故障注入学习曲线

主动了解行内现有的故障注入测试平台、工具链和流程规范，明确所在团队的技术选型。
在完成日常测试任务的同时，主动复盘实验中发现的问题，形成知识沉淀文档
监控（Prometheus/Grafana）、链路追踪（Jaeger）、日志聚合（ELK），结合行内可观测平台分析实验结果
搭建本地K8s环境（如minikube），动手实践各种故障注入场景，积累故障模式库
从简单的API故障注入入手，使用pytest+requests编写故障模拟脚本
学习Docker、Kubernetes基础、Pod/Service/Ingress故障注入，学习在K8s环境中注入Pod故障、网络延迟等
掌握至少一种混沌工程工具的使用（如ChaosBlade、Litmus或行内平台）
学习Jenkins/GitLab CI集成，将混沌实验集成到CI/CD流水线中
独立设计故障注入实验方案，掌握混沌工程方法论，能够分析实验发现的问题
安全混沌工程：学习金融行业安全渗透测试与业务融合的实践，将安全攻击场景纳入混沌实验，验证安全防御能力
智能化混沌：AI辅助实验设计、故障根因分析
LLTFI：一个扩展自 LLFI 的故障注入工具，能够将故障同时注入机器学习应用和原生代码应用中
理解代码级故障注入原理、故障类型分类（硬件、网络、应用、数据库）、注入方法（代码级、平台级）
Chaos Toolkit：Python原生混沌工程框架