Azure

Azure Chaos Studio

Allgemeine Infos

Azure Chaos Studio erzeugt gezielte Störungen in Azure-Ressourcen, etwa CPU- oder Speicherdruck auf VMs, abgeschaltete VMs, Netzwerkunterbrechungen, Datenbank-Failover, geleerte Redis-Caches oder den Ausfall einer Verfügbarkeitszone. So prüfst Du vor dem Ernstfall, ob Hochverfügbarkeit, Failover, Alarmierung und Notfallhandbücher funktionieren.

Chaos Studio befindet sich im Umbau: Das neue Modell aus Workspaces und Scenarios ist in Public Preview (ohne SLA, nicht für Produktion gedacht). Ein Workspace verbindet sich mit einem Abonnement, einer Ressourcengruppe oder einer Service Group, erkennt Ressourcen und schlägt vorkonfigurierte Szenarien wie Compute Zone Down oder DNS Outage vor. Das bisherige Modell Experiments (classic) ist allgemein verfügbar, erhält aber keine neuen Funktionen mehr, nur noch kritische Korrekturen.

Typische Anlässe sind Game Days, die Reproduktion von Störungen, Resilienz-Gates in CI/CD und Nachweise für Business Continuity, etwa im Rahmen von DORA oder NIS2. Abgrenzung: Azure Load Testing prüft das Verhalten unter Last, Chaos Studio das Verhalten bei Fehlern, beides lässt sich kombinieren.

Funktionsweise & Details

Im Modell Experiments (classic) gibt es zwei Fehlerarten:

  1. Service-direct: Der Fehler wirkt über die Management-API auf die Ressource, ohne Agent, etwa VM herunterfahren, SQL-Failover auslösen, Redis-Cache leeren.
  2. Agent-based: Ein Agent in der VM oder im Scale Set erzeugt Fehler im Gastsystem, etwa CPU- oder Speicherdruck oder beendete Prozesse.
  3. Ein Experiment besteht aus Steps (nacheinander), Branches (parallel innerhalb eines Steps) und Actions (Fehler oder Wartezeit).
  4. Ressourcen müssen als Ziel aktiviert werden, die Identität des Experiments oder Workspaces braucht passende Rechte auf die Ziele, das begrenzt die Reichweite.
  5. Im Workspace-Modell stellt Chaos Studio die Aktionen eines Scenarios selbst zusammen, führt sie aus und erstellt einen Scenario-Bericht, der mit dem Anwendungsmonitoring ausgewertet wird.

Ein KI-Plugin (startchaos) für GitHub Copilot CLI und als MCP-Server korreliert nach einem Lauf Metriken, Logs und Aktivitätsprotokoll mit den betroffenen Ressourcen.

Vorteile & Nutzen

  • Resilienz belegen statt annehmen: Ein simulierter Zonenausfall zeigt, ob das Failover wirklich greift.
  • Kontrollierte Wirkung: Ziele, Rechte und Dauer begrenzen die Störung auf das, was getestet werden soll.
  • Lernen vor dem Ernstfall: Teams üben Alarmierung und Wiederanlauf unter realistischen Bedingungen.
  • Nachweise für Audits: Dokumentierte Experimente stützen Business-Continuity- und NIS2-Nachweise.
  • Automatisierbar: Experimente lassen sich in Pipelines als Resilienztest vor Releases ausführen.

Praxisbeispiel

Ein Finanzdienstleister für Leasingverträge mit 200 Mitarbeitenden betreibt sein Kundenportal zonenredundant in Germany West Central. Für den jährlichen Notfalltest plant die IT einen Game Day: Chaos Studio fährt in der Staging-Umgebung alle VMs einer Zone herunter und löst einen Failover der Azure-SQL-Datenbank aus. Das Team beobachtet, dass das Portal weiterläuft, eine Hintergrundverarbeitung aber hängen bleibt, weil sie eine feste IP erwartet. Der Fehler wird behoben, und der Test geht als Nachweis in die Business-Continuity-Dokumentation ein.

Worauf sollte man achten?

  • Starte in Testumgebungen und gehe erst mit eingespielten Abläufen und Freigabe in die Produktion.
  • Vergib der Experiment- bzw. Workspace-Identität nur Rechte auf die gewünschten Ziele.
  • Lege Abbruchkriterien und einen Rückfallplan fest und informiere Betrieb und Fachbereiche vorab.
  • Nutze Workspaces und Scenarios bis zur allgemeinen Verfügbarkeit nicht für produktionskritische Nachweise, sondern Experiments (classic).
  • Werte jedes Experiment mit Monitoring aus und dokumentiere Befunde und Maßnahmen.

Lizenz & Verfügbarkeit

Verbrauchsabrechnung pro Aktionsminute, also für die Dauer, in der Aktionen eines Experiments laufen. Zusätzlich können Kosten in anderen Diensten entstehen, etwa wenn Autoscaling neue Ressourcen startet. Workspaces und Scenarios sind Public Preview. Stand: Oktober 2026.

Fazit

Chaos Studio macht Ausfallsicherheit prüfbar und liefert Nachweise für Notfallkonzepte. Starte mit klar begrenzten Experimenten in der Testumgebung.

Weiterführende Links

Verwandte Artikel