AI资讯

OpenAI 自研 Git 后端 Pando 上线:中位 push 延迟降低近 80%,日处理近 1 PB Git 数据

来源MarkTechPost查看原文

速览

  • Pando 保留 Git 客户端与协议,只重写服务端以应对 agent 并行流量
  • 按分支的因果一致性消除了仓库级写竞争,代价是跨分支读取无统一时间点快照
  • push 的 pack 被存为不可变对象复用,取代每客户端重新打包
  • Express 缓存按区域存放 pack,命中率超过 99%,支撑线速下载
  • 后台按 LSM-tree 思路把 pack 逐层合并为 cover,当前用到 L4
  • OpenAI 向 Git 上游回传了并发与断点续传下载等客户端修复
  • Pando 与 GitHub Spokes、Anthropic Scion 路线不同,且仅内部可用

OpenAI 公布自研 Git 服务端后端 Pando,目前已承载其 monorepo 的全部开发流量。Pando 保持标准 Git 客户端与协议不变,工程师和 Codex agent 仍照常执行 git push 与 git fetch,只替换了服务端。OpenAI 称中位 push 延迟下降近 80%(约 5 倍),每日传输近 1 PB Git 数据,单小时峰值超过 57 TB,且只占用少量 CPU 核心。Pando 用 Rust 编写,10 周进入生产环境,自 2026 年 4 月起承载生产流量。其核心改动是放弃两项传统 Git 服务器视为必需的前提:仓库级一致性改为按分支的因果一致性,每个客户端独立生成 packfile 改为把每次 push 的 pack 作为不可变对象存储复用。Pando 不开源,OpenAI 表示正在探索对外分享的方式。

关键事实

  • Pando 中位 push 延迟降低近 80%,约合 5 倍提升
  • 每日传输近 1 PB Git 数据,单小时峰值超过 57 TB,其中 99% 以上来自本地磁盘缓存
  • Pando 用 Rust 编写,10 周进入生产,自 2026 年 4 月起承载生产流量
  • 2026 年 Q3 master 分支提交量较 2024 年 Q1 增长 1,378%,Q4 预计增长 2,442%
  • 2025 年底 fetch 与 push 变慢、merge 失败,可靠性一度低于 90%
  • 中位 pack 小于 20 KiB,p99 pack 小于 3 MiB;clone 与 fetch 可在标准云主机上跑满 10 Gbps 链路

本站视角

这件事最直接的影响对象是维护大型 monorepo 的团队,尤其是已经让 AI agent 批量提交代码的公司:当提交量以千倍级增长时,Git 服务端会成为真正的瓶颈,而不是模型能力。OpenAI 给出的解法有可借鉴之处——按 ref 串行化、把 pack 当不可变对象存起来复用、用 packfile-uri 把下载卸载到缓存层,这些都不依赖 OpenAI 内部系统,任何自建 Git 服务的团队都能评估。对 GitHub 而言,这是一个明确的信号:其 Spokes 架构用三阶段提交和 5 份完整副本换取一致性,在 agent 高并发写入场景下是否仍然划算,需要重新审视。对 Anthropic 的 Scion 路线,Pando 也提供了反例:兼容标准客户端并非不可兼得,代价只是放弃跨分支的单一时间点快照。 我们的判断是:Pando 的工程价值高于其公关价值,但需要打两个折扣。第一,所有性能数字都是 OpenAI 自报,没有第三方 benchmark,且 1,000 writer 的对比实验被 OpenAI 自己标注为「教学模型而非 benchmark」,因此「80% 延迟下降」在 OpenAI 自家负载之外能否复现,目前无法验证。第二,Pando 不开源,只回传了部分客户端修复,对社区的实际可复用性有限;OpenAI 说在探索分享方式,这句话在基础设施领域通常意味着短期不会有动作。 更值得关注的是构建方式本身:一名工程师设计、Codex agent 团队实现、用 Lean 与 TLA+ 规格找 bug,10 周进生产。如果这个描述准确,它说明 agent 已经能承担相当规模的基础设施实现工作,而人类角色收缩到架构设计与验证。这对国内做 Agent 编程工具的团队是一个具体参照:真正的门槛不在生成代码,而在形式化规格与确定性模拟测试这套验证体系。需要观察的是,OpenAI 是否会把 Pando 的设计细节(而非代码)公开成论文或规范,那才是对行业更有价值的输出。

背景与影响

OpenAI 的 monorepo 在 Codex 大规模并行工作后承受了远超传统规模的写压力:每个 push 会触发大量 CI fetch,2025 年底出现 push/fetch 变慢、merge 失败、可靠性跌破 90% 的情况。OpenAI 的判断是瓶颈在 Git 的服务方式而非 Git 本身,因此选择保留协议、重做后端。Pando 的工程方式也值得注意:一名工程师设计核心,由 Codex agent 团队实现,并用 GPT-6 Astra 驱动的 agent 编写 Lean 与 TLA+ 规格来查找 bug;上线采用读写穿透代理,实现无停机迁移。与同类方案相比,GitHub Spokes 用三阶段提交加 5 份完整副本,Anthropic Scion 干脆弃用标准 Git 客户端、自研 scn 客户端并宣称 CPU/内存占用小 200 倍,Pando 走的是兼容客户端、按分支串行化的第三条路。这意味着大型 monorepo 的 Git 服务端正从「一套通用实现」分化为各家自研的基础设施。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明