如何验证启用区域冗余的Azure App Service Plan的容灾能力是否正常

前置检查项 #

• 确认当前App Service Plan已开启区域冗余：可在Azure门户的App Service Plan「属性」页查看「区域冗余」状态为已启用，当前配置3实例符合区域冗余最低实例要求
• 确认Plan下所有Web App已完成全量配置/代码同步，Zone2、Zone3中的实例已部署最新的可运行版本

测试1：Zone1故障场景下平台弹性恢复逻辑验证 #

本测试模拟可用区1完全故障场景，验证Azure平台原生故障转移的处理逻辑

• 操作步骤：
  1. 执行az appservice plan show --name <你的计划名称> --resource-group <资源组名称> --query "properties.zoneRedundant, properties.maximumElasticWorkerCount"命令，结合门户的「实例规模」页，记录当前属于Zone1的实例ID
  2. 提交Azure支持工单，申请临时隔离指定的Zone1实例模拟故障，请勿手动删除/停止实例，否则无法触发平台原生故障转移逻辑
  3. 以1分钟为粒度持续监控三个核心指标：Web应用总请求成功率、平均响应延迟、实例可用区分布变化，监控周期不小于30分钟
• 验证标准：
  1. 平台在1~3分钟内自动识别Zone1故障实例，停止向其转发业务流量
  2. 平台自动在Zone2、Zone3中调度新的实例，最终恢复3个健康实例的配置
  3. 故障转移期间业务请求成功率不低于99.9%，无持续性业务中断

测试2：Zone1实例下线后Zone2/3应用可用性验证 #

本测试验证Zone1不可用后，其余可用区副本的独立服务能力

• 操作步骤：
  1. 提前调整Web应用的流量路由规则，临时仅向Zone2、Zone3的实例转发流量，避免测试操作影响业务
  2. 在App Service Plan的「实例」管理页，手动停止属于Zone1的对应实例
  3. 分别通过公网、内网地址访问所有部署的Web应用，验证页面访问、接口调用、数据读写、后台任务等全量业务功能
  4. 测试完成后启动Zone1实例，回滚流量路由规则恢复原有配置
• 验证标准：
  1. 所有Web应用功能均正常运行，无访问报错、数据异常问题
  2. Zone2、Zone3的实例自动负载均衡接管原Zone1的流量，无实例过载、请求超时问题

测试注意事项 #

• 所有测试操作建议在业务低峰期开展，测试前完成全量业务数据备份
• 模拟可用区故障必须在Azure支持团队配合下完成，自行操作删除/停止实例无法还原真实故障场景的平台处理逻辑

内容的提问来源于stack exchange，提问作者Dashing