Google SRE 副總裁 Benjamin Lutch 的結語。
從 1990 年代 Excite 的「Software Operations」（一種原始版 SRE），到 2006 年加入 Google 時的數百位 SRE，到今天上千人跨十多個地點——SRE 規模成長飛快，且持續支撐世界最有趣的運算基建。
SRE 成功的核心#
SRE 把工程師的時間平均切到兩種同樣重要的工作：
- On-Call：親手觀察系統如何運作與如何壞掉
- 反思與打造：用程式碼把運維經驗封裝為解決方案，再交付給其他 SRE 與整個 Google（甚至外部，像 Google Cloud）使用
換言之，SRE 同時是飛行員與工程師／設計師。
一致與演進#
兩種同時發生的動態：
- 責任本質一致：規模放大 1,000 倍，系統仍要可靠、靈活、急難可管理、可監控、容量充足
- 手段隨能力演進：從「為 20 台機器建儀表板」演進成「跨數萬台機器自動發現、自動建儀表板與告警」
Ben Treynor Sloss 在本書引言提出的責任清單——十年後依然準確。好的基礎是「一般到可立即套用、但又能撐過未來」的公理組合。
飛機產業的類比#
100 年前要兩座城市之間飛：
- 一具引擎（運氣好兩具）、少量行李、一位飛行員（兼機械師、裝卸工）
- 任何系統失效都可能是災難——甚至需要飛行員爬出座艙做空中維修
100 年後的 747：
- 數百位乘客、雙層機艙、上噸貨物
- 滿滿可靠且冗餘的系統
- 全球 6,000 英里精準飛抵、誤差以分鐘計
- 看一眼駕駛艙——還是只有兩位飛行員
為什麼安全、容量、速度、可靠性全部 scale up，但駕駛員仍是兩位？
答案是：駕駛艙的介面被精心設計，正常操作可學、緊急應變強韌且快速。背後的系統具備：
- 可用度
- 效能最佳化
- 變更管理
- 監控與告警
- 容量規劃
- 緊急應變
——本書討論過的所有要素。
SRE 的願景#
SRE 團隊應盡可能精簡並在高抽象層次運作——依靠大量備援系統作為 failsafe、用深思熟慮的 API 與系統溝通。
同時，SRE 對系統運作、失敗模式、應變方式了如指掌——這份知識來自日復一日的真實運維。
像 747 的駕駛艙一樣——簡單卻足夠靈活，背後是極為複雜但設計良好的工程體系。