← 返回文章列表

深入解析 GitHub 全新 Git 存储架构

GitHub 正在重构 Git 仓库的底层存储。2026 年 11 月 5 日公布的新架构代号为“Project Rubicon”,目标是在不改变 push、fetch 和分支使用方式的前提下,拆分数据存储、请求处理与仓库维护工作。

文章封面

GitHub 正在重构 Git 仓库的底层存储。2026 年 11 月 5 日公布的新架构代号为“Project Rubicon”,目标是在不改变 push、fetch 和分支使用方式的前提下,拆分数据存储、请求处理与仓库维护工作。GitHub 称,迁移工作一直在现有服务运行期间推进,此前已有 99.99999% 的仓库迁入 Azure。

  • Spokes 继续负责路由和负载均衡,把请求分配给仓库对应的虚拟副本。
  • 虚拟副本使用一次性计算资源,本地磁盘仅作为可重建缓存。
  • Git pack、索引和读取加速数据存入 Azure Blob Storage。
  • 引用状态与 pack 清单交由复制日志服务 Ref-CAS 管理,写入时按引用范围协调。

这一设计利用了 Git 对象的两个特性:对象不可变,并以内容命名。因此,不同写入者可以并行上传对象;真正需要达成一致的,只是少量引用更新。虚拟副本先为 incoming pack 建立索引并上传至 Blob Storage,再通过一次 Ref-CAS 事务登记 pack 并更新引用。读取时,副本先核对仓库版本;若版本未变,只需一次比较,仓库状态没有变化时无需重新下载数据。

把高并发写入与后台整理分开

Ref-CAS 为每个引用更新执行比较并交换。代理通常写入各自分支,因此多数事务互不争用;两个推送同时修改同一引用时,只有一个能追加到日志。GitHub 称,该服务已能以每秒数万次操作处理单独引用状态,但这属于厂商测试结果,不代表所有引用组合都能达到相同吞吐。

每次 push 都会增加 pack 数量。为避免查找成本持续增长,新架构使用独立计算节点在后台执行压缩,把多个 pack 合并为更大的 pack,并核验新旧对象集合一致后再更新清单。垃圾回收也由专用工作节点承担,用于删除已无引用关系的对象。这样,虚拟副本的 CPU 和内存可以主要留给请求处理,而不是同时执行压缩和回收。

适合高写入伴随高读取的热门仓库

这类架构主要面向代理并行开发带来的热点仓库:多个代理频繁推送不同分支,同时 CI、部署系统和其他代理又不断拉取新提交。GitHub 在内部测试中称,系统曾支持 5,000 个并发代理和每秒 7,200 次 push,同时保持较低读取延迟。不过这些数字来自特定内部环境,不能直接等同于所有仓库负载下的生产表现。

仍有明确的性能边界

  • 同一分支上的并发更新仍会串行化,因为冲突引用必须确定提交顺序。
  • 落后的虚拟副本需要补拉缺失数据,节点重建缓存期间可能产生额外读取。
  • 压缩和垃圾回收属于计算密集型工作,GitHub 表示相关性能优化仍在规划中。
  • 对象数据与引用状态采用不同存储和协调机制,系统复杂度及运维要求也随之增加。

资料来源:Inside GitHub’s new Git storage architecture(2026-11-05)。

相关文章

Azure AI Speech LLM 09-2026 正式发布:语言区域支持范围得到进一步扩大CUDA 二十周年:这个平台如何改变科学计算Duco 如何利用 Amazon Bedrock AgentCore 革新金融数据自动化使用 Amazon Bedrock 托管知识库的 Agentic Retrieve 构建具备记忆能力的 AI 智能体

一起聊聊

留下你的想法,评论审核通过后展示。

想进一步了解?

留下需求和联系方式,我们会就本次咨询与你联系。

本站使用有效期 180 天的随机浏览器标识统计访问与阅读情况,并记录访问 IP 及其大致所属地区,仅管理员可见;浏览器启用“请勿跟踪”时停止访问采集。