如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
ghcr.io/chaosblade-io/chaosblade-tool-arm64 是 ChaosBlade 混沌工程工具的 ARM64 架构容器镜像。ChaosBlade 是一款开源混沌工程工具,核心目标是通过模拟各类故障场景,帮助开发者和运维团队测试系统在异常情况下的稳定性与韧性,提前发现潜在问题。而这个镜像专门针对 ARM64 架构优化,适配基于 ARM 芯片的硬件环境,填补了混沌测试工具在 ARM 平台的适配空白。
该镜像的核心价值在于支持 ARM64 架构设备的混沌测试需求。随着 ARM 架构在云服务器、边缘计算节点、嵌入式设备等场景的普及(比如 AWS Graviton、阿里云倚天实例、边缘网关、物联网终端等),传统 x86 架构的测试工具已无法满足需求。此镜像可直接运行在 ARM64 硬件或虚拟化环境中,无需额外编译适配,降低了 ARM 平台混沌测试的门槛。
功能上,它延续了 ChaosBlade 的全场景故障注入能力,覆盖基础设施层到应用层:基础设施层支持模拟 CPU 高负载、内存泄漏、磁盘 I/O 阻塞、网络延迟/丢包/分区等故障;应用层可注入进程崩溃、线程挂起、服务调用超时、数据库连接中断等问题。用户通过简单的命令行参数即可定义故障类型、影响范围和持续时间,例如 blade create cpu load --cpu-percent 80 --duration 60s 即可模拟 CPU 80% 负载持续 60 秒。
适用场景广泛:在 ARM 服务器集群中,可测试分布式系统在节点资源耗尽时的负载均衡与故障转移能力;在边缘节点,能模拟弱网、断网或硬件资源(如内存/存储)受限场景,验证边缘应用的降级与恢复机制;对物联网设备,可注入传感器数据异常、本地服务中断等故障,评估终端设备的容错与重连能力。
此外,该镜像采用容器化设计,支持 Docker、Kubernetes 等环境快速部署,可直接集成到 CI/CD 流程中实现自动化混沌测试。同时保持与 ChaosBlade 生态的兼容性,可结合 ChaosBlade-Operator 在 Kubernetes 集群中管理故障,或通过 ChaosBlade-Box 可视化平台配置故障场景,兼顾易用性与扩展性。对于需要在 ARM64 架构下验证系统稳定性的团队来说,这是一款轻量、高效且贴合场景的工具选择。
来自真实用户的反馈,见证轩辕镜像的优质服务