為何Google、微軟、華為將億級源代碼放一個倉庫？從全球最大代碼管理庫說起

編輯 | Just

出品 | AI 科技大本營（ID:rgznai100）

【導讀】2017 年，在當時微軟的一篇官方博客中，時任微軟雲開發服務副總裁的 Brian Harry 表示微軟內部代碼開始向 Git 遷移，宣布推出針對大規模 repo 的“Git虛擬文件係統”GVFS（後更名為 VFS For Git）。他激動地分享了微軟公司 4000 名工程師采用這個代碼管理倉庫後三個月的運行良好狀況，稱其解決了很多 Git 存在的問題。

時隔兩年之後，這篇文章中對 VFS For Git 代碼管理技術思路的介紹仍然值得借鑒。

大型科技公司本身擁有龐大的代碼數據，並且每天都在產生數量巨大的新代碼，如何管理代碼和版本成為備受關注的問題。很多公司會選擇將代碼托管於 Git 等第三方代碼托管平台，但近年來，將代碼管理交給公司自己開發的統一倉庫成為一種趨勢。如微軟的 VFS For Git 就是一個典型案例。

大公司應該如何進行代碼管理？微軟研發並采用 VFS For Git 的過程和這個係統本身有哪些可以借鑒的地方？為了更深入了解 VFS For Git 和代碼管理相關問題，AI科技大本營（ID:rgznai100）采訪了微軟亞洲研究院首席研發經理鄒欣，他對這些問題進行了解答。

為什麼要做 VFS For Git？

鄒欣回憶，在將代碼遷移到 GVFS 前，微軟曾使用多個主要的代碼管理平台，包括 SLM, Source Depot （上世紀 90 年代開始）、TFS 的源代碼控製 TFVC （2006 年開始）。直到 2017 年，微軟用三個月的時間完成代碼遷移到 Git，並推出了 Git 的變種，針對特大 repo 的 GVFS，並沿用至今。

GVFS 是一個 Git 虛擬文件係統，全稱為 Git Virtual File System，允許 Git 處理 TB 規模的代碼庫，比如 270 GB 的 Windows 代碼庫。GVFS 的 V 就是 Virtual（虛擬），它解決了Git 原來的設計缺陷（每個客戶端都有所有版本的代碼），而是用虛擬文件來代替那些本地用不著的文件， 大大減少了文件傳輸和本地機器存儲的壓力，讓微軟內部技術人員可以進行高效協作。

一段小插曲是，GVFS 從發布之初就引起了爭議，原因是 GNOME 項目的虛擬文件係統也叫 GVfs，而 GNOME 的 GVfs 最早發布於 2006 年，之後的教程、文檔、論壇都沿用這個名字。在微軟的 GVfs 項目發布後，很快超過了 Gnome GVfs 項目的搜索排名，且由於二者都與虛擬文件係統有關，導致用戶在查找信息時容易出現混淆。於是，很多開發者要求微軟改名，經過一番周折後，微軟終於在 2018 年將 "GVFS" 項目的名字改為 "VFS For Git"。

鄒欣表示，當時微軟將代碼遷移到 Git 主要是為了統一微軟百花齊放的內部工具，並沒有一個絕對好的選擇，領導團隊選擇了 Git, 但從現在的結果來看，這是一個比較好的選擇。如今，微軟仍然在對 Git 係列的工具做改進，也把改進回饋到 Git 社區。

現在，VFS For Git 已經是微軟內部統一的工具，同時被其他大型企業采用：https://vfsforgit.org/

VFS For Git 在 GitHub 上也已開源：

GitHub開源地址：https://github.com/microsoft/VFSForGit

除了微軟，我們發現，很多大公司的代碼托管已經向自己內部開發的版本控製係統遷移，比如 Google 就把使用不同語言編寫的超過 10 億文件，近百 TB 源代碼都存放在自行開發的版本管理係統 Piper 中，隻當項目開源且需要外部協作時，才會使用業界流行的 Git。（詳見文章《為何Google將幾十億行源代碼放在一個倉庫？》）

再如華為的內源（Inner Source）平台，承載著華為 1100 億源代碼、60 萬+ 代碼倉庫、每天 60 T 的下載容量、1 萬次/秒的高峰並發下載。

這是否說明在大公司中流行的單一倉庫就是最好的做法？這些公司在選擇采用代碼托管方式時需要考慮哪些不同的問題？

鄒欣對 AI科技大本營進行解釋，在他看來，用 GVFS 也可以創建各種獨立的倉庫。用一套工具有利於公司內部進行代碼共享，讓人員流動、代碼複審、改進工具變得更簡單，效率提高。

其次，大公司有很大量的代碼，很長的曆史和很多工具，如果貿然選擇一個新工具就會出現以下問題：

a) 一些市麵上的工具並不是為大規模代碼設計的，處理不了大量代碼， 我們以前用第三方的代碼分析工具， 結果處理 Office 的代碼的時候，自己崩潰了，因為 Office 的代碼量太大，這個工具的開發者沒有為如此大的代碼設計軟件。

b) 很多工具在曆史中不斷演化， 有自己獨特的特點，很多和企業內部的某些特殊需求有關，外部工具很難都實現這樣的功能。

很多工具聯合在一起，會形成了一個工具的生態，但如果隻改變一個工具，讓其他的工具變得不兼容， 那整個團隊的很多工作流就會出現問題。

此外，鄒欣表示，代碼托管與 AI 結合是未來發展方向。例如，這種結合會告訴你昨天晚上簽入代碼有問題， 或者簽入代碼和某個其他團隊的代碼相似，建議重用。或者告訴你簽入的代碼是從網上拷貝來的， 而且把原來代碼中的 bug 也拷貝過來了。

最後，AI 科技大本營引用此前微軟雲開發服務副總裁 Brian Harry 於 2017 年發表的一篇博文內容，在微軟推出 VFS For Git 三個月後，他分享了該平台的更多細節及其未來目標，包括擴大開放源代碼並改善其在 Microsoft 上的運行表現，想要了解 VFS For Git 更詳細的信息，不妨仔細研讀一下這篇文章：

標題為 每日檢出量

相關鏈接：

https://devblogs.microsoft.com/bharry/the-largest-git-repo-on-the-planet/

（*本文為 AI科技大本營整理文章，轉載請微信聯係 1092722531）

◆

◆

2019 中國大數據技術大會（BDTC）再度來襲！豪華主席陣容及百位技術專家齊聚，15 場精選專題技術和行業論壇，超強幹貨+技術剖析+行業實踐立體解讀，深入解析熱門技術在行業中的實踐落地。