小蚂蚁 发表于 2022-9-15 15:15:47

开源指南|如何从零开始参与 Apache 顶级开源项目?(二)


作者:苏奕嘉|SelectDB 生态研发工程师
写在开头
上一篇文章 如何从零开始参与 Apache 顶级开源项目? 我们介绍了 Apache Doris 社区的工作机制、如何参与社区贡献以及如何完成第一个 PR,更多是从大而全的角度来介绍参与开源项目的一些定式,希望能为新人开发者提供一个简单的思路。
思路固然重要,而详细的指引也是新人开发者真正参与开源的关键,在本篇文章中,我们将会为大家介绍以下内容:

[*]参与 Apache Doris 开发至少需要掌握哪些技术栈

[*]Apache Doris 开发环境搭建

[*]代码结构介绍以及代码改动

[*]如何进行文档贡献

[*]如何提交一个合格的 PR

[*]如何解决冲突以及 Rebase 代码

[*]ci 检查失败该如何处理

本文将通过以上内容为新人开发者提供一个详尽的入门指引,希望有更多热爱开源的小伙伴可以加入到 Apache Doris 社区中,无论是文档贡献或代码开发,亦或是参与宣传推广和分享应用案例,都是社区非常欢迎的贡献方式。那么接下来我们将展开各项详细说明。
第 0步:掌握技术栈
Apache Doris 的系统架构非常精简,只有 Frontend(FE) 和 Backend(BE) 两类进程,FE 节点主要负责用户请求的接入、查询解析规划、元数据的管理以及节点管理相关工作,BE 节点主要负责数据存储、查询计划的执行。
除此以外,Apache Doris 不依赖任何其他的组件,例如不依赖 HDFS 进行数据存储、不依赖 Zookeeper 进行分布式管控,相对于 Druid、Clickhouse 之类的 OLAP 数据库,Apache Doris 架构精简的优势极大的降低了运维压力,同时,Doris 无论是在升级还是扩缩容方面都更加的便捷。
FE 由 Java 语言编写, BE 出于性能考虑使用 C++ 语言实现,在 开发 过程中 必备 的 技术栈 包括 :

[*]FE:Java、Maven
[*]BE:C++
第 1 步:Apache Doris 开发环境搭建
Apache Doris 主要代码语言为 Java 和 C++,我们分别就 FE 和 BE 的开发环境搭建进行说明。
FE 开发环境
FE 中的 Java 代码由 Maven 管理,推荐使用 IntelliJ IDEA 进行开发,
IntelliJ IDEA 的开发环境搭建可以参阅 官方文档 ,链接:
https://doris.apache.org/zh-CN/community/developer-guide/fe-idea-dev
在工程创建完成后,建议配置 IDEA 如下两个功能,以方便通过代码格式检查:

[*]Editor -> Code Style -> Java 中配置 Imports Order。
   
[*]Imports Order 的具体顺序可参阅 官方文档 ,链接:   
[*]https://doris.apache.org/zh-CN/community/developer-guide/java-format-code   
   
[*]在 Save Actions 设置保存时自动格式化。建议在格式化选项中仅勾选 Optimize imports 和 Reformat only changed code ,以保证 Import 顺序,同时避免未变更的代码被自动格式化。

BE 开发环境
BE 开发环境请参阅 官方文档 ,链接:
https://doris.apache.org/zh-CN/community/developer-guide/be-vscode-dev
BE 的代码自动格式化请参阅 官网文档 ,链接:
https://doris.apache.org/zh-CN/community/developer-guide/cpp-format-code
Apache Doris 使用 clang-format 进行代码格式化,并在 build-support 目录下提供了封装脚本:

[*]clang-format.sh.
[*]格式化 be/src 和 be/test 目录下的 C/C++ 代码。
[*]check-format.sh.
[*]检查 be/src 和 be/test 目录下的 C/C++ 代码格式,并将 diff 输出,但不会修改文件内容。
第 2 步:代码结构介绍及代码改动
代码结构介绍
我们将介绍 Apache Doris Master 分支为例的代码模块都有哪些,便于大家快速检索。
以 master-``9a74ad1 为例,根目录索引如下:
├── be                  // BE 代码目录
├── bin               // FE/BE 的启停脚本
├── build_plugin.sh   // FE 插件编译脚本
├── build.sh            // Doris 编译脚本
├── build-support       // 编译用辅助脚本
├── CODE_OF_CONDUCT.md// 贡献者代码行为准则
├── conf                // FE/BE 的配置文件
├── contrib             // 第三方贡献代码,如 udf
├── CONTRIBUTING_CN.md
├── CONTRIBUTING.md
├── DISCLAIMER
├── dist                // 许可证目录
├── docker            // Doris 开发镜像的 Dockerfile
├── docs                // 文档目录
├── env.sh
├── extension         // 扩展功能代码,如 flink connector 等
├── fe                  // FE 代码目录
├── fe_plugins          // FE 插件目录
├── fs_brokers          // Broker 代码目录
├── gensrc            // thrift/protobuf 等代码生成目录
├── LICENSE.txt
├── NOTICE.txt
├── README.md
├── regression-test   // 回归测试目录
├── run-be-ut.sh      // BE 单元测试运行脚本
├── run-fe-ut.sh      // FE 单元测试运行脚本
├── run-tegression-test.sh
├── samples             // 示例代码目录
├── thirdparty          // 第三方依赖库目录
├── tools               // 一些辅助工具
├── tsan_suppressions
├── ui                  // FE 前端代码目录
└── webroot             // 一些静态网页相关代码


使用中经常涉及到的开发目录有:

[*]FE 代码目录:fe/
[*]BE 代码目录:be/
[*]Thrift 等代码生成目录:gensrc/
[*]扩展功能代码目录:extension/
[*]回归测试目录:regression-test/
FE
├── check
├── fe-common   // 一些 FE 模块的通用代码
├── fe-core   // FE 模块主代码
├── hive-udf    // hive-udf 模块代码
├── java-udf    // java-udf 模块代码
├── pom.xml
├── README
└── spark-dpp   // Spark Load 所依赖的 Spark 导入程序代码


fe-core 目录下是 FE 的代码核心模块。
├── main            
│   ├── cup         // 语法定义文件
│   ├── java      // 主代码
│   ├── jflex       // 词法定义文件
│   ├── antlr4      // 词法分析器
│   └── resources
└── test             // 单元测试
    ├── java
    └── resources


在主代码路径下,也就是上述树状的 main/java/org/apache/doris/ 目录下,有如下的主要代码部分:
├── alter         // 表结构变更操作相关的代码。包括表结构变更,物化视图等。
├── analysis      // 包含所有SQL语法的java实例类
├── backup      // 备份恢复操作相关的代码
├── blockrule   // SQL 黑名单相关代码
├── catalog       // 包含元数据操作的主类和各种数据库、表、分区的元数据实例类
├── clone         // 数据副本修复和均衡相关的代码
├── cluster       // 已废弃
├── common      // 一些工具类和通用定义
├── consistency   // 数据一致性校验相关的代码
├── deploy      // 部署相关代码
├── external      // Doris on Elasticsearch相关的代码
├── ha            // 元数据高可用相关的代码
├── http          // http v1 代码
├── httpv2      // http v2 代码(逐步替换v1)
├── journal       // 元数据日志相关的代码
├── ldap          // LDAP 认证相关代码
├── load          // 导入作业相关代码
├── master      // FE Master角色相关的操作代码,如元数据Checkpoint,BE任务汇报的处理等。
├── metric      // FE 监控指标相关的代码
├── monitor       // JVM 监控相关代码
├── mysql         // MySQL协议层相关代码
├── nereids       // 优化器相关代码
├── PaloFe.java   // Main函数入口
├── persist       // 元数据持久化相关的代码
├── planner       // 查询优化器相关的代码
├── plugin      // Frontend端插件管理相关代码
├── policy      // 存储策略相关代码
├── qe            // 用于处理各类SQL请求相关的代码。如查询请求的处理类、DDL请求的处理类等
├── resource      // 资源标签相关的代码
├── rewrite       // 查询优化器重写规则相关的代码
├── rpc         // Frontend和Backend之间RPC协议相关的代码
├── service       // Frontend侧各种服务器端代码
├── statistics    // 统计信息相关代码
├── system      // 集群节点的实例类和集群节点管理相关的代码
├── tablefunction // 表函数相关代码
├── task          // Frontend发往Backend的各类任务相关的代码
└── transaction   // 导入事务相关代码


BE
├── CMakeLists.txt// CMake 编译文件
├── src             // 主代码目录
└── test            // 单元测试


其中,主要代码目录包含如下内容:
├── agent                   // FE 下发的 agent task 相关处理类
├── common                  // 通用类
├── env                     // 文件系统操作类
├── exec                  // 执行算子相关代码
├── exprs                   // 表达式、函数计算相关代码
├── gen_cpp               //
├── geo                     // 地理位置函数相关代码
├── glibc-compatibility   // GLIBC 兼容代码
├── gutil                   // Google gutil 相关代码
├── http                  // BE 端 http server 相关代码
├── io                      //
├── olap                  // 存储层代码
├── runtime               // 查询层运行时相关代码
├── service               // BE 对外服务接口相关代码
├── tools                   // 辅助工具相关代码
├── udf                     // 用户自定义函数相关代码
├── util                  // 一些工具类
└── vec                     //


gensrc
├── Makefile
├── proto       // protobuf 定义文件
├── script      // 一些辅助脚本,包括函数定义代码生成模板等
└── thrift      // thrift 定义文件


extension
├── DataX                   // DataX doriswriter 插件
├── dbt-doris               // DBT 插件
├── logstash                // logstash 导入插件
└── mysql_to_doris          // MySQL 导入插入


regression-test
├── common         // 回归测试框架通用代码
├── conf         // 配置类文件
├── data         // 测试结果集
├── framework
├── plugins      // 插件目录
├── script         // 脚本目录
└── suites         // 测试代码目录


如果对以上某个模块感兴趣,均可以通过目录检索对照完成快速定位。
代码改动
这里的代码改动不仅指 Java / C++ / Python 等编程语言的改动,文档内容改动、代码注释改动等,也都属于代码改动范畴,所述代码改动均可以通过目录检索定位到对应的位置来修改。
举例:

[*]文档修改,需要到 /docs 目录下修改对应的 .md 文件。
[*]代码修改,到指定目录下修改相应的文件内容。
第 3 步:参与文档贡献
在 Apache Doris 官网目前的文档结构中,文档被分为历史文档与 dev 文档。在开发过程如果发现文档勘误,需要在不同仓库目录下对文档提交修改。
其中,历史文档有 0.15 和 1.1 两个版本号,文档版本号与 Apache Doris 内核版本保持一致,位于 https://github.com/apache/doris-website 仓库中
Website 代码目录结构可以参考链接:https://doris.apache.org/zh-CN/community/how-to-contribute/contribute-doc
dev 文档与当前 Master 版本一致,位于 https://github.com/apache/doris/tree/master/docs

[*]如果需要修改的文档只涉及当前 dev 版本,直接在 Master 上进行修改并提交 PR 。
[*]如果需要修改的文档同时出现在 dev 版本及历史版本中,则需要分别在 doris-website 和 apache/doris 两个代码仓库提交 PR。
举例说明:
1) 文档修改。 以下面文档示例,在 Apache Doris 官网中,我们发现有一篇文章的描述出现错误,需要删除该内容。
首先在 apache/doris 代码仓库的 master 分支中找到对应的该文档,中文文档在 docs/zh-CN/docs/data-table/data-partition.md ,找到需要删除的语句描述进行删除。

英文文档在 docs/en/docs/data-table/data-partition.md ,步骤如上,删除对应英文描述。

需要注意的是:文档类的修正 , 定需要同时修改中文和英文 两个 文档 , 修改后,分别创建 Pull Request 进行提交。
2) 提交 Blog , 目前 Apache Doris 官网提供了 Blog 功能,欢迎所有人分享优质技术内容到官网 Blog 中。Blog 不区分文档版本,所有版本通用, 因此 只需要在 apache/doris-website 中提交一次 PR ****, 无需在多个版本中重复提交。
中英文 Blog 处于不同的目录下,英文博客位于根目录下的 Blog 中,链接 https://github.com/apache/doris-website/tree/master/blog。中文博客目录在 i18n/zh-CN/docusaurus-plugin-content-blog 。提交 Blog 时,只需要将中英博客对应的 markdown 文件分别置于两个目录下,需要注意的是,中英文博客的文件名称需要保持一致。
第 4 步:如何提交一个合格的PR
看到这一步,相信有很多小伙伴已经迫不及待要开始代码提交之路,先别着急,还有一些问题需要解决。比如:如何快速找到想要改动或者擅长的代码模块呢?
接下来 介绍 如何提交代码到远端 并 完成一个合格的 PR 。
严格来讲,提交本地改动到 Remote 端的步骤是三步:

[*]add 文件
[*]commit 暂存提交
[*]push 推送远端
如果 使用的 是 Git 命令行工具,应执行以下的通用流程:
git add <file>
git commit -s -m "some description here"
git push origin feat-xxx



[*]add <file> :添加本次改动的文件目录,如果想添加所有改动文件,不需要一一指定,使用 git add --all 即可。
[*]commit 暂存提交:将暂存提交内容和描述信息到本地,-s 参数一定要添加,-m 参数后面是本次提交内容的描述信息。
[*]push 推送远端:是执行推送本地改动到远端的动作, feat-xxx 代表要提交的分支,还有一些参数,如 -f 参数,作用在当 commits 记录不满意,仍需强制覆盖远程分支的参数,根据具体情况灵活调整。
如果使用的是 Git GUI 工具,如 IDE 的 Git 插件,SourceTree、SmartGit、TorToiseGit等,根据相对应的功能模块按步骤操作即可。
以上面修改的文档提交为例,我们执行如下操作:
cd doris
git add docs/zh-CN/docs/data-table/data-partition.md
git add docs/en/docs/data-table/data-partition.md
git commit -s -m "Fixed incorrect description of column length limit in partition bucketing documentation."
git push origin docs-data-table


可以注意到, commit 描述都是用英文,鼓励大家使用英文描述来提交 commit 以及 PR 。

当进行提交时如果提示输入 GitHub 账号名和密码,输入后又提示鉴权失败,原因是未配置 SSH 免密机器,需要在账户 settings 中创建 token 来当做密码,具体流程不再赘述。成功后提示如下:

提交后,我们回到个人 Gitgub 账户下 Fork 后的代码库,发现有黄色提示框来提示有改动,我们可以创建一个 PR 来回归上游代码库,操作如下:
点击按钮 Compare & pull request 创建一个 PR。

一个合格的 PR 内容,应该有三部分组成:

[*]正确的分支指向,即你当前修正的分支提交到目标源仓库分支,这里我们是从 FreeOnePlus/doris/docs-data-table 分支回归合并到 apache/doris/master 分支来。
[*]正确的标题名称,不同的改动内容,需要配以不同的类型标题来进行划分,如果不按如下的通用格式书写,会导致 PR 合入失败,格式应为:[<type>](<scope>) <subject> (#pr),比如文档标题应以 开头,如我们示例的这次改动,应该命名为: (docs)Partition table document correction 或者 Partition table document correction。如果是 Bug 修复的代码改动,那应该以 作为标题前缀,(<scope>)一定要有,更多类型可以阅读官方文档(https://doris.apache.org/zh-CN/community/how-to-contribute/commit-format-specification/)来了解。
[*]详略得当的修改内容说明,往往开源社区会预制一个模板,目标是清晰的描述修改内容,以便于 review 同学和其他同学能更快的了解你做的改动,按文档内容要求来填写即可。参考如下:

合格的 PR 三部分完成后,即可点击右下角的 Create pull request 按钮完成 PR 创建。提交 PR 成功后,跳转至 PR 详情页,这时候需要注意 ci 检查是不是全部能够通过,假如失败了,需要及时修复。

第 5 步:如何解决冲突
提交 PR 时发生代码冲突一般是由于多人编辑同一个文件引起的,解决冲突主要通过以下步骤即可:
(1)切换至主分支
git checkout master


(2)同步远端主分支至本地
git pull upstream master


(3)切换回刚才的分支(假设分支名为fix)
git checkout fix


(4)进行rebase
git rebase -i master


此时会弹出修改记录的文件,一般直接保存即可。会提示哪些文件出现了冲突,此时可打开冲突文件对冲突部分进行修改,将提示的所有冲突文件的冲突都解决后,执行
git add .
git rebase --continue


依此往复,直至屏幕出现类似 rebase successful 字样即可,此时您可以进行往提交PR的分支进行更新:
git push -f origin fix


第 6 步:ci 检查如何处理和修改
如果 PR 没有问题,通过 Reviewers 进行 Review 以后,很快会将 PR 合并进去,这样 PR 的生命周期也就到此结束了,如果社区其他同学提出了疑问,他们或许会在 PR 底下的评论区提出自己的质疑,记得要及时响应。
如果代码改动没有被合入,Reviewer 指出了问题所在,需要进一步修改时,无需重新走一遍流程创建一个新的 PR 进行改动,更无需从 Fork 仓库开始。
只需要在本地继续修改即可,修改成后将改动 commit & push 到远端, PR 会自动追踪和更新内容, Reviewers 进行二次 review 即可,修改后需要至少一个非作者的 Committer 给出 LGTM 或者 +1 后方可合并入。
Enjoy it again!
参与开源项目的方式是多种多样的,无论是提交 Issue 或参与 PR Review,或是修改和完善文档,亦或是分享技术博客和应用案例,都是参与开源贡献的一种方式。
同时,有很多不起眼、但富有意义的工作希望得到更多开发者的帮助:

[*]在即将发布的 1.2 版本中将会支持 Java UDF,欢迎参与编写 Java UDF;
[*]在回归测试库中有大量测试 Case ,大多需要编写 SQL 脚本来完成功能和性能测试的,非常欢迎根据自己的业务场景提供回归测试 Case 来帮助 Doris 发版更加稳定。
[*]还有诸如各种 build.sh、build_plugins.sh 、docker-compose.yaml 、dockerfile 等脚本,等你来改进和新增。
[*]发现文档内有描述谬误、解释不清、示例错误、排版问题甚至错别字和错误的标点符号,都可以提交 PR 参与到对 Apache Doris 的贡献中来。
与此同时,Apache Doris 社区特别欢迎所有用户根据自己的业务来书写相应的最佳实践文档,或者在使用过程中对某个功能或者某个模块的详细使用文档,比如《 MySQL 数据迁移至 Doris 的最佳实践》等。
综上,贡献 Apache Doris 所需要的技术栈并非一定是工程能力的技术栈,也可以在非代码贡献层面做些力所能及的事情, 我们欢迎开源爱好者参与到社区中来。

https://my.oschina.net/u/5735652/blog/5577980
页: [1]
查看完整版本: 开源指南|如何从零开始参与 Apache 顶级开源项目?(二)