近日，GitHub 年度開(kāi)發(fā)者大會(huì) GitHub Universe 2019 正式拉開(kāi)帷幕。GitHub 在峰會(huì)現(xiàn)場(chǎng)宣布了一項(xiàng)永久保存代碼計(jì)劃——GitHub Archive Program，通過(guò)不間斷的跨各種數(shù)據(jù)格式和位置存儲(chǔ)多個(gè)副本的方式來(lái)保護(hù)開(kāi)源軟件代碼，至少保存 1000 年。

 

作者： 趙鈺瑩  來(lái)源：InfoQ

代碼永久保存計(jì)劃

開(kāi)源軟件的出現(xiàn)為科技發(fā)展提供了動(dòng)力，這也是全人類的共同遺產(chǎn)。 GitHub Archive Program 的任務(wù)就是最大可能為后代保留這些開(kāi)源軟件。為了完成這項(xiàng)計(jì)劃，GitHub 與 Long Now Foundation、the Internet Archive、the Software Heritage Foundation, Arctic World Archive、Microsoft Research、the Bodleian Library 和 Stanford Libraries 合作，通過(guò)不間斷地跨各種數(shù)據(jù)格式和位置存儲(chǔ)多個(gè)副本來(lái)保護(hù)代碼，維持至少 1000 年的長(zhǎng)期存檔。

GitHub 表示，盡管發(fā)生全球性災(zāi)難的可能性很小，但所有存儲(chǔ)在現(xiàn)代設(shè)備平臺(tái)上的內(nèi)容都可能會(huì)在幾代后消失，跨多個(gè)組織和存儲(chǔ)形式的歸檔軟件將有助于確保其長(zhǎng)期保存：在線歸檔員將其稱為“ LOCKSS”，因?yàn)榇罅扛北究梢源_保安全。

目前，大量的知識(shí)存儲(chǔ)在臨時(shí)媒體設(shè)備上：硬盤(pán)、SSD、CD 可以使用數(shù)十年，備份磁帶名義上只有 30 年的壽命，還得嚴(yán)格控制熱量和濕度。即便未來(lái)這些硬件還在，但運(yùn)行在上面的軟件可能早已被淘汰， GitHub Archive Program 計(jì)劃有更長(zhǎng)遠(yuǎn)的打算，以解決數(shù)據(jù)在未來(lái)丟失的風(fēng)險(xiǎn)。

與此同時(shí)，這一計(jì)劃也為受到訪問(wèn)限制的開(kāi)發(fā)者提供了選擇，如果 GitHub 在某些地方不可用，受影響的開(kāi)發(fā)人員可以使用 Internet Archive 和 Software Heritage Foundation 訪問(wèn)其項(xiàng)目的公共代碼。

存哪?怎么存?

在 Long Now 創(chuàng)始人 Steward Brand 的啟發(fā)下， GitHub 采用“分層”策略來(lái)歸檔代碼。通過(guò)提供從實(shí)時(shí)到長(zhǎng)期存儲(chǔ)的一系列解決方案，該方法旨在最大程度地提高靈活性和耐用性。存檔程序分為三類：熱門(mén)，一般和冷門(mén)。

熱門(mén)：接近實(shí)時(shí)更新

一般：每月或每年更新一次

冷門(mén)：每 5 年以上更新一次

GitHub(以下各存儲(chǔ)方案按熱度排列，GitHub 為熱門(mén)項(xiàng)目首選)

每次訪問(wèn) GitHub，GitHub 都會(huì)將 Git 數(shù)據(jù)復(fù)制到世界各地的多個(gè)數(shù)據(jù)中心。此外，在 Git 的多個(gè)位置存儲(chǔ)數(shù)據(jù)、問(wèn)題、拉取請(qǐng)求以及數(shù)據(jù)備份，所有這些都可通過(guò) GitHub API 實(shí)時(shí)獲得。

GHTorrent

GHTorrent 監(jiān)視 GitHub 公共項(xiàng)目的時(shí)間線，并進(jìn)行歸檔，遞歸爬取歸檔內(nèi)容和依賴性。這些存檔每天或每月可供下載。

GH Archive

GH Archive 監(jiān)視 GitHub 公共事件時(shí)間軸，將這些事件歸檔，并使用 BigQuery 使它們可查詢。開(kāi)發(fā)者可以按小時(shí)、天或月下載快照。

Wayback Machine

互聯(lián)網(wǎng)檔案館 Wayback Machine 將檢索 GitHub 的公共資料庫(kù)(包括新的資料庫(kù)、問(wèn)題、拉取請(qǐng)求、Wiki 等)，并將副本存儲(chǔ)在舊金山和其他位置的硬盤(pán)上，這些檔案將通過(guò) git 和 https 公開(kāi)提供。

Software Heritage Foundation

Software Heritage Foundation(軟件遺產(chǎn)基金會(huì))將定期抓取 GitHub，并將其公共存儲(chǔ)庫(kù)添加到存檔中，并向其提供公共 API 訪問(wèn)權(quán)限。

Bodleian 圖書(shū)館

牛津大學(xué)的 Bodleian 圖書(shū)館將 GitHub 的 10,000 個(gè)最受關(guān)注和最依賴的存儲(chǔ)庫(kù)保留為 Piql 膠片格式，從而為 Arctic Code Vault 提供冗余。

GitHub Arctic Code Vault(北極)

2020 年 2 月 2 日，GitHub 會(huì)對(duì)每個(gè)活躍的公共存儲(chǔ)庫(kù)進(jìn)行快照捕獲，并保存在 GitHub Arctic Code Vault 中。存儲(chǔ)所使用的膠片卷軸長(zhǎng)達(dá) 3500 英尺，由專門(mén)負(fù)責(zé)研發(fā)超長(zhǎng)期數(shù)據(jù)保存技術(shù)的挪威 Piql 公司提供并編碼，其中的薄膜使用鹵化銀聚酯技術(shù)。根據(jù) ISO 標(biāo)準(zhǔn)，這種介質(zhì)的使用壽命長(zhǎng)達(dá) 500 年;同時(shí)，老化模擬測(cè)試表明，其使用時(shí)長(zhǎng)也能達(dá)到原來(lái)的兩倍。

這是位于北極世界檔案館(AWA)中的數(shù)據(jù)存儲(chǔ)庫(kù)，位于北極山永久凍土區(qū)深 250 米。該檔案館位于斯瓦爾巴群島的一個(gè)廢棄煤礦中，比北極圈更靠近北極。 GitHub 將在 2020 年 2 月 2 日捕獲每個(gè)活動(dòng)公共存儲(chǔ)庫(kù)的快照，并將這些數(shù)據(jù)保存在 Arctic Code Vault 中。

斯瓦爾巴群島受國(guó)際《斯瓦爾巴群島條約》的管制，屬于非軍事區(qū)，是世界上最北端的城鎮(zhèn)所在地，地球上最偏遠(yuǎn)和地緣政治最穩(wěn)定的人類居住地之一。AWA 是挪威國(guó)有采礦公司 Store Norske Spitsbergen Kulkompani(SNSK)與長(zhǎng)期數(shù)字存儲(chǔ)提供商 Piql AS 的一項(xiàng)聯(lián)合計(jì)劃。 AWA 致力于永久保存檔案，膠片卷軸將被存儲(chǔ)在位于斯瓦爾巴群島偏遠(yuǎn)群島一座廢棄煤礦密封室內(nèi)的鋼壁容器中。

盡管斯瓦爾巴群島受到氣候變化的影響，但在可預(yù)見(jiàn)的將來(lái)，可能只會(huì)影響到最外面幾米的永久凍土，預(yù)計(jì)變暖不會(huì)威脅穩(wěn)定性。礦山靠近著名的 Global Seed Vault(僅一英里之遙)，這增強(qiáng)了斯瓦爾巴群島作為人類集體知識(shí)的穩(wěn)定且長(zhǎng)期的檔案館地位。

存檔在 GitHub Arctic Code Vault 中的 02/02/2020 快照將包括所有活動(dòng)的公共 GitHub 存儲(chǔ)庫(kù)，此外還包括由星號(hào)、依賴項(xiàng)和咨詢小組確定的大量休眠存儲(chǔ)庫(kù)�？煺諏⒂擅總�(gè)存儲(chǔ)庫(kù)的默認(rèn)分支的 HEAD 減去任何大于 100KB 的二進(jìn)制文件組成，每個(gè)存儲(chǔ)庫(kù)將打包為一個(gè) TAR 文件。

為了提高數(shù)據(jù)密度和完整性，大多數(shù)據(jù)將以 QR 編碼存儲(chǔ)。易于閱讀的索引和指南將逐項(xiàng)列出每個(gè)存儲(chǔ)庫(kù)的位置，并說(shuō)明如何恢復(fù)數(shù)據(jù)。

微軟研究院的 SILICA 項(xiàng)目

GitHub 存檔計(jì)劃與 Microsoft 的 Silica 項(xiàng)目合作，通過(guò)使用飛秒激光(目前科技條件下所能獲得的最短脈沖激光)將所有活動(dòng)的公共存儲(chǔ)庫(kù)寫(xiě)入石英玻璃片中，最終將其保存超過(guò) 10,000 年。

未來(lái)如何獲取這些代碼?

GitHub 正在召集 GitHub Archive Program 咨詢小組，其中包括人類學(xué)、考古學(xué)、歷史學(xué)、語(yǔ)言學(xué)、檔案科學(xué)、未來(lái)主義等方面的專家，就應(yīng)該在歸檔中包含哪些內(nèi)容以及如何與繼承者進(jìn)行最佳溝通提出建議。

存檔的簡(jiǎn)介將包括 QR 解碼、文件格式、字符編碼和其他關(guān)鍵元數(shù)據(jù)的技術(shù)指南，以便可以將原始數(shù)據(jù)轉(zhuǎn)換回源代碼，以供將來(lái)其他人使用。該歸檔文件還將包括技術(shù)樹(shù) - 路線圖和 Rosetta Stone，以供將來(lái)好奇的人繼承該歸檔文件的數(shù)據(jù)。

關(guān)于存檔及其使用方式的概述，“技術(shù)樹(shù)”將作為軟件開(kāi)發(fā)和計(jì)算的快速入門(mén)手冊(cè)，并與該存檔的用戶指南捆綁在一起。它將描述如何從原始數(shù)據(jù)向后處理到源代碼，以及如何提取項(xiàng)目的目錄、文件和數(shù)據(jù)格式。

據(jù)報(bào)道，該檔案還將包括應(yīng)用開(kāi)源的信息和指南，以及當(dāng)下開(kāi)發(fā)者使用開(kāi)源的情況，以防將來(lái)讀者需要從頭開(kāi)始重建技術(shù)。在人類擁有可以運(yùn)行的現(xiàn)代計(jì)算機(jī)但沒(méi)有可在其上運(yùn)行的軟件的范圍內(nèi)，檔案及其技術(shù)樹(shù)可能會(huì)非常有價(jià)值。但是，該價(jià)值很有可能是歷史性的。

一千年是很長(zhǎng)的時(shí)間，一千多年前尚未建成吳哥窟等古代遺址。但是，GitHub 認(rèn)為可以考慮并計(jì)劃在未來(lái) 1000 年內(nèi)實(shí)現(xiàn)各種可能性，主要任務(wù)是為后代開(kāi)發(fā)者保留開(kāi)源軟件，并打算將 GitHub Archive Program 作為開(kāi)源社區(qū)重要性的證明。希望這項(xiàng)計(jì)劃現(xiàn)在和將來(lái)可以進(jìn)一步宣傳全球開(kāi)源運(yùn)動(dòng)，促進(jìn)在全球范圍內(nèi)廣泛采用開(kāi)源和開(kāi)放數(shù)據(jù)政策并鼓勵(lì)長(zhǎng)期思考。

標(biāo)簽： GitHub

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。