2019杭州云栖大会大咖有约，由阿里巴巴·研发效能部·代码基础技术团队负责人蒋鑫（Git项目贡献者、《Git权威指南》作者）主讲“Go Git：面向未来的代码平台”。专题围绕版本控制系统的历史、现状和未来，尝试回答一个问题：未来的版本控制系统是什么样的？还会是Git么？

精彩直播回放--9月25日下午“大咖有约”专场

以下为精彩视频内容整理：

作为Git项目的贡献者、本地化的国际协调者，主讲人开场给大家奉献了一个小窍门，和一个链接（开源电子书）：

• 一个让你超越90%的Git用户的小窍门：如何分析一个开发者在项目中的提交。例如查看某个目录之外的贡献：

1. log --author "Author" --no-merges --oneline -- ":(exclude)po/"

• 《Git权威指南》原稿链接：https://github.com/gotgit/gotgit ，已经拥有500个forks和900个stars。

SVN是2000年诞生的，5年之后诞生的 Git 最终超越、替代了SVN。Git 已经快15岁了，目前为止仍然是用户最喜爱的版本控制系统，那么再过15年，Git会被什么替代？

一、 未来——在火星上编码

在电影里，人类已经开始殖民火星。一个大胆的设想，未来人类会在火星上编码！

光速作为难以突破的物理极限，从火星到地球，通讯有至少8 分钟的延迟。在如此长的时延下，使用依赖*服务器的集中式版本控制工具，这几乎是不可能实现的。由此推断在火星上使用的版本控制系统需要有如下的特性：

• 是分布式的，能够本地克隆以及离线操作。
• 构建一个火星版的CDN，也许是一个好主意。

二、过去——版本控制历史发展脉络

在Git诞生10周年时，Linus Torvalds说Git之所以能够流行，主要原因不是Git速度快，或者它更安全，而是“politics”。

SVN就是一个典型的politically incorrect的版本控制工具。这里的“政治”指的是：SVN不允许所有人向仓库贡献代码，这是因为SVN如果向所有人开放仓库的写授权，代码质量无法控制。

而Git是一个politically correct的版本控制工具。这是因为使用Git，用户如果能够读到一个仓库，就可以将其完整的克隆下来，然后在自己下载的本地仓库中提交代码，并且通过各种手段分享给其他人。

2008年出现的GitHub之所以大获成功， “political correctness”功不可没。GitHub发明的“fork（派生）和pull request”的功能，让协同更加简单，用户只要点几下鼠标，就能完成代码的分享。当前大多数代码平台都拷贝了GitHub的这种协同模式。

但是GitHub的“fork + pull request”模式给用户带来新的苦恼，如何让派生出来的仓库和源仓库保持同步？尤其在公司的内部环境下，用户可信，派生带来的同步成本使得用户通常会舍弃GitHub的派生模式，转而在一个仓库下使用多分支的方式来协同，而这又带来高昂的维护成本，管理混乱。

阿里内部提供了一个集中式的解决方案，仓库不需要派生，也不需要创建多分支进行协同。仓库只有一份，分支也仅有几条，作为开发者像使用正常Git仓库一样进行push，当进行push时，会通过一层过滤器，过滤器的作用是把代码直接变成一个代码审核任务，而不会在仓库中创建任何的可见的多余分支。

此外我们还做了一个配套的命令行工具：git-repo。这个工具，即可以针对单仓库使用，也兼容安卓的repo工具对多仓库项目进行管理。（PS：问答环节一个同学问到多项目用配置文件关联的问题，可以用git-repo来解决。）阿里巴巴开发的这个新颖的工作模式和git-repo将会在2019年年底开源。

未来版本控制系统，类似于阿里巴巴的集中式代码评审，将会成为主流。

三、 现在——大仓库问题

2005年Linux kernel的代码仓库只有不到100M，到目前为止Linux kernel的仓库的代码量已经接近4GB。Windows的代码也放入Git仓库里，大概有300GB。如此大的仓库将会遇到很多问题，有服务端的问题，也有客户端的问题。问题的本质是Git本身的数据结构并不是常见的结构化数据，不是数据库，而是一种半结构化数据，检索速度相对比较慢。

Git已经做了很多的努力。比如：

• 克隆一个仓库，开始的一段时间会显示一个进度，是在计算客户端要接收的对象数，这时服务端正在计算客户要获取的提交范围所包含的所有对象，这个计算的耗时比较长。Git的Bitmap功能就是针对这个问题的优化。
• Git-graph是微软贡献给Git社区的一个新特性。因为在微软的VSTS显示提交历史的界面中会画出一棵树图，用来显示提交与提交的关联以及分支关系。实时渲染这样一棵树会很慢，于是微软开发了辅助的数据结构git-graph。
• Gerrit中的Reftable则是为了解决引用的快速查询问题。

对于大仓库，GC是一个老大难问题。每向仓库进行一次push，仓库里就会有很多推送过去的松散对象，松散对象过多会导致Git访问时的IO非常高，为此Git的解决办法就是用gc命令将松散对象回收到一个一个的pack文件里。增量创建pack包，会出现越来越多的包文件，在索引一个对象时需要遍历每一个pack文件，于是查找对象的时间复杂度就变成M*logN（M为包文件的个数，N为保文件中的对象数）。而选择用git gc完整压缩只生成一个大的pack，则会非常耗时，对于像微软的300GB的代码仓，简直是不可能完成的任务。社区的一个解决方法是multi-index：为多个pack文件创建multi-index索引，将查询对象的时间复杂度降到O(logN)。

同时客户端也有瓶颈。在面对300GB的仓库时，用户可能只需要最新的提交，或者是部分目录下的代码，历史的几百个G的历史数据不需要，那么怎样将其下载下来？Git现有的工具有shallow clone（分层克隆）、sparse checkout（稀疏检出）可以有选择的检出部分文件、目录。Git-LFS是GitHub开源的工具，解决的问题是将二进制数据不存放在仓库里而放在其他系统中，如阿里云的OSS存储里。GVFS是微软开发的，客户端只克隆仓库的元数据，按需下载，这是解决上述问题的一个很好的方案。但是GVFS依赖于Windows操作系统、特殊的文件系统。而Git正在研发的一个叫做partial clone的功能，会实现类似的按需检出的功能。

断点续传也是用户的一个痛点。是指在克隆一半的时候失败了只能从头再开始，解决这个问题是很困难的，因为服务端是有状态的，会计算所要获取的对象并临时打包。阿里下一步会通过客户端解决这个问题。

此外，Web IDE和构建加速领域里都需要涉及克隆、重建仓库中的代码，很耗时。一个理想方案是zero time checkout、FUSE、分布式存储。把仓库里的数据放在云存储里，不需要检出，不需要克隆，以解决这一类需要直接访问代码仓库的场景。
总之，针对大仓库场景，Git有望在近几年实现体验的提升。

四、现在——多“分支”和响应延迟问题

很多Git用户都可能遇到过这样一个问题：在克隆一个分支（引用）非常多的仓库时，往往挂起几分钟，在这几分钟里得不到任何服务端的响应，好像是客户端进程死掉了。这是因为Git 协议1.0（注意协议版本和Git版本概念不同），服务端要告知客户端所有的引用，这个过程是静默的，也就是为什么复杂仓库在连接阶段非常耗时的原因。Git正在开发2.0版本的协议正是为了解决这个问题。

当使用Git Protocol 2.0时，想克隆哪个分支，服务端就会告知这个分支，而不是将所有的分支都返回。此外，客户可能更需要的一个功能是：当仓库克隆下来之后，下次再同步时，希望可以查询到从上次同步时仓库的变化，以便增量下载。这个功能可能通过类似reftable的功能来实现。

五、现在——其它问题

• 安全性
  Git正在做从SHA1 到SHA256的迁移，当完成迁移之后，会发现仓库的提交号为40字节的十六进制数字，变成SHA256之后的64个字节的十六进制数字。
• Git的适用范围
  Git的主要场景是针对代码等文本文件的版本控制。很多专业领域，如3D建模，不能很好地进行版本控制。Git可通过 clean、smudge 过滤器、diff driver，来扩展版本控制的领域。
• AI
  阿里正在做AI方面的探索，主要针对在智能评审、智能搜索、智能运维、质量、安全、提效等领域。

六、未来的代码平台

未来的代码平台：
1.有可能不是Git，但是会非常像Git。

2.是一个分布式的版本控制工具，可以克隆，可以在本地做提交。使用集中式的模式，允许任何人、在任何地点向大仓库里推送任何东西，并且通过结构化数据来提速，使大仓库的性能变得更好。

3.当远程克隆一个仓库时，CDN可以提供帮助使仓库克隆得更快。尤其像中美之间，由于物理、网络差异没办法访问服务的情况下，CDN就会发挥相应的作用。

4.在很多领域，比如Web IDE领域，能够实现代码零耗时的获取。

5.代码智能化。