운영을 오래 하면 한 가지 진실에 도달한다. 장애는 막을 수 없고, 다만 빨리 고칠 수 있을 뿐이다. SRE가 가용성을 말할 때 쓰는 두 숫자가 MTBF(Mean Time Between Failures, 평균 무고장 시간)와 MTTR(Mean Time To Restore, 평균 복구 시간)인데, 가용성 = MTBF / (MTBF + MTTR)이라는 식을 들여다보면 흥미로운 사실이 보인다. 고장을 더 드물게 만드는 것(MTBF↑)은 한계 비용이 가파르게 치솟지만, 복구를 더 빠르게 만드는 것(MTTR↓)은 비교적 싸게 큰 가용성 개선을 가져온다. 그래서 현대 운영의 무게중심은 "장애를 없애자"에서 "장애를 빠르게 자동 복구하자"로 옮겨갔다. 사람이 페이지를 받고, 잠에서 깨고, VPN에 붙고, 로그를 읽고, 명령을 입력하는 데까지 걸리는 시간이 MTTR의 대부분을 차지하기 때문이다. Auto-healing은 이 인간 루프를 잘라낸다.
오늘은 자동 복구를 "Lambda로 인스턴스 재시작하는 스크립트"로 보지 않고, 그 밑에 깔린 제어 이론(control theory)과 안전 공학(safety engineering)을 판다