在ECS中通過CPU利用率高演練來測試服務在CPU利用率高時的表現 - Elastic Compute Service

CPU利用率是衡量業務系統是否健康的一個重要指標，為使業務達到足夠的穩定性，CPU利用率需保持在合理的範圍內。過高的CPU利用率會導致業務延遲甚至中斷。通過注入高CPU故障，可以測試業務系統在特定CPU負載時的反應、檢測系統復原能力、驗證監控和警示機制的有效性等，並基於演練結果制定應對策略，確保生產環境高CPU利用率時系統能夠迅速恢複正常運行，降低業務中斷風險。

實現原理

本方案使用雲助手外掛程式ecs-fault-highcpu，啟動注入進程AliFaultHighCpu以特定占空比消耗CPU時間片。

使用指南

演練準備

請確保您的ECS執行個體已安裝雲助手Agent，並且雲助手狀態為正常。具體操作，請參見查看雲助手狀態及異常狀態處理。

故障注入

使用具有sudo存取權限的使用者，運行雲助手外掛程式ecs-fault-highcpu。
```
sudo acs-plugin-manager --exec --plugin ecs-fault-highcpu --params inject,[cpu-percent=paramA],[cpu-list=paramB]
```
[]內為可選故障注入參數，參數說明：
- cpu-percent（可選）：要達到的CPU利用率，為空白時預設100。
  說明
  cpu-percent為注入進程的CPU利用率，總CPU利用率還會受到其他進程的影響。
- cpu-list（可選）：用於對特定vCPU綁定負載，如cpu-list=0-2/4表示對core 0、core 1、core 2和core 4綁定CPU負載，為空白時對全部vCPU綁定負載。
查看故障注入是否成功。
- 在ECS執行個體中，執行top命令，CPU利用率上升，說明故障注入成功。其中核心態（sy）和使用者態（us）之和約等於設定的CPU利用率。
- 在CloudMonitor監控圖表中，注入後CPU利用率上升，說明故障注入成功。

故障恢複

您可以使用以下方式，恢複ECS執行個體狀態。

方法一（推薦）：在ECS執行個體中執行故障恢複命令，查看CPU利用率是否下降到故障注入前的水平。
```
sudo acs-plugin-manager --exec --plugin ecs-fault-highcpu --params recover
```
如下所示，CPU利用率已下降到故障注入前的水平，系統已恢複正常。
方法二：自行終止名為AliFaultHighCpu的進程。
為不影響後續重複對該情境故障注入，終止AliFaultHighCpu進程後，再次執行方法一的故障恢複命令。
```
sudo kill <AliFaultHighCpu PID>
```