近日，GitHub 年度開發(fā)者大會 GitHub Universe 2019 正式拉開帷幕。GitHub 在峰會現(xiàn)場宣布了一項永久保存代碼計劃——GitHub Archive Program，通過不間斷的跨各種數(shù)據(jù)格式和位置存儲多個副本的方式來保護開源軟件代碼，至少保存 1000 年。

 

作者： 趙鈺瑩  來源：InfoQ

代碼永久保存計劃

開源軟件的出現(xiàn)為科技發(fā)展提供了動力，這也是全人類的共同遺產。 GitHub Archive Program 的任務就是最大可能為后代保留這些開源軟件。為了完成這項計劃，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，通過不間斷地跨各種數(shù)據(jù)格式和位置存儲多個副本來保護代碼，維持至少 1000 年的長期存檔。

GitHub 表示，盡管發(fā)生全球性災難的可能性很小，但所有存儲在現(xiàn)代設備平臺上的內容都可能會在幾代后消失，跨多個組織和存儲形式的歸檔軟件將有助于確保其長期保存：在線歸檔員將其稱為“ LOCKSS”，因為大量副本可以確保安全。

目前，大量的知識存儲在臨時媒體設備上：硬盤、SSD、CD 可以使用數(shù)十年，備份磁帶名義上只有 30 年的壽命，還得嚴格控制熱量和濕度。即便未來這些硬件還在，但運行在上面的軟件可能早已被淘汰， GitHub Archive Program 計劃有更長遠的打算，以解決數(shù)據(jù)在未來丟失的風險。

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

存哪?怎么存?

在 Long Now 創(chuàng)始人 Steward Brand 的啟發(fā)下， GitHub 采用“分層”策略來歸檔代碼。通過提供從實時到長期存儲的一系列解決方案，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，一般和冷門。

熱門：接近實時更新

一般：每月或每年更新一次

冷門：每 5 年以上更新一次

GitHub(以下各存儲方案按熱度排列，GitHub 為熱門項目首選)

每次訪問 GitHub，GitHub 都會將 Git 數(shù)據(jù)復制到世界各地的多個數(shù)據(jù)中心。此外，在 Git 的多個位置存儲數(shù)據(jù)、問題、拉取請求以及數(shù)據(jù)備份，所有這些都可通過 GitHub API 實時獲得。

GHTorrent

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

GH Archive

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

Wayback Machine

互聯(lián)網檔案館 Wayback Machine 將檢索 GitHub 的公共資料庫(包括新的資料庫、問題、拉取請求、Wiki 等)，并將副本存儲在舊金山和其他位置的硬盤上，這些檔案將通過 git 和 https 公開提供。

Software Heritage Foundation

Software Heritage Foundation(軟件遺產基金會)將定期抓取 GitHub，并將其公共存儲庫添加到存檔中，并向其提供公共 API 訪問權限。

Bodleian 圖書館

牛津大學的 Bodleian 圖書館將 GitHub 的 10,000 個最受關注和最依賴的存儲庫保留為 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 會對每個活躍的公共存儲庫進行快照捕獲，并保存在 GitHub Arctic Code Vault 中。存儲所使用的膠片卷軸長達 3500 英尺，由專門負責研發(fā)超長期數(shù)據(jù)保存技術的挪威 Piql 公司提供并編碼，其中的薄膜使用鹵化銀聚酯技術。根據(jù) ISO 標準，這種介質的使用壽命長達 500 年;同時，老化模擬測試表明，其使用時長也能達到原來的兩倍。

這是位于北極世界檔案館(AWA)中的數(shù)據(jù)存儲庫，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 日捕獲每個活動公共存儲庫的快照，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，地球上最偏遠和地緣政治最穩(wěn)定的人類居住地之一。AWA 是挪威國有采礦公司 Store Norske Spitsbergen Kulkompani(SNSK)與長期數(shù)字存儲提供商 Piql AS 的一項聯(lián)合計劃。 AWA 致力于永久保存檔案，膠片卷軸將被存儲在位于斯瓦爾巴群島偏遠群島一座廢棄煤礦密封室內的鋼壁容器中。

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

存檔在 GitHub Arctic Code Vault 中的 02/02/2020 快照將包括所有活動的公共 GitHub 存儲庫，此外還包括由星號、依賴項和咨詢小組確定的大量休眠存儲庫�？煺諏⒂擅總�存儲庫的默認分支的 HEAD 減去任何大于 100KB 的二進制文件組成，每個存儲庫將打包為一個 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。易于閱讀的索引和指南將逐項列出每個存儲庫的位置，并說明如何恢復數(shù)據(jù)。

微軟研究院的 SILICA 項目

GitHub 存檔計劃與 Microsoft 的 Silica 項目合作，通過使用飛秒激光(目前科技條件下所能獲得的最短脈沖激光)將所有活動的公共存儲庫寫入石英玻璃片中，最終將其保存超過 10,000 年。

未來如何獲取這些代碼?

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

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

關于存檔及其使用方式的概述，“技術樹”將作為軟件開發(fā)和計算的快速入門手冊，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，以及如何提取項目的目錄、文件和數(shù)據(jù)格式。

據(jù)報道，該檔案還將包括應用開源的信息和指南，以及當下開發(fā)者使用開源的情況，以防將來讀者需要從頭開始重建技術。在人類擁有可以運行的現(xiàn)代計算機但沒有可在其上運行的軟件的范圍內，檔案及其技術樹可能會非常有價值。但是，該價值很有可能是歷史性的。

一千年是很長的時間，一千多年前尚未建成吳哥窟等古代遺址。但是，GitHub 認為可以考慮并計劃在未來 1000 年內實現(xiàn)各種可能性，主要任務是為后代開發(fā)者保留開源軟件，并打算將 GitHub Archive Program 作為開源社區(qū)重要性的證明。希望這項計劃現(xiàn)在和將來可以進一步宣傳全球開源運動，促進在全球范圍內廣泛采用開源和開放數(shù)據(jù)政策并鼓勵長期思考。

標簽： GitHub

版權申明：本站文章部分自網絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。