Google 官方发布「Site Reliability Engineering」第二版

第一版发表于 2016 年，发布后引起了极大反响，快速成为畅销书，Google 如何 "将软件工程应用于运维" 也成为了讨论的热点；10 年后，随着 AI 的快速发展，和云环境的深入和复杂化，SRE 所面对的环境完全变了。

六大实践领域的十年演进

SLO 与错误预算
· 2016 年：基础可用性指标、手动预算策略
· 现在：用户中心的多层级 SLO、动态消耗速率（burn-rate）告警、自动化策略执行

监控可观测性
· 2016 年：静态仪表盘、手动告警分类
· 现在：OpenTelemetry、分布式追踪、自动化异常关联

自动化与平台
· 2016 年：孤立任务的自定义脚本
· 现在：声明式 IaC、内部开发者平台、自愈系统

可靠性测试
· 2016 年：定期 Game Day、合成负载
· 现在：持续韧性检查、流水线测试、生产金丝雀验证

容量管理
· 2016 年：手动配置、静态预测
· 现在：动态扩缩容、FinOps 对齐、GPU/TPU 专项优化

组织模式
· 2016 年：专职 SRE 团队绑定特定应用
· 现在：混合模式、平台工程整合、嵌入产品团队的 reliability champions

AI 与 SRE 的双向关系

SRE 支撑 AI 基础设施（AI 成为被运维对象）：
· 大规模 GPU/TPU 集群的可靠性与网络拓扑管理
· 监控 AI 系统特有的非确定性输出与延迟特征
· 保障持续的模型训练、微调、数据处理流水线

AI 作为 SRE 的力量倍增器（AI 成为运维工具）：
· 生成式 AI 辅助实时事件分类与复盘报告撰写
· 自然语言查询复杂遥测数据
· 预测性机器学习在故障发生前识别资源瓶颈

10 年间，什么没有变 ？
技术与架构十年剧变，但 SRE 的核心原则依然稳固，以可靠性为中心的文化、系统工程中 "人的要素" 仍是成功的关键。第二版专门重新强调并扩展了这一部分。它指向了一个判断：工具和架构可以快速换代，但 SRE 落地失败的组织，问题往往出在文化而非技术。

https://cloud.google.com/blog/products/devops-sre/sre-book-second-edition/