「开源之史」系列之四/八：从文本差异补丁到分布式版本控制

我们无法脱离计算机程序而大谈特谈开放源代码，至少不应该偏离太远，正如『开源之道』主创适兕经常举的例子一样，用文言文到白话文的比喻，也是和语言有关。我们的这个大章节是讨论关于程序开发的协作的，万变不离其宗，或许我们需要转换完全不同的视角来看这个。

Wed Jul 27, 2022 | 3400 Words | 大约需要阅读 7 分钟 | 作者： 「开源之道」·适兕 |

The “source code” for a work means the preferred form of the work for making modifications to it. ——— “The GNU General Public License v3.0”

重新认识源代码

hello,world! 是所有计算机语言教学的经典表述，我们都知道他是来自经典的计算机科普专家Brian Kernighan 的在《C语言编程》[1]这本书的表述：

main() {
    printf ("Hello,World!");
}

但这并不是人们日常使用计算机所能看到的，这是针对开发者的语言，由编译器处理之后交给计算机来运行的文本，我们通常称之为“源代码”[2]。

源代码就是计算机工程师们为计算机撰写的指令，实现我们日常用计算机来处理的事务，撇开具体的事物，撰写源代码的过程，和作家撰写文章没有任何的差别[3]，或者说任何利用符号来进行表述的创作者没有什么不同：

  • 不断的进行变更；
  • 长时间的增加
  • 有可能回去修改过去一年的代码，也有可能修改昨天刚刚写的；
  • 修改错误的语法、逻辑等
  • 实现新的功能；

随着时间的累积，一定会超过人类记忆的限制，改变文本/源代码本身也将变得成为人的负担，那么计算机的主要功能：存储，恰是发挥这些最好的地方。累积的另外一个结果就是计算机可以处理更为复杂的事物，那么就需要撰写更多的代码，也需要更多的人参与，大型的项目，或者某个组织下的多个项目，那么只有分模块才能解决这样的问题，于是“codebase”[4]这样的工程构建也开始进入了视野。

文本的差异与补丁

开源的核心就是代码的修改与合并，其中的diff和patch[5]是这个思想的核心，不过，从历史发展的角度看，这些现在看起来是最为基本的程序，也是花了很久，以及很多人的工程实战经验，我们不妨向历史深处发展，工具是从劳动中来的，而不是任何的别处。

C 语言诞生于开发Unix操作系统，同样Unix系统的诞生地Bell lab也诞生了其它重要的应用，diff的算法就是从这里开始的[6]，从 1974 年发布的 Unix 第五版开启，由著名的早期操作系统开发者Douglas McIlroy （经典的pipe就是他开发的）和 James Hunt 撰写，随后在1975年，发表了diff的算法。

随着软件项目的开发，频繁的变更，使得开发者不得不思考每个版本的细节保留，以及任意的回滚，源代码管理系统[3]应用而生，受限于大型机的设备，科学家们对于源代码的管理并没有分支、基线这样的概念，不过，随着软件需求的增加，以及技术的发展，这样简单的系统显然无法满足需求。

patch 并不是和diff成对出现的，在十多年之后，由于合并的需求，著名的 Perl 作者 Larry Wall 开发了 patch，这样组合的出现，基本满足了工程的需要，要知道，在e-mail出现之后，自由和开源项目的维护是这两个程序最频繁的操作。

永久存储技术的发展——版本控制系统的出现

工具是随着技术环境的变化而出现的，工具本身就是目的，代码的频繁变更，经常性的出错，以及时间的延误，人还是要承认自己的记忆的不可靠性的，围绕文本变更的一系列工具开始被制作：

Source Code Control System

说起最早的代码控制系统，我们需要提起一位Unix早期的开发者——Marc Rochkind [7]，作为 Bell 实验室的一名成员，代码频繁的变更使得这些工程师们必须想办法解决，于是在当时颇为符合条件的运行 OS/360 MVT 的 IBM System/370 计算机上，使用SNOBOL4语言开发了源代码控制系统，随后将之移植到了更为通用和先进的Unix系统上，采用C语言，运行在PDP-11上。Marc Rochkind 在1975年将实现整理成文章，发表在了IEEE上：“ “The Source Code Control System”[3]。

SCCS 的开源版本是 1977 年 2 月 18 日发布的 SCCS 第 4 版，之后一直都是Unix系统默认的版本控制系统，直到它无法满足需求，因为这个系统是在大型机上开发的，根本没有考虑网络的任何因素。

尽管 SCCS 的时代已经过去，正如它所依赖的 IBM 大型机，但是它仍然留给我们丰富的遗产，比如版本号：主版本号与次版本号，中间用句号隔开，一直沿用至今。

Revision Control System

我们看到 SCCS 开源并非是在Day 0,而是经历了多年的发展，它本身也有一些设计上的问题，那么替代它的系统，从最开始就开源，还有效的避免了其存在的问题，不过时间上已经是SCCS的10年后了，1982年由普渡大学的Walter F. Tichy 开发[8]，其最开始就是弥补了SCCS没有reverse deltas的功能，RCS 尽管是完美的替代了SCCS，但是它并没有超越SCCS，仍然局限在没有网络的单机中。

服务器-客户端模式的版本控制系统

互联网的杀手级应用——e-mail，同时也诞生了点对点的邮件列表、新闻组等试图将信息平均分散的技术出现，互联网所拓展的空间——连接远在天边的计算机，成为了新的协作的可能性，此处有两个分野：继续保持分布式的互联网设计初衷，还是采用集中式的收集模式，后者永远是效率优先的典范，毕竟点对点是需要大量的沟通的。除了Linux之外，大多开源项目还是选择了集中式的客户端-服务器模式的版本控制系统：

Concurrent Versions System

作者 Dick Grune 回忆自己开发系统的缘由[9]：

我创建 CVS 是为了能够与我的学生 Erik Baalbergen 和 Maarten Waage 合作开发 ACK（Amsterdam Compiler Kit）C 编译器。 我们三个人的日程安排截然不同（一个学生是朝九晚五的稳定工人，另一个则不规律，我只能在晚上做这个项目）。他们的项目从 1984 年 7 月持续到 1985 年 8 月。CVS 最初被称为 cmt，原因很明显，它允许我们独立提交版本。

现实的环境以及满足了人们可以异步进行合作开发的条件：各自运行的个人计算机或服务器、互联互通的网络、出色的编程语言，那么接下来的就是需要一个能够解决彼此的冲突、记录和撤销的友好系统。CVS 的出现一点也不奇怪，不过正如Linux 创始人 Linus 所言：

总是有多种方法实现的！[10]

Subversion

SVN 的出现就是为了做到：“目标是成为广泛使用的并发版本系统 (CVS) 的最兼容的后继者。“

相比于CVS的学术出身，SVN 是由商业公司 CollabNet 开发的，那么权限的细粒度控制肯定有所长，这也是很多软件公司选择SVN来进行代码模块的控制的缘故，客户端-服务端的模式的协作是典型的大教堂式的做法，小范围的维护项目是完全满足的，但是说到真正利用开源和社交网络的优势，那显然是无法满足的。

分布式版本控制系统

分布式的优势是显而易见的，但是仍然取决人参与者的态度与价值观，也要看项目的规模和设计模式，Git 的创始人 Linus 在Google的一次内部分享中[11]，谈及了关于分布式版本控制系统的表达，以及对CVS的不满，也就是对有中心的不满。

分布式版本控制系统可能是[过去]十年来软件开发技术的最大进步！ —— Joel Spolsky [12]

分布式版本控制系统的协作模式似乎是我们目前所能理解的人类的最高协作形式了，它是互联网先驱们对 peer-2-peer 的完美实现，所有的副本都是平等的，按照需要进行合并，理论上每次提交都可以做到独一无二的。

基于 DVCS 的代码托管平台

太过完美的系统，未必是适合大众的，尽管分布式系统有着去中心化的优势，但是扁平并非效率的首选，于是，基于分布式版本控制系统的web服务平台开始出现，并简化了非常多的功能，甚至整合了诸如 bug 跟踪系统、wiki系统等项目协作的工具，以工程的方式为用户提供服务，更进一步的还提供了DevOps流水线等现代服务。

以 GitHub 为代表的基于ReadMe方式的[13],更是引发了一种数字时代的社会现象，成为一个数字行业的标地，也为下一个时代提供了非常重要的数据基础。

参考资料

  1. 《C程序设计语言》，（美）Brian W. Kernighan / （美）Dennis M. Ritchie， 机械工业出版社，2004-1
  2. https://en.wikipedia.org/wiki/Source_code ，最后访问时间：2024.5.7
  3. Rochkind, Marc J. (December 1975), “The Source Code Control System” (PDF), IEEE Transactions on Software Engineering, vol. SE-1, no. 4, pp. 364–370,
  4. https://en.wikipedia.org/wiki/Codebase ，最后访问时间：2024.5.7
  5. 《开源之迷》，适兕，人民邮电出版社，2022-3
  6. https://en.wikipedia.org/wiki/Diff ，最后访问时间：2024.5.8
  7. https://www.mrochkind.com/mrochkind/index.html ，最后访问时间：2024.5.10
  8. https://en.wikipedia.org/wiki/Revision_Control_System ，最后访问时间：2024.5.10
  9. https://dickgrune.com/Programs/CVS.orig/ ，最后访问时间：2024.5.10
  10. 10 Years of Git: An Interview with Git Creator Linus Torvalds , https://www.linux.com/news/10-years-git-interview-git-creator-linus-torvalds/ ，最后访问时间：2024.5.10
  11. Tech Talk: Linus Torvalds on git， https://www.youtube.com/watch?v=4XpnKHJAok8&t=90s ，最后访问时间：2024.5.10
  12. Distributed Version Control is here to stay, baby, https://www.joelonsoftware.com/2010/03/17/distributed-version-control-is-here-to-stay-baby/ ，最后访问时间：2024.5.10
  13. Readme Driven Development, https://tom.preston-werner.com/2010/08/23/readme-driven-development ，最后访问时间：2024.5.10
  14. https://blog.brachiosoft.com/posts/git/

关于作者

「发现开源三部曲」（《开源之迷》已出版，《开源之道》《开源之思》撰写中。）作者，「开源之道：致力于开源相关思想、知识和价值的探究、推动」主创，Linux基金会亚太区开源布道者（2022年度团队主席），云计算产业联盟（中国信息通信研究院发起)个人开源专家，Apache 本地共同体北京成员，CCF 开源技术丛书编委会委员 。