《Site Reliability Engineering》第二版的发布动机很直接：第一版出版时，多数组织还在早期云迁移，并且刚刚开始从单体架构转型。如今软件以高速度、全球规模交付，挑战不再是采用云基础设施，而是在极端复杂的生产环境中保持高可靠性。生成式 AI 等资源密集型负载的爆发，进一步改变了基础设施管理的经济学与运维要求，所以作者需要重新回答“今天该如何做 SRE”。

第二版用十年视角重新梳理了基础 SRE 实践的成熟过程：从手动、面向单一任务的工作，转向自动化、平台级的能力。具体在六个方面：SLO 与错误预算从 2016 年基于基本可用性指标和手动策略，演进为以用户为中心的多层 SLO、动态燃烧率告警和自动化策略执行；监控与可观测性从静态仪表盘、基础日志和手动告警分类，转向基于 OpenTelemetry、分布式追踪和自动异常关联的快速根因定位；自动化从编写零散脚本变为声明式基础设施即代码、内部开发者平台和自愈系统；可靠性测试从定期游戏日和合成压测，走向持续韧性检查、自动化流水线测试和线上金丝雀验证；容量管理从手动配置和静态预测，转向动态自动伸缩、云 FinOps 对齐，以及面向 GPU/TPU 负载的专门成本与集群优化；组织模式从为特定应用配备专门团队，演变为混合模型、平台工程集成和嵌入产品团队的可靠性倡导者。

AI 时代给 SRE 带来了双重关系。一方面，运行大规模语言模型和基础模型引入新的可靠性挑战，书中给出了在规模上运维 AI 基础设施的方法：管理大规模 GPU/TPU 集群的可靠性和网络拓扑，监控 AI 特有的非确定性输出与延迟特征，保障持续训练、微调和数据处理的流水线稳定。另一方面，AI 也在快速成为可靠性工程师的效能倍增器，包括用生成式 AI 辅助实时事件分类和事后分析，用自然语言查询复杂系统遥测，用预测性模型在故障发生前识别资源瓶颈。

技术一直在变，但 SRE 的核心原则没有变，仍然是建立以可靠性为中心的文化。第二版重新强调并扩展了系统工程中“人”的元素。无论你是刚入行、一线实践者、工程经理还是技术高管，这本书都被定位为面向下一代生产系统的权威路线图。纸质版见 Google Books，数字版来自 O’Reilly。