随着互联网技术的发展,金融领域开始走向互联网化[1]。金融是一个和资金往来有着密切联系的行业,因此在金融互联网化的过程中,面临着诸多资金安全问题。同时,随着用户量的激增,系统的数量越来越多、复杂程度越来越高,系统之间的调用关系也逐渐复杂,一个环节的调用失败就可能引起一连串的雪崩问题[2]。因此,系统的稳定性建设问题亟待处理。基于上述现状,基于混沌工程理论来构建演练系统逐渐成为一种主流的解决方案[3]。混沌工程的核心理论致力于在系统异常行为被触发之前,尽可能多地识别风险。然后,针对性地进行加固、防范,从而避免故障发生时所带来的严重后果。基于该理论开发出的红蓝攻防演练系统,通过模拟流量等方式,模拟各种故障场景对业务系统进行攻击[4],及早发现系统中潜在的风险并加以解决,最终提高系统的稳定性,保障用户资金安全。笔者在项目开发过程中,参与了红蓝攻防演练系统的需求分析、概要设计、详细设计与实现、测试工作。在需求分析阶段,通过调研了解用户对于系统的诉求,梳理出存在的三个问题:演练流程不规范、线上演练风险高、后续运营机制不完善。基于此,确立了项目的总体目标,并根据用户需求将平台划分为方案模块、任务模块、故障模块、风险管理模块,绘制了相关模块的系统用例图。方案模块用于规范演练流程,任务模块用于降低演练风险,风险模块用于完善运营机制。在概要设计中,笔者设计了平台的总体架构,绘制平台架构图、功能模块图、数据库E-R图。在详细设计阶段,笔者基于Java语言,采用微服务架构,使用Thrift作为通讯框架,底层存储为My SQL,Redis作为缓存数据库,Kafka作为发布订阅消息系统设计并开发了系统各个模块。针对方案模块,通过整合故障依赖平台、监控告警平台、压测平台等资源,标准化演练方案,解决了演练流程不规范问题,降低了业务上重复设计演练方案的成本。针对任务模块,平台采用Gravity流程引擎设计一套规范化的演练流程,用户只需要配置关键信息即可开启演练,流程设计规范了演练的各项步骤以及配置指标,负责实时监控演练任务的运行状态,实时监控演练过程系统的稳定性,保证线上演练的安全,实现演练过程风险可控的目标[5]。针对风险模块,定义了一套演练规则和风险指标,通过采集各个业务系统的相关数据指标、事件变更历史,实现自动发现风险的目标。目前该系统已经完成了方案、任务、故障、风险模块的设计和开发、测试、上线工作,系统提供故障、人员、机器重启三种类型的演练。平台上线后,给业务方带来了很大的便利,该平台规范了演练全流程、实时保障线上演练的安全,做到演练过程风险可控。同时,演练后完善的演练运营能力,帮助业务解决故障演练过程中的各种问题,提升演练安全、降低演练成本。目前已经实现了常态化演练,每日通过定时任务,定期开展演练。