LitmusChaos项目中EC2实例按标签停止故障注入问题分析

问题背景

在云原生混沌工程平台LitmusChaos中，AWS EC2实例的故障注入是一个重要功能。其中，通过标签选择EC2实例并停止的故障注入（ec2-stop-by-tag）是常用的测试场景之一。然而，在使用Litmus Helm v3.9.0版本时，用户发现该功能无法正常工作，系统提示"failed to get the instance tag"错误，即使正确配置了EC2实例标签参数。

问题现象

当用户执行ec2-stop-by-tag实验时，系统返回以下错误信息：

Fault Summary:
TARGET_SELECTION_ERROR
{"errorCode":"TARGET_SELECTION_ERROR","phase":"PreChaos","reason":"failed to get the instance tag, invalid instance tag","target":"{EC2 Instance Tag: , Region: ap-northeast-2}"}

从错误信息可以看出，系统在预处理阶段无法获取有效的EC2实例标签，导致目标选择失败。值得注意的是，虽然用户正确配置了EC2_INSTANCE_TAG参数（如"stack:test"），但实际运行时该参数被传递为空字符串。

问题排查

通过对相关代码的分析，发现问题出在环境变量命名不一致上。在LitmusChaos的代码实现中：

1. 故障配置文件中定义了EC2_INSTANCE_TAG参数
2. 但在实际执行时，代码期望的是另一个变量名
3. 这导致运行时无法正确获取用户配置的标签值
4. GetInstanceList方法接收到空字符串作为instanceTag参数

有趣的是，同项目中类似的基于标签的故障注入（如ebs-loss-by-tag）功能正常工作，这表明问题特定于ec2-stop-by-tag实现。

解决方案

针对这个问题，有两种可能的解决思路：

1. 修改故障配置文件：统一使用代码中期望的变量名
2. 修改代码实现：使其使用标准的EC2_INSTANCE_TAG参数名

从工程实践角度考虑，第二种方案更为合理，原因包括：

• 保持参数命名一致性，符合项目规范
• 减少用户配置时的困惑
• 便于后续维护和功能扩展

技术实现细节

在具体实现上，需要修改AWS EC2操作相关的Go代码，确保：

1. 正确地从环境变量中读取EC2_INSTANCE_TAG值
2. 在GetInstanceList方法调用前验证标签值有效性
3. 添加适当的错误处理逻辑
4. 保持与项目其他类似功能的一致性

验证与测试

修复后需要进行全面的测试验证：

1. 基础功能测试：验证能正确停止带指定标签的EC2实例
2. 边界测试：测试空标签、特殊字符标签等情况
3. 兼容性测试：确保不影响其他EC2相关故障注入功能
4. 回归测试：确认ebs-loss-by-tag等功能仍正常工作

总结

这个问题展示了在复杂系统中环境变量管理的重要性。通过这次修复，不仅解决了特定功能的问题，还提升了LitmusChaos项目中AWS相关功能的一致性和可靠性。对于用户而言，修复后将能够更可靠地使用标签来选择和停止EC2实例，进行有效的混沌工程实验。