谷歌 SRE 圣经被迫重写：AI 时代，硬技能在塌陷，第一性原理在升值

亚博体育关注到以下体育动态：

编译｜林绮蓓 策划｜Tina 2016 年，一本蓝色封面的书砸进了整个技术行业，把“运维”这两个字从地下室拽进了工程学科的殿堂。

在它之前，运维在大多数组织里是一个成本中心，是一群被凌晨告警叫醒的人，是开发团队眼中“拖慢发布速度的那帮人”，是一门靠师傅带徒弟、靠口口相传、靠个人英雄主义在机房里临场发挥的手艺。

系统出了故障，运维的默认答案就是：“加人、加班、加流程”。

第一版《SRE》做的第一件事，就是用一套冷峻的工程语言，正式宣告了传统运维时代的终结。

它向全行业抛出了一个不可辩驳的等式：SRE 等于用软件工程师的标准来设计运维团队。

《SRE》这本书将日常运维的时间被硬性封顶在 50%，剩下的必须投入工程工作。

这揭示了运维（Ops）的本质是一个软件工程问题，不该靠加人来扛故障，而应该靠写代码来消灭故障。

从这本书出版那天起，SRE 不再只是一个谷歌内部的岗位名称，它成了一个新学科的名字，催生了全球范围内这一全新岗位的普及，重塑了无数科技公司的组织架构和招聘标准。

这本书不仅让 SRE 走向更广泛的技术行业，更给整个行业发放了一套通用的“工程语言”和黄金法则。

在该书出版之前，DevOps 运动已经喊了七年“要协作、要自动化、要拥抱失败”，但就像是一面插在散沙上的旗帜，它告诉你“要协作”，却没有告诉你凌晨三点告警响了谁看；

它告诉你“要拥抱失败”，却没告诉你失败到什么频率才算正常。

第一版《SRE》给这套哲学浇了钢筋混凝土。

微软官方文档后来用一句话精准总结了这种关系：“SRE 类实现 DevOps 接口。

” 更重要的是，它将 Google 多年积累的 SLI、SLO、错误预算、toil 管理和无责事后复盘等工程实践系统化地介绍给外界，为不同组织讨论系统可靠性提供了相对统一的概念和方法。

例如，错误预算彻底改变了“追求 100% 绝对稳定”的错误执念，用数学量化了“系统稳定性”与“业务迭代速度”之间的博弈，解决了开发与运维之间长达数十年的矛盾。

在任何一家公司的可靠性评审会上听到的“这个季度的错误预算还剩多少”，这句话的源头就藏在这本书里。

它不仅仅是被阅读，还被翻译、被拆解、被贩卖、被模仿。

出版几个月后，该书其中的一位作者 Niall 在都柏林办公室被一家咨询公司的六个人堵住，他们拿着文件夹，花了一个小时逐条盘问书中细节，准备包装成咨询服务卖给客户。

Forrester 甚至发文《SRE 一书中可以立即应用到你组织的 19 个要点》。

一本谷歌内部手册，在不到一年里变成了全球咨询业的商品目录。

这就是“黄金法则”的实际含义：它成了别人拿来卖钱、拿来照抄、拿来当标准的东西。

此外，它更是直接推动了云原生与 DevOps 生态的爆发。

这本书出版的时间点，恰好撞上了整个行业的基础设施大迁移。

企业数字业务规模急剧扩张，IT 从“地下室里的事情”变成业务的关键组成部分，系统停机开始实实在在地烧钱。

Kubernetes 在 2015 年发布 1.

0，CNCF 在同年成立，云原生运动正在寻找自己的方法论。

《SRE》给了这场运动一套可执行的可靠性框架：平台工程、可观测性、SLO 驱动的发布决策，这些后来云原生生态里的核心议题，都能在这本书里找到最初的语言。

它和 DevOps、云原生并非三个孤立的故事，更像是同一场运动的三层：DevOps 提供文化，云原生提供基础设施，SRE 提供在那些基础设施上把可靠性当成工程问题来管理的操作手册。

没有这本手册，云原生的爆发会少一根关键的承重梁。

可以说，第一版不仅是一本书，它是现代互联网运维的“开山鼻祖”和“范式转移之作”。

但十年后，这本书被它的作者们亲手推翻了。

不是修订，而是重写。

今年 10 月，谷歌发布了该书的第二版。

作者团队明确表示，第一版已经过时了。

过时的原因远比“技术栈更新”更麻烦：第一版默认的那个世界——工程师亲手触碰代码、亲手调试基础设施、在故障现场用肌肉记忆做判断的世界——正在被两层力量同时侵蚀。

第一层是基础设施与平台工程的全面重构。

第一版描述的是“每个团队自己搭建、运行基础设施”的时代。

十年后，大量运维工作被下沉到平台层，内部开发者平台接管了 provisioning、部署、可观测性配置。

静态仪表盘和手动查日志被 OpenTelemetry 和分布式追踪取代，根因定位从“人肉 grep”变成系统自动推送；

第一版教的“写脚本消灭 Toil”，变成了声明式基础设施和自愈系统，故障发生后，系统自己往回拉，不需要等人醒来敲命令。

SRE 不再亲手碰那些东西，他们变成了平台的消费者和设计者。

第二层是 AI 的双向重塑 。

谷歌官方把 SRE 与 AI 的关系拆成两个方向： “为 AI 做 SRE”： AI 系统本身正在给可靠性工程带来新的挑战，大规模 GPU 和 TPU 集群的可靠性、网络拓扑的复杂性、

更多体育热点，关注亚博体育。