《網站可靠性工程》曾在業界引爆一陣探討現代生產服務運行的意義，以及為何可靠性考量是服務設計的基礎的熱潮。現在，這本熱銷書的原班人馬，再度推出了一本實戰手冊。以具體的案例，說明如何將SRE的原則與操練，應用在實際的工作環境。

本書不只結合了Google的實用經驗，也涵蓋了Google雲端平台（GCP）客戶的個案研究，包括Evernote、家得寶（Home Depot）、紐約時報等公司在實務上的成敗經驗。

無論您的公司規模大小，研讀本書都能讓您的SRE實踐更加得心應手。

透過本書，您可以了解：
．如何在你無法完全掌控的環境（如雲端）運維可靠服務
．如何以服務水準目標(SLO)建立、監控並運維服務的實務
．如何把現有的運維團隊轉變成SRE團隊，同時擺脫運維過載夢魘
．從零開始或半路出家的SRE實踐方法

---

名人推薦

「本書都是實際的案例，告訴你如何專注在使用者與工程師間，以及技術與工具間的互動，來優化可靠性，又不拖累開發步調。內容引人入勝、饒富趣味、看過《網站可靠性工程》，也不能錯過這一本」，Casey Rosenthal, Backplane技術長

「這本書補上了《網站可靠性工程》欠缺的部分。前一本書說明他們做了什麼，但你未必能夠套用這些案例的解法。本書不只示範了他們怎麼做，並為你設身處地，量身打造屬於你的做法。」，David N. Blank-Edelman,全球SRE大會的共同發起人

「這本實用又切中實務的指南，引導實行SRE，讓大大小小公司的工程師們，都能獲益匪淺。他們分享的細節鉅細靡遺，令我印象深刻，有這樣一本實務經驗分享的書，真是太好了。你可以運用這本書，馬上躬行實踐SRE，打造更可靠的系統。」，Tammy Bütow, Gremlin首席可靠性工程師

「讓SRE演變成大規模運維之必要實踐的幕後推手Google SRE團隊，及時地提醒我們：可靠性是人創造的。本書有許多實用的案例，說明如何專注於使用者與工程師的互動，以及技術與工具間的相輔相成，從而以可靠性為基礎優化系統，同時又不用犧牲功能開發的速度。結果就是這本很有說服力、引人入勝又啟迪人心的SRE指南。」，—Casey Rosenthal, Bckplane.io技術長

「Google第一本SRE之書解釋了SRE是什麼，以及為什麼要SRE。這本書則是說明如何實行SRE，這是Google編輯團隊的又一鉅作。」，—Jonah Horowitz, Stripe網站可靠性工程師

「《網站可靠性工程》描述Google做了什麼，本書則是告訴讀者，Google如何實行SRE，以及您也可以如何依樣畫葫蘆。」，David N. Blank-Edelman, 全球SREcon大會共同創辦人

Betsy Beyer, Niall Richard Murphy, Dave Rensin, Kent Kawahara & Stephen Thorne等人，都是Google SRE團隊的現任與過往成員，負責管理與維護Google的正式系統環境

當我們撰寫《網站可靠性工程》一書時有個目標：闡釋Google生產工程和運維的基本原理與原則。那本書是我們的一次嘗試，希望能與業界的同行們分享我們團隊的最佳實踐和教訓。我們當時假定那本SRE 書可能只會吸引為數不大多的工程師—他們的工作牽涉到大型並且注重可靠性的任務或協作，而且以該書內容的份量與焦點，可能不會引起太多關注。

結果證明，我們很高興在這兩點看法上都搞錯了。

讓我們感到驚訝和欣喜的是，第一本SRE 書在發布後這段令人興奮的期間內，是計算（computing）領域的暢銷書。此外，在購買或下載後並未被束之高閣，而是真被閱讀了。我們收到了來自世界各地關於本書、SRE 團隊、SRE 實踐與成效的相關問題。我們受邀去解說書中的內容、方法和事故。邀約實在出乎意料的多，以致於我們只能謝絕一些外部的邀約，因為實在是排不出時間。

人怕出名豬怕肥，這SRE 書成名創造了機會讓我們得以更多人力（「雇用更多人吧！預約更多講演吧！」），或透過一些更能擴增的辦法應付。出乎少數讀者意料，作為SRE工程師，我們選擇了後者。我們決定寫第二本書—增補了我們最常受邀講解的內容，回應了讀者們閱讀第一本書時最常提出的問題。
在我們收到的許多關於第一本SRE書不同的問題、請求和評論中，有兩個主題特別有趣；如果不予解決，將妨礙SRE經驗教訓之充分有效利用。這些主題可以大致歸納成：
．原則聽起來挺有意思，但我如何在我的專案／團隊／公司中付諸實踐？
．SRE的方法在我這兒鑿枘不投；只在Google的文化裡才行得通，而且只有達到Google的規模才有意義。

這本SRE書的目的是：（a）在第一本書概述的原則中添加更多施行細節，以及（b）打消這樣的念頭：SRE只能在「Google規模」或「Google文化」中實踐。

本書是前一本著作的手冊—不是新版，這兩本書應該相互參照。若已熟悉前作，那您可以從本書得到最大的收穫。本書將大致沿襲第一本的結構。希望您能夠對照著閱讀這些章節。本書中的每一章都假定您熟悉上一本著作中的對應部分；目標是讓您一邊閱讀一邊印證時，在原則和實踐之間來回對照參考。如此一來，兩本書是相輔相成的。接下來，關於本書的價值觀：聽一些讀者說當我們在描述Google的運維發展歷程時，太過於自我中心了。有讀者認為我們已經脫離了Google以外的現實，而且沒能解釋我們的想法與DevOps原則之間如何互為表裡。這是一個相當不錯的指正，我們虛心接受，體現在此書中。

無論如何，我們確實覺得SRE作為一門專業，其高度武斷剛愎的本質還是頗有用武之地。對我們來說這是一種功用，而不是問題。我們並沒提倡SRE是建構和運行高可靠性系統的唯一方式（或甚至是一體適用的最佳方式）。只是對我們而言，這是至今最成功的方式。我們還會談談SRE和DevOps之間彼此如何相互關聯共鳴。重點是請記住，它們沒有相互矛盾。

我們先承認，這本書必然不會包羅萬象。即使在Google範疇內，SRE專業也是一個很廣闊的領域，而且如今在Google外部也廣泛施行，因此演進更加快速。本書會著重在回答第一本書中最常被問及的實作細節，而不是面面俱到、泛泛而談。

最後，這系列書的創作初衷並非想要被奉為圭臬。請不要這樣看待它們。即使這麼多年過去了，還是發現有許多狀況和案例，需要我們去調整（或在某些案例中，取代）先前堅持的信念。SRE 是一門專業，也是一趟旅程。

希望您會喜歡這本書，而且覺得它能派上用場。本書的編寫協作是出於興趣，不求任何回報。我們很高興有一個不斷成長茁壯的SRE專業社群，可以和大家一起學習進步。一如既往，我們重視您的直接意見回饋，總是因此而受益匪淺。

前言一
前言二
序言
譯序


第一章 SRE 與 DevOps 如何琴瑟和鳴


【第一篇 基礎】
第二章 實施 SLO
第三章 SLO 工程案例研究
第四章 監控
第五章 就 SLO 告警
第六章 消滅苦工
第七章 簡單性



【第二篇 實踐】
第八章 on-call
第九章 事故回應
第十章 事後檢討文化：從失敗中學習
第十一章 管理負載
第十二章 非抽象大型系統設計簡介
第十三章 資料處理流水線
第十四章 組態設定的設計與最佳實踐
第十五章 組態設定的細節
第十六章 金絲雀發布



【第三篇 流程】
第十七章 識別過載並從其中復原
第十八章 SRE 積極參與模型
第十九章 SRE：跨越疆界
第二十章 SRE 團隊之生命週期
第二十一章 SRE 組織變革管理


結論
附錄A SLO 文件範本
附錄B 範例犯錯預算政策
附錄C 事後檢討分析結果
索引