1.3 如何通過GitHub向Spark貢獻代碼

GitHub是全球最大的社會化編程及代碼托管網站，隨著GitHub的出現，軟件開發者才真正擁有了源代碼，世界各地的人都可以比從前更加容易地獲得源代碼，將其自由更改并加以公開。如今，世界上眾多的程序員都在通過GitHub來公開源代碼，越來越多的項目也選擇GitHub進行托管，其中有Linux這種史詩怪獸級項目，也不乏Akka這種精致小巧的項目。Apache Spark也將代碼托管在GitHub上，這樣就能利用GitHub強大的多人協作能力，輕而易舉地使分散在世界各地素未謀面的程序員共同為Spark進行開發。GitHub獨有的Pull Request機制，能夠使不同背景、不同地域、互不相識的程序員產生化學反應，不得不說是一件很奇妙的事情。

我們從GitHub上面可以看到Spark Contributor中有了很多中國人的面孔，這是非常值得高興的一件事情，作者也曾經通過向Spark貢獻代碼而成為Spark Contributor的一員。在大數據時代，中國很有希望實現彎道超車。本節將介紹如何通過GitHub的Pull Request功能，向Spark貢獻代碼。步驟如下。

（1）Fork Spark項目到自己賬號下。你需要注冊一個GitHub賬號，這樣你在GitHub下就有了一個自己的域名，然后，搜索Spark項目，并點擊Fork。這樣，在你的賬號（域名）下面就會有一份Spark的代碼倉庫。這是屬于你自己的代碼倉庫，你可以將其任意修改，而不會影響Spark項目，如圖1-7所示。

（2）創建一個自己用于修改的分支。在創建之前，我們已經在自己的代碼倉庫上有了一份Spark代碼的鏡像，這時我們當然可以在這份鏡像的master分支上直接進行修改并發起Pull Request。但是更好的做法是用自己的master分支去追蹤Spark項目的master分支（因為master分支會隨著Pull Request不斷變化），并根據當前的master分支創建一個用于修改的分支，我們在該分支上進行修改，修改完成后，再發起Pull Request。我們創建了mybranch分支，如圖1-8所示。

（3）將當前的代碼倉庫切換到mybranch分支。現在我們準備對當前的新分支進行修改，因此切換到待修改的分支。如圖1-9所示。

（4）修改代碼。選定一個文件，點擊修改按鈕，進行修改，如圖1-10所示。

修改完成后，commit到mybranch分支，如圖1-11所示。

（5）處理沖突，提交Pull Request。修改完代碼后，就可以準備提交一個Pull Request，在之前還需要考慮一個問題：在我們修改代碼的這段時間，Spark的master分支是否已經接受了別人Pull Request而發生了變化，如果是的話，我們需要先處理沖突，再進行提交。

首先，我們通過Pull Request選項卡新建一個Pull Request，如圖1-12所示。

這時候會出現你自己修改的版本與你要提交的Spark版本對比的頁面，如圖1-13所示。

在頁面的后半部分，會顯示兩個版本之間的差異。如圖1-14所示。

這時候，如果你發現Spark的master版本已經接受了別人Pull Request而和你當初修改的版本相比發生了變化，那么你需要進行修改以防止出現沖突，處理完畢后，我們就可以完成創建Pull Request了，如圖1-15所示。

我們可以在新建Pull Request頁面將關聯的Jira issue編號作為題目（如果有的話），便于Committer審閱，另外在正文中盡可能加上對該Pull Request的描述，最好寫上關聯Jira issue的鏈接，Jira會自動將該Pull Request進行關聯。如果Spark Committer認可了你的Pull Request，那么具有寫權限的Committer就會將你的Pull Request合并到Spark的master分支上。

完成了這5步，就完成了向Spark貢獻代碼的任務了。此外，在學習Spark的過程中，也可以將GitHub作為一個理想的源碼閱讀、心得記錄、代碼演練的環境。用好GitHub，將對你學習開源軟件起到事半功倍的重要作用。

此外，上述貢獻代碼的步驟可以用Git的客戶端以命令行的形式在本地完成，需要先熟悉Git shell操作，讀者可以自行嘗試。Git客戶端可以在GitHub官網下載。

開源軟件與Windows操作系統、Oracle數據庫這類商業軟件相比有著截然不同的創造力與參與感，甚至在某些理念上，開源軟件與商業軟件也是完全不同的，但是商業化是開源軟件健康發展的必經之路。近年來，開源軟件在商業化的道路上做過很多嘗試與積極探索，如Databricks這種成功案例，也有一些不太成功的例子，如Hortonworks市值縮水至原來的五分之一，最后不得不和Cloudera合并，但總體來說，開源軟件在商業化實踐方面逐漸走出了一條路，如2018年10月，大名鼎鼎的全文搜索引擎軟件Elasticsearch背后的商業化公司Elastic在紐交所上市，上市首日股價翻倍，達到了驚人的50億美元；2019年1月，基于Kafka商業化運營的公司Confluent融資1.25億美元，公司估值超過25億美元。