Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Empresas · openai.com
Escalar Git en OpenAI
OpenAI ha construido Pando, un nuevo backend para repositorios Git que ya sostiene todo el desarrollo de su monorepo. Mantiene la compatibilidad con el protocolo y el cliente de Git, reduce casi 5 veces la latencia mediana de los push y sirve cerca de un petabyte de datos al día.
Foto: vía openai.com
1 medio · MadridPublicada 3 nov, 04:10Actualizada 3 nov, 10:45· Ya no está en portadaEscrita por IA · cómo funciona
Según OpenAI, el tamaño de su monorepo y la carga sobre él han crecido a un ritmo enorme en el último año. Codex permite a cada ingeniero trabajar en paralelo en muchos cambios, lo que multiplica ramas, pushes, merges, fetches y clones desde entornos de desarrollo, trabajos de investigación y CI. A partir de finales del año pasado, los sistemas que soportaban el monorepo no daban abasto: fetches y pushes lentos, merges fallidos y una fiabilidad que a veces caía por debajo del 90 %.
La empresa decidió no abandonar Git, sino reconstruir el backend para gestionar en paralelo los pushes a ramas distintas y servir el mismo historial a muchos lectores a la vez. Así los ingenieros y los agentes siguen con sus flujos de trabajo y OpenAI puede aportar mejoras al Git de upstream. Pando se diseñó con dos objetivos: escrituras escalables horizontalmente, optimizadas para pushes concurrentes a muchas ramas, y máximo rendimiento de lectura, para que los clientes saturen su ancho de banda.
Pando coordina las actualizaciones de cada rama de forma independiente, de modo que las de ramas no relacionadas avanzan en paralelo. La contrapartida es que un lector que mire varias ramas puede verlas en momentos distintos. Además, reutiliza packfiles entre fetches en lugar de generar uno por cliente: un cliente puede descargar objetos que ya tenía, pero el servidor sirve los mismos bytes a muchos clientes con poco cómputo.
El artículo repasa cómo almacena y transfiere Git objetos y referencias, y compara su enfoque con dos patrones habituales para distribuir un servicio Git. El primero usa three-phase commit (3PC) entre réplicas completas: lecturas locales y vista consistente de las referencias, pero las referencias se actualizan una a una y cada push exige varias idas y vueltas, con el rendimiento de disco y la latencia de las réplicas en el camino de escritura. El segundo ordena las actualizaciones mediante un write-ahead log (WAL) en un manifiesto compartido en blob storage. En los comentarios se citan fragmentos del texto según los cuales Pando usa de forma exclusiva `packfile-uri`, una función poco valorada del protocolo Git que permite al servidor devolver enlaces para descargar packs por separado, y OpenAI ha contribuido mejoras a ella. También se cita que Pando se construyó con Codex en diez semanas, con el núcleo diseñado por un solo ingeniero, implementado por equipos de agentes y desplegado por unos pocos ingenieros; sirve tráfico de producción desde abril y es una pieza de un sistema mayor de herramientas de control de versiones.
«Scaling Git at OpenAI» · puesto 26 · 237 puntos · enviado por makeramen
Lo que dicen los comentarios
Los comentarios se reparten entre el contexto, la sorpresa por el volumen de código y la discusión sobre si Git es la base adecuada. Un usuario recuerda que este es el quinto artículo grande sobre escalar el control de versiones para agentes, tras Cursor, GitHub (dos), Anthropic y, de forma tangencial, East River Source Control; otro apunta que Meta y Google ya aplican estos conceptos desde hace décadas. Varios se preguntan qué hace crecer tanto el código de OpenAI, y la respuesta más repetida es que los agentes generan mucho más código, más tests y muchos más commits. También hay quien pide benchmarks, quien celebra la mejora de `packfile-uri` como ejemplo del valor del open source, quien pregunta si el monorepo ayuda al desarrollo con agentes y quien sostiene que a esta escala convendría una topología centralizada y no el modelo distribuido de Git. Se comenta, además, que los monorepos suelen ser los que topan con los límites de rendimiento de Git, y con ironía, que las diez semanas de Pando son unas siete veces lo que Linus tardó en crear Git.
Por mi cuenta, este es el quinto gran artículo sobre escalar el control de versiones. Me pregunto cuánta polinización cruzada de ideas e implementaciones hay entre quienes trabajan en estas empresas; todo podría converger.
Es código basura de IA. Los agentes de programación escriben mucho más código, hay más tests y muchísimos más commits porque se corrige una y otra vez, sin parar.
«Una función poco valorada del protocolo Git, `packfile-uri`, permite al servidor devolver enlaces para descargar packs por separado». ¡Sí! Gran adaptación de un sistema existente y muestra por qué el open source es especial.
¿Por qué no usar una topología de VCS completamente distinta siendo un gigante de un billón de dólares? A esta escala conviene la centralización; hay una razón por la que los estudios de videojuegos no usan git.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.