SRE 原則是否只屬於 Google？訪談多位曾任職國防、救生員、雷射視力矯正、電信、醫材、汽車、航空、製造（合成鑽石）、金融交易、核能等領域的工程師後，可以總結為四大主題：

  • 準備與災難測試
  • 事後檢討文化
  • 自動化與運維開銷
  • 結構化與理性決策

訪談對象一覽#

跨足多個高可靠度產業：

  • 國防／GPS / 慣性導航：Peter Dahl
  • 救生員：Mike Doherty
  • 雷射視力矯正（LASIK）：Erik Gross
  • 電信 / E911：Gus Hartmann、Kevin Greer
  • 手機、醫療設備、汽車：Ron Heiby
  • 軍航空、海軍 avionics、英國鐵路號誌：Adrian Hilton
  • 合成鑽石製造（Six Sigma）：Eddie Kennedy
  • 自有金融交易：John Li
  • 英國民用核能：Dan Sheridan
  • 美國海軍核能潛艇：Jeff Stevenson
  • 航管軟體：Matthew Toia

主題 1：準備與災難測試#

SRE 信條：「希望不是策略。」

年度 DiRT（Disaster and Recovery Testing） 推系統到極限，找出隱患。

其他產業的對應做法：

  • 以安全為核心：製造業每場管理會議從「安全」開始；核能、軍航、鐵路號誌有明確 SIL 1–4 等級規範
  • 重視細節：核動力潛艇——小到潤滑油保養都直接關係到大事故
  • 彈性容量（swing capacity）：電信業的 SOW（switch on wheels）——奧運或天災時可推到現場
  • 模擬與實演：航空業靠模擬器（成本高、不能用真乘客）；電信業辦颶風實演；核海軍每週 2–3 天「真的弄壞東西但有控參」；救生員「mystery shopper」式假落水演練
  • 訓練與認證：救生員定期認證 + 場域特定訓練（泳池 vs. 湖泊 vs. 海邊）
  • 詳盡需求蒐集與設計：醫材與國防——「先設計一年、再寫程式三週」
  • Defense in Depth：核能設多層失效保護，最後一層是廠房物理屏障

主題 2：事後檢討文化#

工業界稱 CAPA（Corrective and Preventative Action），與 SRE 的 blameless postmortem 同源——著重根因分析、聚焦組織學習而非究責。

各產業驅動力不同：

  • 政府監管：FCC（電信）、FAA（航空）、OSHA（製造／化工）、FDA（醫材）、各國 NCA、核能與運輸業
  • 安全考量：製造／化工每天面對高溫高壓高毒性；Alcoa 前 CEO Paul O’Neill 要求 24 小時內被告知任何受傷事件，並把家裡電話給作業員
  • Near Miss（差點出事）：化工業把「險些釀禍」當成事前事後檢討——英國的 CHIRP（Confidential Reporting Programme for Aviation and Maritime） 即匯集匿名近 miss 報告
  • 救生員：「腳一進水就有 paperwork」——必寫事件報告；嚴重事件全隊集體回顧、進行訓練、必要時帶輔導員入場處理創傷

主題 3：自動化與運維開銷#

各產業對自動化的態度不一：

信任「人」勝過機器的代表：

  • 美國核海軍：開閥需 operator + supervisor + 通話中的工程值勤官——靠「值得信任的人類決策鏈」而非自動化；擔心自動化太快無法回頭
  • 自有金融交易：Knight Capital 2012 年「軟體 glitch」幾小時虧 $440M；2010 年 Flash Crash 萬億美元蒸發 30 分鐘——產業對自動化趨於保守

信任「機器」勝過人類的代表：

  • 製造業：自動化更可靠、可重複，且效率高
  • 英國核能：30 分鐘內要回應的情境必須自動化
  • 航空：選擇性自動化——operational failover 自動，實際 ATC 系統部署仍需人工驗證
  • LASIK 雷射手術：自動化大幅減少資料輸入錯誤——
    • 自動化的合理性檢查（測量值落在預期外即警示）
    • 手術前拍虹膜，手術時自動比對 → 不會張冠李戴
    • 整類醫療錯誤從此消失

主題 4：結構化與理性決策#

SRE 的決策準則：

  • 決策基礎事前約定，不事後合理化
  • 輸入清楚
  • 假設明確說出
  • 資料優先於直覺、年資、HiPPO（Highest-Paid Person’s Opinion）

預設前提：團隊成員都把使用者利益放在心上，且能依資料判斷下一步。

各產業的決策模式：

  • 「If it ain’t broke, don’t fix it」：電信業 1980 年代的長途交換機仍在用，「子彈打不穿、大量冗餘」；核能業同樣保守——這類產業底層技術設計時投入巨大，所以非常不情願改
  • 以 playbook 與程序為主：每個可預見情境都進「the binder」——適合演進緩慢、工人技能有限的產業
  • 資料驅動的實驗文化：研究與製造做嚴格 hypothesis testing，控制實驗驗證
  • 拆分決策權：自有交易公司有獨立的 enforcement 團隊監督實時操作——出狀況先停「不交易就不會虧」，恢復也只能由 enforcement 啟動

結語#

多數 SRE 核心原則跨產業普遍適用——Google 的某些做法甚至直接受老產業啟發。

最大差別在「速度容忍度」：

  • 核能 / 航空 / 醫療：人命關天 → 保守
  • Google 軟體：可在「使用者期待高可靠」與「快速創新」之間走鋼索

SRE 用工具（如錯誤預算）作為「資助創新文化」的方法——把老產業驗證過的可靠性原則改造為適合 Google 規模、複雜度與速度的版本。

Backward 結論 結語 Forward