歡迎光臨
每天分享高質量文章

Google 為什麼把幾十億行代碼放在一個庫

(點擊上方快速關註並設置為星標,一起學Python)

作者: 阮一峰        原文地址:
http://www.ruanyifeng.com/blog/2016/07/google-monolithic-source-repository.html

《ACM通信》有一篇論文《為什麼 Google 要把幾十億行代碼放在一個庫?》,作者是谷歌基礎設施小組的工程師。作者詳細講述了Google的代碼為什麼全部放在一個庫裡面。

概述

谷歌最早使用 CVS 進行代碼管理,1999年改為 Perforce。那時是一臺 Perforce 主機,加上各種快取機。

當時,全公司的代碼就在一個倉庫裡面,後來一直沿用這種做法。由於規模不斷增長,Perforce 已經無法滿足需求,谷歌就開始使用自己開發的版本管理系統 Piper。

Piper 架設在谷歌自己的分佈式資料庫系統(以前叫 Bigtable,現在改名 Spanner)之上,分佈在全世界10個資料中心,保證世界各地的谷歌員工都有良好的訪問速度。

目前,這個代碼倉庫包含10億個檔案、3500萬次提交記錄,大小為86TB,用戶達到幾萬人。工作日每秒有50萬次請求,高峰時80萬次,大部分來自自動構建和測試系統。

谷歌90%以上的代碼,放在 Piper 裡面。對於那些開源的、需要外部協作的專案,代碼放在 Git,主要是 Android 專案和 Chrome 專案。Git 的特點是,所有歷史記錄都會複製到用戶的本地機器,所以不適合大型專案,必須拆分成更小的庫。以 Android 為例,該專案一共包含800多個獨立的倉庫。

Piper 的設計

2.1 結構

整個倉庫採用樹狀結構。每個團隊有自己的目錄。目錄路徑就是代碼的命名空間。每個目錄都有負責人(owner),他負責批准該目錄的檔案變動。

2.2 權限控制

Piper 支持檔案級別的權限控制。99% 的代碼對所有用戶可見,只有少部分重要的配置檔案和機密的關鍵業務,設有訪問限制。

如果機密信息不小心放上了 Piper,檔案可以被快速清除。並且,所有的讀寫都有日誌,管理員能夠查到誰讀過這個檔案。

2.3 工作流

Piper 的工作流(workflow)如下圖。

開發者先創建檔案的本地拷貝,這叫做”工作區”(workspace)。完成開發後,工作區的快照共享給其他開發者進行代碼評審。只有通過了評審,代碼才能合併到中央倉庫。

2.4 客戶端

大多數開發者通過一個叫做 CitC 的客戶端,訪問 Piper。開發者通過 CitC 瀏覽和同步 Piper 上的檔案,但是編輯和修改是在自己工作區,裡面只儲存有變動的檔案(一個工作區一般不超過10個檔案)。CitC 帶有雲儲存機制,每個工作區就是雲上的一個目錄。通過代碼評審以後,這些檔案才從 Citc 合併進 Piper。

2.5 主幹開發

Google 採用”主幹開發”(trunk-based development)。代碼一般提交到主幹的頭部。這樣保證了所有用戶看到的都是同一份代碼的最新版本。

“主幹開發”避免了合併分支時的麻煩。谷歌一般不採用分支開發,分支只用來發佈。大多數時候,發佈分支是主幹某個時點的快照。以後的除錯和功能增強,都是提交到主幹,必要時 cherry-pick 到發佈分支。與主幹長期並行的開發分支,在谷歌極少見。

由於不採用”分支開發”,谷歌引入新功能,一般在代碼中使用開關控制。這避免了另起一個分支,也使得通過配置切換功能變得容易,一旦新功能發生故障,很容易切換回舊功能。等到新功能穩定,再徹底刪除舊代碼。谷歌有類似A/B測試的路由演算法,評估代碼的表現,由於存在配置開關,這種測試很容易實現。

 

2.6 代碼評審

 

所有代碼合併進倉庫之前,都必須進行代碼評審。大部分評審對所有人開放,任何谷歌員工都可以對代碼提意見或者提交變動。

代碼評審的依據是《Google 代碼風格指南》。谷歌有一個叫做 Critique 的工具,可以查看每一行代碼的歷史演變。

2.7 自動測試

評審完成後,會自動運行測試。通過測試以後,代碼就合併進了 Piper 倉庫,整個過程不需要人工干預。

單一代碼倉庫的優點

(1)統一的版本

整個公司的代碼,有統一的版本和路徑,不存在找不到檔案的最新版本這樣的問題。

(2)廣泛的代碼共享和復用

 

任何人都可以瀏覽和使用全公司的代碼,這大大促進了代碼的共享和復用。

(3)簡化的依賴管理

 

如果你是庫檔案或者 API 的作者,因為所有人的代碼都在一個庫裡面,所以很容易找到依賴你的所有下游代碼。

每當代碼變動,所有依賴你的代碼都會自動構建。如果有大量的構建失敗,那麼系統會自動撤銷這次提交。這樣也保證了所有代碼依賴的都是最新版本,避免依賴不同的版本所導致的衝突。

另外,由於代碼的邊界很清楚,所以不會發生迴圈依賴。而且,API的作者也很容易發現,別人怎麼使用他的API。

 

(4)原子性變動

 

由於每次代碼變動所導致的影響,都在一個倉庫裡面,所以都屬於原子性的變動。因此,很容易撤銷,或者預先測試它所造成的影響。

 

為了防止錯誤提交,谷歌引入了”預提交”(即在提交之前,先分析一下依賴它的代碼是否會構建失敗)。

(5)大規模代碼析構

單一代碼倉庫為查找和分析代碼,提供了巨大的方便。

Google的靜態分析引擎 Tricorder 定時運行,對代碼進行分析。比如,C++ 11 標準公佈以後,很容易找到所有需要改進的變數宣告陳述句,進行性能優化。該引擎還對許多錯誤提供”一鍵修正”的功能,同時產出大量的統計資料。

 

此外,編譯器團隊也會對不同語言的所有代碼進行分析,找出不合理的代碼和過時的API。

 

單一代碼倉庫的缺點

 

單一代碼倉庫的主要缺點是,所有工具都必須自己寫,因為市場上沒有能夠管理這種規模的代碼倉庫的軟體。

總結

單一代碼倉庫,適合提倡透明開放的大型軟體公司,不適合小公司和有大量私密代碼的公司。

赞(0)

分享創造快樂