微软不仅仅是已经成为了开放源代码的热心用户,而且正在使用Git版本控制系统来构建Windows。专有软件开发的一个典型的例子就是依靠开放源代码创建其Windows操作系统。
几乎所有的微软Windows工程师现在都在使用开源程序Git来构建Windows
其实,早在2013年,微软就已经宣布了其向Visual Studio开发工具套件和Team Foundation应用程序生命周期管理技术添加Git支持的路径图。同年晚些时候,微软技术研究员和TFS领导者Brian Harry宣布,微软将支持Git作为其分布式源代码控制平台。
但如同Harry在当时的博客文章中所说的,“我们越多地注视它,它看起来就越像是正确的事情。”
随着岁月的流逝,微软甚至对Git作出了重要的开放源代码贡献。在2017年,微软根据MIT License开放了Git Virtual File System(Git虚拟文件系统)。 GVFS使微软的产品团队能够扩展Git客户端来处理其庞大的源代码回收。
从那时起,微软开始移植所有的Windows代码到Git和GVFS。这项工作现在已经基本完成了,而微软正在享受其开放源代码创造的这个星球上最大的Git repo成果。
Harry写道:“在过去的3个月中,我们已经基本上完成了向微软的Windows团队推出Git / GVFS。”这可不是一件小事。“Windows代码库大约是3.5M的文件,当进入Git repo时,结果就变成了约300GB的备份。”
并且写道,“Windows团队约有4000名工程师,440个分支机构每天在工程系统中平均产生1760‘实验室’,还有成千上万个拖拽请求认证。所有三个维度(文件数、repo大小和活动)独立来看,都面临着令人生畏的规模方面的挑战,这些因素结合在一起让创造一个伟大体验变成令人难以置信的挑战。”
Harry承认这是一个可怕的经历。“第一次也是最大的一次跳跃发生在3月22日,当时我们面向约2000名工程师的Windows OneCore团队推出,这个2000名工程师星期五在Source Depot上工作,周末回到了家,周一早上回来上班的时候就要面对基于Git的新体验了。我的团队中的员工整个周末都在提心吊胆,祈祷这些工程师不会到星期一发现自己无法完成任何工作,因而将一腔怒火发泄到我们头上。坦率地说,令我吃惊的是,工作进展非常顺利,工程师们从第一天开始就卓有成效。”
事情并不是一帆风顺的。“我们发现第一周我们的UI提取请求和合并冲突解决方案根本没有扩展到这么大的变化,我们不得不争夺虚拟化列表并逐步获取数据,所以UI不会挂起。我们在几天内解决了这个问题,整体而言,这一周的情绪好于我们预期。”
今天,几乎所有的Windows开发人员都在使用Git。在接下来的几个月中,最后的500位程序员将迁至Git。Harry表示,“系统运行的规模真的很棒,让我们来看一些数字吧。”
微软继续调整GVFS供远程使用。Harry解释说:“Windows Team Services帐户位于美国西海岸的Azure数据中心……80%的Windows工程师克隆时间为127秒。由于Windows的工程师有很大比例来自雷德蒙德,所以这个数字是由他们主宰的。”
“我们从北卡罗莱纳州的办公室(这个地点更远而且网络的带宽要低得多)进行了测试。从北卡罗莱纳州不使用代理服务器进行了一次克隆差不多用了25分钟。配置了一个代理的情况下,用了70秒(比在雷德蒙德快,因为雷德蒙德的团队不使用代理,而且他们必须通过互联网去到数百英里外的Azure数据中心)。70秒和几乎25分钟对比改善了95%。”
毕竟,GVFS是一个开放源代码项目,欢迎你的试用。您所需要做的只是下载并安装它,创建一个具有Git repo的Visual Studio Team Services帐户,这对你是件好事。其他Git程序包含了Atlassian SourceTree和Git Tower。
具有讽刺意味的是,目前还没有支持GVFS的Linux Git客户端,但是内部微软支持Linux和Mac支持。微软程序员经理Saeed Noursalehi在GVFS错误列表中写道:“是的,我们绝对希望支持Mac和Linux,而且我们正在寻找具有这些平台上的文件系统专业技能的人。”
Linux和Git的创造者Linus Torvalds曾经说过:“如果微软曾经为Linux提供应用程序,那就意味着我赢了”。我认为微软使用Git创建Windows可以被视作是一种胜利。
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。