# 1. 混沌实验的故障注入类别（进程、网络、磁盘、时钟、状态损坏）如何按风险排序并沉淀为可复用故障库 A 所有故障注入风险相同 B 进程故障风险低、数据/状态损坏风险最高，按影响范围与可逆性排序，并沉淀为可复用故障库 ✓ 正确答案 C 状态损坏风险最低 D 故障库无需风险分级
# 2. 生产环境执行混沌实验的审批、窗口与止血自动化设计中自动回滚条件、监控阈值触发中止与人工紧急停止 A 生产实验无需审批 B 生产混沌实验需审批、选窗口，并设自动回滚、监控阈值中止与人工紧急停止三层止血 ✓ 正确答案 C 止血只靠人工 D 稳态指标与止血无关
# 3. 稳态假设如何量化并自动化校验，即 SLO/SLI 探针的设计、实验期间的实时指标对比与自动判定实验通过/失败 A 稳态假设无需量化 B 实验判定只能靠人工观察 C 把稳态量化为 SLO/SLI 探针，实验期间实时对比指标，用探针结果自动判定实验通过/失败 ✓ 正确答案 D 探针与稳态无关
# 4. 如何度量混沌工程成熟度，即实验覆盖率、已验证故障模式数、MTTR 改善、实验频率与团队参与度 A 成熟度只需看实验次数 B 可用实验覆盖率、已验证故障模式数、MTTR 改善、实验频率与团队参与度综合度量成熟度 ✓ 正确答案 C MTTR 与混沌工程无关 D 覆盖率无法衡量
# 5. 如何把混沌实验嵌入 CI/CD 作为发布门禁，即 Litmus/Argo Workflows 的集成方式与实验失败时的流水线阻断策略 A 混沌实验无法嵌入 CI/CD B 门禁失败也应继续发布 C 混沌实验可作为发布门禁，通过 Litmus/Argo 集成，实验失败时阻断流水线 ✓ 正确答案 D 发布门禁与韧性无关
# 6. 实验即代码（Experiment as Code）的版本管理与评审流程中 CRD 定义、Git 存储、代码评审与变更审批 A 实验只需手写不可管理 B 实验无需评审审批 C 实验即代码用 CRD 声明式定义、Git 存储版本，并走代码评审与变更审批 ✓ 正确答案 D 实验无法纳入 GitOps
# 7. 实验结果的可观测性中实验期间如何实时展示稳态指标、爆炸半径与受影响服务 A 实验期间无需可观测性 B 爆炸半径无法展示 C 实验期间应实时展示稳态指标、爆炸半径与受影响服务，实现监控、止血与影响评估 ✓ 正确答案 D 可观测性与实验安全无关
# 8. 混沌实验失败后的复原验证流程中如何证明系统已恢复正常、解除告警并把结论回写实验报告 A 实验结束即为完成 B 复原无需验证 C 复原需移除故障、用探针验证恢复、解除告警并把结论回写实验报告，才算完整闭环 ✓ 正确答案 D 解除告警与复原无关
# 9. 混沌实验的「游戏日」（Game Day）组织中场景设计、参与角色、观察指标与事后复盘 A Game Day 通过场景设计、参与角色、观察指标与事后复盘组织混沌演练，驱动改进 ✓ 正确答案 B Game Day 无需场景设计 C Game Day 无需复盘 D Game Day 观察指标与系统韧性无关
# 10. 混沌实验的编排中场景、调度与范围如何设计？ A 混沌实验只能单个执行 B 调度与常态化无关 C 编排无法控制范围 D 编排是场景（组合故障）、调度（时机频率）与范围（风险控制）的组织，实现场景化常态化验证 ✓ 正确答案
# 11. 混沌工程与 SLO 的联动中实验导致的错误预算消耗如何计入以及实验失败是否影响 SLO 考核 A 实验消耗应全部计入 SLO 考核 B 混沌实验无法验证 SLO C 实验失败应惩罚发起人 D 实验窗口应从 SLO 统计中排除，实验失败作为改进信号而非考核惩罚，实现良性互动 ✓ 正确答案
# 12. 混沌工程的合规与审计中实验记录、审批留痕与多团队执行边界如何在平台层落地 A 平台层应用实验记录、审批留痕、RBAC 边界与审计日志实现混沌工程的合规与审计 ✓ 正确答案 B 混沌实验无需合规 C 多团队执行边界无需控制 D 审计日志无需保留
# 13. 混沌与演练的常态化中如何纳入 CI/CD？ A 混沌实验应保持偶发 B 常态化无需控制成本 C 混沌常态化通过发布门禁、定期巡检与变更驱动纳入 CI/CD，但需按环境分层平衡成本与风险 ✓ 正确答案 D 混沌实验不能纳入流水线
# 14. 混沌实验的爆炸半径与审批？ A 爆炸半径与审批无关 B 爆炸半径无法控制 C 所有实验都需严格审批 D 爆炸半径越大、风险越高、审批越严，通过限定目标与参数控制爆炸半径并分级审批 ✓ 正确答案
# 15. 混沌实验的自动化回归中把已验证的故障模式固化为定期巡检以防止系统演进后旧故障复发 A 已验证的故障模式无需再验证 B 把已验证的故障模式固化为定期巡检，重跑实验防止系统演进后旧故障复发 ✓ 正确答案 C 回归只能靠真实事故发现 D 系统演进不会影响韧性
# 16. 混沌工程平台选型中 LitmusChaos、Chaos Mesh、Gremlin、AWS FIS、Azure Chaos Studio 的适用场景对比 A K8s 环境可用开源 Litmus/Chaos Mesh，跨环境用商业 Gremlin，云环境用 AWS FIS/Azure Chaos Studio ✓ 正确答案 B 所有平台适用场景完全相同 C 云厂商平台只能用于 K8s D 开源平台与商业平台功能完全一致
# 17. 混沌平台中 Chaos Mesh 与 Litmus 的对比？ A 两者完全一样 B Chaos Mesh 故障类型更丰富且可视化强，Litmus 分层清晰且 CI/CD 与 GitOps 集成好 ✓ 正确答案 C Litmus 故障类型更丰富 D 两者都无法集成 CI/CD
# 18. 混沌结果的度量中恢复时间与影响如何评估？ A 混沌结果无法度量 B 恢复时间与韧性无关 C 混沌结果度量核心是恢复时间（自愈能力）与影响（爆炸半径与稳态偏离），用基线到恢复的时间线量化 ✓ 正确答案 D 影响无需量化
# 19. 稳态指标的设定中如何验证系统自愈？ A 稳态指标与自愈无关 B 稳态指标只影响延迟 C 自愈无需指标验证 D 稳态指标设定「可量化、反映健康」的指标与基线，通过「偏离 → 恢复 → 回基线」验证系统自愈 ✓ 正确答案
