原创文章,转载请保留出处
最近刚刚忙完Spark 2.2.0的性能测试及Bug修复,社区又要发布2.1.2了,国庆期间刚好有空,过了一遍2.1.2的相关JIRA,发现有不少重要修复2.2.0也能用上,接下来需要将有用的PR合到我们内部维护的2.2.0分支上了。
经常有朋友问我是怎么把社区的PR合到自己分支上的,我之前跟他们介绍的做法是基于PR拉分支,在IDEA中单个文件diff合并。如果是偶尔合下社区代码,这种方式也不算太费事。但是如果PR中改动的文件较多,或者要合并多个PR过来,这种方式也挺麻烦。
废话到此,这篇文章是介绍,如何高效地合并Spark社区PR到自己维护的分支(常说的打Patch),当然,针对其他开源项目,该方法同样适用。
PR:Pull Request是GitHub上的一个功能,开源代码的贡献者,通过发起一个Pull Request向社区贡献代码。
准备Spark代码
一般来说,自己维护一套Spark代码,需要Fork下社区项目,在clone自己Fork的代码,进行开发。我这里以Spark 2.2.0为例。
clone自己Fork的仓库到本地
# stanzhai是我的GitHub账号,大家需要换成自己的仓库地址 git clone https://github.com/stanzhai/spark.git cd spark
添加一个名为upstream的远程仓库指向社区的版本库
git remote add upstream https://github.com/apache/spark.git
设置PR引用,编辑git配置
vi .git/config
,找到upstream,添加最后一行fetch[remote "upstream"]url = https://github.com/apache/spark.gitfetch = +refs/heads/*:refs/remotes/upstream/*fetch = +refs/pull/*/head:refs/remotes/upstream/pr/* # 注意添加这行
同步远端库,更新分支引用(每次合并前都需要执行)
git remote update
checkout一个2.2.0的维护分支
git checkout -b my-2.2.0 v2.2.0
我们创建了一个基于2.2.0的my-2.2.0分支,下面的示例是将社区PR合并到my-2.2.0分支中。
提交给社区的PR大致分为2类:
- PR被接受,且被合并到社区的仓库
- PR没有合并到社区仓库,(代码没问题,有可能commiter还没来得及处理)
整合已被社区合并的PR
被合并到社区的PR已经做了rebase处理,对于这种PR,合并到自己的分支中是非常简单的事情,直接使用git的cherry-pick就可以搞定。
我们以这个卡片为例:https://issues.apache.org/jira/browse/SPARK-22083
这个卡片被标记为resolved,而且PR也被合到社区仓库了:https://github.com/apache/spark/pull/19311,我们打开这个链接,到页面下方,找到这个位置:
打开后,会跳转到这个地址:https://github.com/apache/spark/commit/2c5b9b1173c23f6ca8890817a9a35dc7557b0776,地址中后面的一长串就是我们需要的commit-id,得到这个就可以直接合并代码了:
git remote update
git cherry-pick 2c5b9b1173c23f6ca8890817a9a35dc7557b0776
执行完,提示以下信息就表示合并成功了:
➜ spark git:(my-2.2.0) ✗ git cherry-pick 2c5b9b1173c23f6ca8890817a9a35dc7557b0776
[my-2.2.0 529f5ea55ff] [SPARK-22083][CORE] Release locks in MemoryStore.evictBlocksToFreeSpaceAuthor: Imran Rashid <irashid@cloudera.com>Date: Mon Sep 25 12:02:30 2017 -07002 files changed, 153 insertions(+), 13 deletions(-)
如果合并的代码恰好也被你改过了,那么有可能会出现冲突,这种情况正常解决冲突,然后git commit
就可以了。
整合尚未合并到社区的PR
由于一个PR可能包含多次提交,整合未合并到社区的PR就比较麻烦了。Spark的主干代码每天都有变动,直接对比两个不同的分支变动通常会比较大,我们需要将PR中n次提交的代码的所有变更梳理出来,然后在做整合。
我们以这个PR为例:https://github.com/apache/spark/pull/19301,这个PR实现上还有待改进,但可以正常工作,因此还没合入社区,我们将这个PR合并到my-2.2.0分支,需要进行以下操作:
# 更新远程仓库及版本引用信息
git remote update# 基于某个PR创建一个分支,这里的19301是这个PR在GitHub上的id
git checkout -b pr-19301 upstream/pr/19301
git checkout pr-19301# PR分支大都基于master开发,以upstream/master分支为基准,重新apply PR分支上的修改
git rebase upstream/master# 通过diff提取这次PR的patch文件
git diff upstream/master > pr-19301.patch# 到目标分支打patch
git checkout my-2.2.0
git apply --reject pr-19301.patch# 查看上一步apply的状态
git status
# apply有可能会不成功,尚未apply的patch被存放到*.rej文件中,需要手动处理,最后提交即可
git commit -a# 清理
rm pr-19301.patch
rm *.rej
git branch -D pr-19301
参考
- Useful Developer Tools
- A successful Git branching model
- Git 分支 - 分支的衍合
最后
上述方法不能保证合PR 100%成功,原则上你的分支和社区代码约近,冲突越少,越容易处理。Spark 2.x的代码有很大的变动,把针对2.x的PR打到1.6的分支上,往往是个麻烦事。
文章首发自知乎专栏:Spark大数据技术,专注大数据、Spark相关技术,欢迎关注。
据说看完这篇文章给个赞的同学,打Patch都不会遇到冲突 ~(≧▽≦)/~