作者背景#

Anupam Singh，印度資深 SRE 與雲端架構師，長期在大型企業（電信、金融、雲端服務）擔任 SRE 與 DevOps 工程主管，並透過技術部落格與會議分享 SRE 實務。本書 Site Reliability Engineering Handbook: A Comprehensive Practical Guide to Understanding Site Reliability Engineering from Scratch（2025，BPB Publications）是其代表著作，聚焦於把 Google 的 SRE 思想體系（Site Reliability Engineering, 2016；The Site Reliability Workbook, 2018）轉化為非 Google 規模組織可立即採用的實務指南。本書與 Google 那兩本經典之間的關係，類似 Sam Newman 的 Building Microservices 與 Netflix 內部實踐之間的關係——把矽谷大廠的稀有實踐，重新編排為一般工程組織可學習與評估的標準路徑。

完整摘要#

本書要回應的問題是：對於一支沒有 Google 規模、沒有專屬 SRE 文化基礎的工程團隊，如何從零開始建立 SRE 實務？ Singh 的答案不是「複製 Google 的做法」，而是「理解 SRE 的核心原則、選擇適合自己組織的具體做法」。

全書分十章，循「概念 → 對齊 → 實作 → 反模式 → 案例 → 最佳實踐 → 工具 → 日常 → 未來」的順序展開：

第 1 章｜超越擴充性的 SRE — 釐清 SRE 的定義、起源與核心精神。介紹 SRE 嵌入軟體開發生命週期（SDLC）各階段的方式，引入 SRE 的四大支柱：SLO/SLI、監控、緊急應變、變更管理，並闡述雲端原生（cloud-native）時代下 SRE 的關鍵角色。

第 2 章｜ SRE 與 DevOps — 處理組織內最常見的混淆：SRE 與 DevOps 的關係不是替代而是互補——「Class SRE implements DevOps」（Google 的官方表述）；DevOps 是文化哲學，SRE 是把這個哲學具體化的工程實踐。

第 3 章｜建構有效的解決方案 — SLO（Service Level Objective）、SLI（Service Level Indicator）、SLA（Service Level Agreement）的精細區別與設計步驟；錯誤預算（error budget）作為團隊速度與可靠性之間的「經濟學調節器」。

第 4–5 章｜反模式：理解與類型 — 本書的批判性章節，整理 SRE 推行常見的反模式——「SRE 等於 24x7 oncall 苦力」、「SRE 變成 ops 專屬團隊」、「SLO 變成擺設」、「告警疲勞」、「無 toil 預算」、「無事後檢討文化」、「過度依賴工具而非工程能力」等。

第 6 章｜真實世界的 SRE 範例 — 以多個產業案例（電商、金融、SaaS）展示 SRE 在不同規模、不同文化下的實作模式，重點章節包括「強健的事件管理」（Strong Incident Management）。

第 7 章｜ SRE 最佳實踐 — 從前面累積的概念中提煉可採用的最佳實踐：自動化、可觀察性（observability）、容量規劃、災難演練（DiRT）、無責文化（blameless postmortem）。

第 8 章｜ SRE 工具包 — 涵蓋事件管理、變更管理、告警與監控、發布與部署、混沌測試（chaos engineering）等工具的選型考量。Singh 強調「任何工具都該回答兩個問題：它解決哪個 SRE 痛點？導入它的長期成本是否低於不導入？」並提供 SRE 速查表（cheat sheet）整理日常工作分類。

第 9 章｜ SRE 的一日生活 — 用敘事方式呈現一位 SRE 工程師從早晨 standup、處理告警、推進專案工作、oncall 輪值、事後檢討的完整一天，用具體場景幫讀者建立 SRE 工作節奏的直覺。

第 10 章｜ SRE 的未來 — 回顧並展望——AI/ML 在 SRE 的應用（AIOps）、平台工程（platform engineering）對 SRE 的吸納、邊緣計算與 IoT 對可靠性需求的延伸。

本書的貢獻與定位#

本書的歷史地位在於 它把 SRE 從 Google 的內部專業定位為「可在任何規模組織採用的工程紀律」。在 SRE 與可靠性工程的譜系中，本書與 Google 經典三部曲（Site Reliability Engineering, 2016；The Site Reliability Workbook, 2018；Building Secure & Reliable Systems, 2020）形成「理論原典 vs. 實務手冊」的互補關係——Google 的書系針對自家系統規模的問題與解法，本書則針對中型企業可操作的部分。其獨特之處在於 以「反模式」章節作為診斷工具——在 SRE 推行五年後，多數失敗來自模式套用錯誤而非工程能力不足，本書對此提供了具體的對照清單。最適合作為 正在建立或重組 SRE 團隊的工程主管、想理解 SRE 在自己組織該如何採用的 DevOps 工程師、以及作為 SRE 認證或入職培訓教材 的實務手冊——本書篇幅中等，可作為從入門到中階的系統教科書。