谷歌 SRE 圣经宣布重写:AI 介入运维,确定性根基被动摇

2016 年定义现代运维的谷歌《SRE》一书,其作者团队在 2026 年 10 月推出第二版并明确表示第一版已过时,原因是平台工程和 AI 同时改变了 SRE 的工作方式,而原书赖以成立的“人工操作、确定性系统”前提正在消失。

一句话看懂:2016 年定义现代运维的谷歌《SRE》一书,其作者团队在 2026 年 10 月推出第二版并明确表示第一版已过时,原因是平台工程和 AI 同时改变了 SRE 的工作方式,而原书赖以成立的“人工操作、确定性系统”前提正在消失。

事件核心:发生了什么

2016 年出版的第一版《SRE》把运维从成本中心推向工程学科,系统化了 SLI/SLO、错误预算、toil 管理和无责复盘等实践,并成为云原生运动的重要方法论支撑。十年后,作者 Niall Richard Murphy、Christof Leng、David Huska 等参与重写第二版,明确承认第一版默认的世界已不成立。目前公开信息显示,变化来自两层:一是平台工程把 provisioning、部署、可观测性配置下沉到内部开发者平台,SRE 从亲手操作变为平台消费者和设计者;二是 AI 双向重塑,既要“为 AI 做 SRE”,应对 GPU/TPU 集群可靠性和模型非确定性输出,也开始“用 AI 做 SRE”,例如 Google SRE 团队已用 Gemini CLI 处理真实故障。Komodor CTO 称约 30% 案例可由 Agent 独立解决。

为什么重要

这不是一次普通的技术书修订。第一版 SRE 的方法论建立在系统行为可度量、可预测、可人工控制的前提上,而 AI 系统的代码并不按确定性规则运行。Niall 在播客中提到,LLM 幻觉下准确率 99.9% 还是 99.5% 后果差别巨大。这意味着错误预算、SLO 等黄金法则需要重新解释。第二版还引入 Spotify、Microsoft、Etsy、Disney、Waymo 的实践视角,说明 SRE 正从“谷歌怎么做”转向“在不同环境中什么仍然成立”。

对用户/开发者/创作者的影响

对开发者和平台工程师来说,会写脚本、手动排查日志的价值在下降,理解平台设计、可观测性体系和 AI 系统边界变得更关键。对负责生产可靠性的团队,需要开始回答两个新问题:模型输出的质量如何计入可靠性指标;当 Agent 接管部分故障判断后,人类如何保留对系统的真实体感。作者 Betsy 仍建议新人从第一版读起,但第二版和配套播客更适合已经在岗位上、需要面对 AI 介入的从业者。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是第二版中针对 AI 系统可靠性的具体方法能否落地为可复用指标;二是 Gemini CLI 等 Agent 在真实故障处理中的采用范围和边界是否会公开更多细节;三是其他云厂商和平台工程团队是否跟进调整 SRE 岗位定义与招聘标准。

来源:InfoQ CN

celebrityanime
celebrityanime
文章: 36045

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注