El simulador permite a las empresas realizar experimentos de caos controlado en cargas de trabajo de AWS. AWS presentó el Fault Injection Simulator en el que se puede controlar y administrar todo.
Utilizados principalmente en la ingeniería del caos, los experimentos de inyección de fallas someten las aplicaciones a un estrés repentino. Esto permite a los equipos de ingeniería observar cómo responden los sistemas e implementar mejoras en consecuencia.
Según AWS, su nuevo Simulador de inyección de fallas facilita a los equipos monitorear e inspeccionar puntos ciegos. También cuellos de botella en el rendimiento y otras vulneranibilidades desconocidas no identificadas por las pruebas convencionales.
AWS presentó el Fault Injection Simulator en el que se puede controlar y administrar todo
La herramienta viene con plantillas de experimentos preconstruidas que permiten a los equipos afectar el rendimiento de distintas aplicaciones en un entorno de producción de manera gradual o simultánea. Para mayor comodidad, el simulador también proporciona controles para que los equipos puedan retroceder o detener automáticamente el experimento cuando se cumplan las condiciones específicas.
Además, el simulador permite a los equipos crear experimentos disruptivos en una variedad de servicios de AWS. Esto incluye Amazon EC2, Amazon EKS, Amazon ECS y Amazon RDS. Los equipos también pueden ejecutar “escenarios de GameDay o realizar pruebas de estrés de sus aplicaciones más críticas en AWS a escala”, dijo AWS.
Para obtener los mejores resultados, AWS recomienda que las empresas integren su simulador en su canal de entrega continua. La integración firme permitirá a los equipos monitorear y descubrir vulnerabilidades de producción constantemente, mejorando el rendimiento, la observabilidad y la resistencia de las aplicaciones.
“AWS Fault Injection Simulator tiene un nivel profundo de inyección de fallas que nos permitirá crear escenarios de fallas que reflejen con mayor precisión los eventos del mundo real. Con esta capacidad, esperamos tener una perspectiva aún mejor sobre el tiempo esperado de recuperación durante eventos reales».
