ده سال پس از انتشار نسخه نخست، گوگل کتاب مهندسی قابلیت اطمینان سایت را برای عصر هوش مصنوعی بازنویسی کرد

www.infoq.com

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

DevOps

۱۷ نوامبر ۲۰۲۶ | زمان مطالعه: ۵ دقیقه

گوگل از انتشار نسخه دوم و بازنویسی‌شده کتاب تأثیرگذار خود با عنوان مهندسی قابلیت اطمینان سایت: گوگل چگونه سیستم‌های عملیاتی خود را مدیریت می‌کند خبر داده است؛ کتابی که نخستین نسخه آن ده سال پیش منتشر شد. نسخه جدید، دیدگاه‌های مربوط به مهندسی قابلیت اطمینان سایت (SRE) را با در نظر گرفتن معماری‌های مدرن ابری، مهندسی پلتفرم و بارهای کاری هوش مصنوعی به‌روز می‌کند، اما همچنان بر اصل محوری نسخه نخست، یعنی به‌کارگیری روش‌های مهندسی نرم‌افزار در فعالیت‌های عملیاتی، تأکید دارد.

جلد نسخه دوم کتاب مهندسی قابلیت اطمینان سایت

بِتسی بِیر، مدیر برنامه SRE در گوگل، و دیوید هوسکا، مهندس نرم‌افزار این شرکت، از انتشار نسخه جدید خبر داده‌اند. به گفته آن‌ها، این بازنگری پاسخی به تغییرات گسترده محیط‌های عملیاتی از سال ۲۰۱۶، یعنی زمان انتشار نسخه نخست، است. نویسندگان معتقدند مسئله اصلی دیگر پذیرش زیرساخت‌های ابری نیست؛ چالش امروز حفظ قابلیت اطمینان در شرایطی است که سیستم‌ها هر روز توزیع‌شده‌تر، وابسته‌تر به یکدیگر و دائماً در حال تغییر هستند.

«محیط‌های عملیاتی مدرن دائماً در حال تغییرند. مرزهای سیستم‌ها پیچیده‌تر شده‌اند، وابستگی‌ها عمیق‌تر شده‌اند و شیوه‌های بروز خرابی نیز پیچیده‌تر و مخرب‌تر از گذشته هستند.»

بِتسی بِیر و دیوید هوسکا، وبلاگ گوگل کلاد

نسخه نخست کتاب SRE به این دلیل تأثیرگذار شد که تصویری عمومی از شیوه اداره سرویس‌های بزرگ‌مقیاس در گوگل ارائه می‌کرد. این کتاب روش‌هایی مانند اهداف سطح خدمت (SLO)، بودجه خطا، کاهش کارهای تکراری و طاقت‌فرسای عملیاتی، مدیریت رخدادها و بررسی پس از وقوع حادثه را توضیح می‌داد. در بررسی InfoQ در سال ۲۰۱۶ نیز اشاره شده بود که این کتاب SRE را به‌عنوان کاربرد مهندسی نرم‌افزار در حوزه عملیات معرفی می‌کند؛ رویکردی که در آن مهندسان باید به‌جای صرفاً واکنش نشان دادن به مشکلات، کارهای تکراری عملیاتی را خودکار کنند.

نسخه دوم، مهندسی قابلیت اطمینان سایت را مجموعه‌ای ثابت از روش‌ها و دستورالعمل‌ها نمی‌داند. در عوض، توضیح می‌دهد که این روش‌ها چگونه هم‌زمان با تغییر مسیر سازمان‌ها از مهاجرت اولیه به فضای ابری و برنامه‌های یکپارچه، به سمت ریزخدمت‌ها، استقرارهای چندابری، سیستم‌های بدون سرور و پلتفرم‌های داخلی توسعه‌دهندگان تکامل یافته‌اند.

یکی از روشن‌ترین تغییرات این سال‌ها به اهداف سطح خدمت و بودجه خطا مربوط می‌شود. به گفته گوگل، تیم‌ها در گذشته عمدتاً به معیارهای ابتدایی دسترس‌پذیری متکی بودند و سیاست‌های مربوط به بودجه خطا را به‌صورت دستی اجرا می‌کردند. اما راهنمای بازنگری‌شده اکنون از SLOهای چندسطحی و کاربرمحور، هشداردهی پویا بر اساس نرخ مصرف بودجه خطا و اجرای خودکار سیاست‌ها سخن می‌گوید. در واقع، رویکرد به قابلیت اطمینان از تمرکز صرف بر زمان فعال بودن زیرساخت‌ها فاصله گرفته و به سمت سنجش تأثیر خرابی‌ها بر کاربران حرکت کرده است.

قابلیت مشاهده‌پذیری (Observability) نیز دستخوش تحول شده و نسخه جدید کتاب به این تغییرات می‌پردازد. در نسخه نخست، ابزارهای اصلی شامل داشبوردهای ثابت، گزارش‌های ثبت رویداد ساده و بررسی دستی هشدارها بودند. اما به روایت گوگل، اکنون ابزارهایی مانند OpenTelemetry، ردیابی توزیع‌شده و هم‌بسته‌سازی خودکار ناهنجاری‌ها جایگاه مهمی پیدا کرده‌اند. هدف صرفاً جمع‌آوری داده‌های نظارتی بیشتر نیست؛ بلکه باید فاصله زمانی میان دریافت هشدار و دستیابی به توضیحی معتبر درباره علت خرابی کاهش یابد.

خودکارسازی سومین حوزه مهمی است که در نسخه جدید بازنگری شده است. گوگل از گذار ابزارهای عملیاتی سخن می‌گوید: از اسکریپت‌های اختصاصی برای انجام وظایف پراکنده به سمت زیرساخت به‌عنوان کد با رویکرد اعلانی، پلتفرم‌های داخلی توسعه‌دهندگان و سیستم‌های خودترمیم‌شونده. این تحول با الگوی مهندسی پلتفرم که امروزه در سازمان‌های بزرگ رایج است، هم‌راستا است. در این الگو، قابلیت‌های مرتبط با قابلیت اطمینان یک‌بار در پلتفرم پیاده‌سازی می‌شوند و تیم‌های محصول از آن‌ها استفاده می‌کنند؛ بنابراین هر تیم دیگر نیازی ندارد این قابلیت‌ها را از ابتدا و به‌صورت مستقل ایجاد کند.

روش‌های آزمون قابلیت اطمینان نیز تغییر کرده‌اند. گوگل در نسخه جدید، تمرین‌های برنامه‌ریزی‌شده برای شبیه‌سازی شرایط بحرانی و آزمون‌های بار مصنوعی را با بررسی مستمر تاب‌آوری، آزمون خودکار در خطوط لوله توسعه و تأیید نسخه‌های آزمایشی در محیط واقعی تولید مقایسه می‌کند. نتیجه عملی این تغییر آن است که تاب‌آوری به بخشی از فرایند تحویل نرم‌افزار تبدیل می‌شود، نه تمرینی مقطعی که تنها پیش از انتشار نسخه‌های بزرگ انجام گیرد.

«به‌جای اتکای صرف به تمرین‌های برنامه‌ریزی‌شده شبیه‌سازی بحران و آزمون‌های بار مصنوعی، مهندسی مدرن بررسی مستمر تاب‌آوری، آزمون خودکار در خطوط لوله و تأیید نسخه‌های آزمایشی در محیط واقعی تولید را در فرایندهای خود جای می‌دهد.»

بِتسی بِیر و دیوید هوسکا، وبلاگ گوگل کلاد

مدیریت ظرفیت نیز از دیگر حوزه‌هایی است که در این کتاب به‌روزرسانی شده است. گوگل توضیح می‌دهد که تأمین دستی منابع و پیش‌بینی‌های ثابت، جای خود را به مقیاس‌پذیری خودکار و پویا، هماهنگی با اصول مدیریت مالی فضای ابری (Cloud FinOps) و بهینه‌سازی خوشه‌های پردازشی مبتنی بر GPU و TPU داده‌اند. این تغییر اهمیت زیادی دارد؛ زیرا بارهای کاری آموزش و استنتاج هوش مصنوعی می‌توانند تقاضای زیادی را بر منابع محدود محاسباتی شتاب‌یافته متمرکز کنند. در نتیجه، برنامه‌ریزی ظرفیت، شبکه‌سازی و کنترل هزینه‌ها به مسائل مهم‌تری در عملیات تبدیل شده‌اند.

هوش مصنوعی مولد در نسخه دوم کتاب از دو جنبه مورد توجه قرار گرفته است. نخست، SRE به‌عنوان رشته‌ای ضروری برای اداره زیرساخت‌های هوش مصنوعی معرفی می‌شود. کتاب به موضوعاتی مانند قابلیت اطمینان خوشه‌های بزرگ GPU و TPU، توپولوژی شبکه، خروجی‌های غیردترمینستیک مدل‌ها، رفتار تأخیر و خطوط لوله مورد استفاده برای آموزش، تنظیم دقیق مدل‌ها و پردازش داده می‌پردازد. این مسائل از نظر عملیاتی با چالش‌های یک سرویس وب معمولی و بدون حالت تفاوت دارند.

جنبه دوم، استفاده از هوش مصنوعی به‌عنوان ابزاری برای مهندسان قابلیت اطمینان است. در مطلب معرفی کتاب، کاربرد هوش مصنوعی مولد برای بررسی اولیه و دسته‌بندی رخدادها، نگارش گزارش‌های پس از حادثه، جست‌وجوی داده‌های نظارتی با زبان طبیعی و استفاده از مدل‌های پیش‌بینی برای شناسایی گلوگاه‌های منابع پیش از وقوع اختلال مطرح شده است. مثال‌های ارائه‌شده در این معرفی، عمدتاً هوش مصنوعی را ابزاری کمکی می‌دانند که شواهد را برای مهندسان جمع‌آوری و سازمان‌دهی می‌کند؛ نه فناوری‌ای که بتواند جایگزین قضاوت عملیاتی انسان شود. فعالیت‌های اخیر صنعت نیز ظاهراً مؤید این رویکرد است. InfoQ در اکتبر ۲۰۲۶ گزارش داد که شرکت Datadog مدل تخصصی Scout را برای بررسی مشکلات محیط‌های عملیاتی در محصول Bits AI SRE خود عرضه کرده است. شرکت‌های دیگری نیز در همین حوزه فعالیت می‌کنند که از جمله آن‌ها می‌توان به Canvas Agent شرکت Honeycomb، محصول Splunk AI SRE و SRE Agent شرکت New Relic اشاره کرد. InfoQ همچنین در فوریه ۲۰۲۶ از استفاده مهندسان SRE گوگل کلاد از Gemini CLI هنگام رسیدگی به اختلال‌های واقعی خبر داده بود؛ نمونه‌ای از به‌کارگیری هوش مصنوعی برای کمک به مهندسان در مدیریت رخدادها، نه جایگزینی خودکار نیروهای مسئول پاسخ‌گویی شبانه‌روزی.

در این نسخه، جنبه سازمانی SRE نیز بازنگری شده است. گوگل از حرکت سازمان‌ها فراتر از الگوی تیم‌های اختصاصی SRE که به برنامه‌های مشخص متصل بودند، به سمت مدل‌های ترکیبی، ادغام با مهندسی پلتفرم و حضور کارشناسان و حامیان قابلیت اطمینان در تیم‌های محصول سخن می‌گوید. دلیل این تغییر آن است که بسیاری از سازمان‌ها امکان تأمین نیروی انسانی برای تشکیل یک تیم مرکزی SRE جهت پوشش تک‌تک سرویس‌های خود را ندارند. بنابراین، تخصص و مسئولیت‌های مرتبط با قابلیت اطمینان باید در بخش‌های گسترده‌تری از سازمان توزیع شود.

با وجود همه این تغییرات فناورانه، گوگل معتقد است اصول فرهنگی زیربنایی SRE همچنان پابرجا هستند. نویسندگان بار دیگر بر اهمیت فرهنگ سازمانی مبتنی بر قابلیت اطمینان تأکید کرده‌اند و در نسخه جدید، به جنبه‌های انسانی مهندسی سیستم‌ها نیز توجه بیشتری نشان داده‌اند. دیوید بلنک-ادلمن در ارائه‌ای با عنوان سؤال‌های اشتباهی درباره قابلیت اطمینان و SRE می‌پرسید که در سال ۲۰۲۵ و در رویداد InfoQ Dev Summit Boston برگزار شد، دیدگاهی مشابه مطرح کرد. او معتقد بود فعالیت‌های مرتبط با قابلیت اطمینان باید از دیدگاه مشتری آغاز شوند، نه از دیدگاه اجزای فنی سیستم. همچنین، SRE را اساساً فعالیتی مشارکتی توصیف کرد. او در ادامه، تمرکز متداول بر یافتن یک علت ریشه‌ای واحد برای خرابی را به چالش کشید و بررسی مجموعه عوامل مؤثر در وقوع اختلال را رویکرد مناسب‌تری دانست.

نسخه دوم کتاب از طریق Google Books در قالب چاپی و از طریق O'Reilly در قالب دیجیتال در دسترس است. برای تیم‌هایی که هم‌اکنون از روش‌های SRE استفاده می‌کنند، ارزش اصلی این نسخه احتمالاً نه در معرفی مفاهیم آشنا، بلکه در توضیح چگونگی سازگار کردن آن‌ها با پلتفرم‌ها، سیستم‌های توزیع‌شده و زیرساخت‌های متکی بر هوش مصنوعی خواهد بود. برای سازمان‌هایی که هنوز در مراحل ابتدایی مسیر ارتقای قابلیت اطمینان قرار دارند نیز این کتاب همچنان مرجعی جامع است که نشان می‌دهد چگونه می‌توان عملیات را به مسئله‌ای در حوزه مهندسی نرم‌افزار تبدیل کرد، نه مجموعه‌ای از وظایف دستی و تکراری.