg och\nett dåligt sista, eftersom trafiken, data och grannarna där inte är\nproduktionens. Gå över till en liten del av verklig trafik när experimentet har\ngått rent före produktion, i stället för att se resultaten från testmiljön som\nsvaret.\n\n**Att köra det en gång.** Ett system som klarade ett experiment i mars har\nändrats många gånger sedan dess. Principles kallar manuella experiment\narbetskrävande och i längden ohållbara, och ber om experiment som är\nautomatiserade för att köras löpande, så att förlorad motståndskraft syns samma\nvecka som den införs.\n\n**Att bara döda maskiner.** Rena krascher är det enkla fallet, eftersom något\nmärker dem. Principles nämner också fel i mjukvaran, som felformade svar, och\nhändelser som inte är fel, som en trafiktopp eller en skalning, och SRE-boken\nlägger till en backend som tar emot förfrågningar och aldrig svarar, vilket\nändå kan skada tjänsten som anropar den när förfrågningarna har långa\ntidsfrister. Prioritera variablerna efter trolig påverkan eller efter hur ofta\nde inträffar.\n\n**Fynd som inte leder någonstans.** En motbevisad hypotes är en svaghet med ett\nnamn. Ge den en ägare och en prioritet i samma ärendesystem som allt annat, och\nkör om experimentet när rättningen är ute för att bekräfta att det stabila\ntillståndet nu håller.\n\n## Läs mer\n\n- [Principles of Chaos Engineering](https://principlesofchaos.org/) —\n  definitionen, de fyra stegen i ett experiment och de fem avancerade\n  principerna, senast uppdaterad i mars 2019.\n- [Chaos Monkey](https://netflix.github.io/chaosmonkey/) — Netflix\n  dokumentation för verktyget som avslutar instanser och som kräver Spinnaker.\n- [Chaos Monkey: configuring behavior via Spinnaker](https://netflix.github.io/chaosmonkey/Configuring-behavior-via-Spinnaker/)\n  — hur ofta instanser avslutas, gruppering och undantag, med standardvärdena.\n- [Chaos Monkey: configuration file format](https://netflix.github.io/chaosmonkey/Configuration-file-format/)\n  — alla inställningar och deras standardvärden, bland annat `leashed` och\n  fönstret för arbetstid.\n- [Addressing Cascading Failures](https://sre.google/sre-book/addressing-cascading-failures/)\n  — kapitel 22 i Googles bok om Site Reliability Engineering, bland annat om\n  att testa tills något går sönder och om feltester i produktion.\n- [tc-netem(8)](https://man7.org/linux/man-pages/man8/tc-netem.8.html) —\n  Linux-manualsidan för nätverksemulatorn som används för att föra in\n  fördröjning, förlust och korruption.\n\n\u003chttps://engineer.company/sv/glossary/chaos-engineering/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Vad chaos engineering är, hur ett experiment mot ett stabilt tillstånd byggs upp, vad verktyg som Chaos Monkey och netem gör och var det går fel.","formats":{"gemtext":"https://engineer.company/sv/glossary/chaos-engineering/index.gmi","gopher":"https://engineer.company/sv/glossary/chaos-engineering/gophermap","html":"https://engineer.company/sv/glossary/chaos-engineering/","json":"https://engineer.company/sv/glossary/chaos-engineering/index.json","markdown":"https://engineer.company/sv/glossary/chaos-engineering/index.md","pdf":"https://engineer.company/sv/glossary/chaos-engineering/index.pdf"},"kind":"page","language":"sv","title":"Vad är chaos engineering?","url":"https://engineer.company/sv/glossary/chaos-engineering/","version":1}