SRE（Site Reliability Engineering，站点可靠性工程）不是把运维换个名字，而是用软件工程的方法解决运维问题，并把「可靠性」变成可以度量、可以交易、可以持续改进的工程目标。
本文按五个主题展开：SRE 的边界、SLI/SLO/SLA 与错误预算、Toil 治理、事故响应与 On-call、无指责复盘与故障档案库。
SRE（Site Reliability Engineering，站点可靠性工程）不是把运维换个名字，而是用软件工程的方法解决运维问题，并把「可靠性」变成可以度量、可以交易、可以持续改进的工程目标。
本文按五个主题展开：SRE 的边界、SLI/SLO/SLA 与错误预算、Toil 治理、事故响应与 On-call、无指责复盘与故障档案库。
本文以资深 DevOps 工程师的视角重写，重点不是背定义，而是讲清 DevOps 的底层逻辑、交付链路、度量方式、安全与可靠性，以及企业落地时真正会遇到的取舍。参考 DORA、Google SRE、OpenGitOps、SLSA 等公开资料。
最后更新：2026-10-23