Newshot

从 GitHub 迁移到 Codeberg

Translation(model translation, not the source's own text)

文章标题:从 GitHub 迁移到 Codeberg

正文: 我是在 2009 年 5 月创建 GitHub 账号的,和大多数开发者一样,自那以后我的大部分工作——无论是私有还是公开的——都在 GitHub 上进行。2015 年 8 月我加入了 GitLab,此后几年里,我主要用 GitLab 来处理自己的工作和 Inko 相关的事务。部分原因是当时 GitHub 对自己的产品疏于打理,另外也是因为我想“吃自己的狗粮”。

2023 年,我把 Inko 以及个人项目迁回了 GitHub。目标之一是让为 Inko 做贡献变得更容易,并提升它的知名度和受欢迎程度,因为大多数人在寻找新项目时都会去 GitHub;尤其是这些年搜索引擎的质量不断下降。另一个目标是,尽管 GitLab.com 曾被寄予厚望,但它始终没能成为 GitHub 的热门替代品,这一点至今仍让我感到沮丧,尤其是考虑到当时我和许多(前)GitLab 同事为此付出的努力。

虽然迁回 GitHub 确实在一定程度上增加了 Inko 的贡献者数量,但衡量其对可见度的影响要困难得多。当然,项目的 star 数增加了,但这归根结底衡量的是有多少人在使用 GitHub,而不是有多少人真正喜欢这个项目并想使用它。比如我自己,有时给项目点 star 只是作为一种收藏方式,方便以后深入研究;并不是因为我觉得“天哪,这太酷了,我想用这个”。

然而清楚可见的是,GitHub 上低质量/无意义互动的增加。由于进入门槛相对较低,这在 GitHub 上一直是个问题,但至少还需要付出一定的工作量。多亏了持续蔓延的数字鸦片危机——“AI”的崛起,这道门槛已经低到穿地心,如今只要给一个嗑了可卡因嗑嗨了的数字鹦鹉 Claude Code 写个提示词,就能“贡献”包含数千行纯粹胡言乱语的 pull request。

虽然我本人不得不处理的那些垃圾“贡献”到目前为止还算小、还算简单,但征兆已经很明显了:GitHub 不再是开发者协作的地方,而是一个“智能体”们喷射呕吐垃圾的地方,这些垃圾除了满足其主人的自尊心之外毫无用处。

抛开这些不谈,Microsoft/GitHub 还存在一些与 AI 无关的普遍问题,让我想要一个更符合自由软件精神的东西。

这就引出了 Codeberg。对于那些与世隔绝的人来说,Codeberg 是 Forgejo 的一个中心化(大概也是最受欢迎的)实例,而 Forgejo 是 Gitea 的 fork,Gitea 又是 Gogs 的 fork。

我尤其喜欢 Codeberg 的地方在于它对托管非自由软件的立场、它“此处无 AI”的立场,以及它的组织结构——这应该能让“恶化”(enshittification)不太容易发生。并不只有我被 Codeberg 吸引,比如大约一年前 Zig 就出于类似原因从 GitHub 迁移到了 Codeberg。

在考虑迁移到 Codeberg 一段时间后,我几周前开始了迁移过程,先从我的个人仓库开始,然后是用于 Inko 的仓库。总共这意味着要处理 70 多个仓库,不过我并没有全部迁移。例如,多年前就已停止开发的项目就没有迁移。

“但是 Yorick,这篇文章到目前为止好无聊啊,我想看劲爆的细节!”好好好,我知道!我们这就进入正题。

请注意,下面的内容有些粗糙,因为我有个反复出现的问题:我会想着“我应该在做这件事的过程中把它写下来”,然后并没有这么做,等到后来真正写下发现时,又得凭记忆把一切都回忆起来。

目录

  • 迁移仓库
  • 用 Forgejo Actions 替换 GitHub Actions
  • 自托管 Forgejo Actions runner
  • 构建容器镜像

文章标题:从 GitHub 迁移到 Codeberg

正文:

  • 托管私有项目
  • Codeberg 的可靠性与性能
  • 存储配额

迁移仓库

第一步是确定我想迁移什么。如果只有几个仓库,过程相当简单,但当要迁移 70 多个仓库时,过程就变得有点困难了。我采取的方法很简单:积极维护的或其他有意义的项目(例如从历史角度看有价值或值得展示的项目)被迁移,其他的则在 GitHub 上归档并保持原样。

接下来,我在 GitHub 上创建了一个 issue 来跟踪进度和所有必要步骤(后来移到了 Codeberg 的 issue)。最值得注意的是,这个 issue 包含一个大的待办事项列表需要勾选。待办事项很好,除了 GitHub 有时会在你太快地标记另一个项目为完成后重置已标记为完成的项目状态。编码显然已经因为 AI 而解决了,但可靠地将复选框更新为“已勾选”显然仍然太困难了。

为了迁移仓库,我使用了 Codeberg(技术上来说是 Forgejo)的仓库迁移功能。虽然我可能可以自动化这个过程,但我最终手动完成了,因为我认为正确自动化所需的时间可能超过手动工作的时间,不过事后看来,自动化可能更快。其余时间主要花在等待导入器完成工作,然后调整每个项目的相关设置(例如拉取请求的可用合并策略)。

一个小麻烦是,当 GitHub 导入器遇到 GitHub 速率限制时,它不会以任何方式通知你,而是只保留最后的状态(例如“已迁移 500 个 issue”),直到速率限制重置后才会继续工作。第一次发生这种情况时,我以为导入器卡住了,直到大约一小时后它恢复工作并成功导入了所有剩余数据,没有出现任何进一步的问题。

另一个小麻烦是,导入器不尝试将 GitHub 用户链接到任何现有的 Codeberg issue,而是本质上是使用假用户(尽管带有相应的 GitHub 用户名)。这意味着,例如在 GitHub 上分配给用户的 issue 需要手动分配给相应的 Codeberg 用户。

哦,还有一件事:GitHub 引入了“issue 类型”的概念(“Bug”、“Feature”等),但 Forgejo 没有等价物。如果你使用了这个功能,请确保相应地标记这些 issue,以免在迁移过程中丢失该信息。

用 Forgejo Actions 替换 GitHub Actions

Codeberg 提供两种持续集成系统:Woodpecker 和 Forgejo Actions。后者本质上是 GitHub Actions 的盗版版本,包含了让 GitHub Actions 令人头疼的一切(例如半图灵完备的 YAML)。我选择了 Forgejo Actions,因为它与 Forgejo 的集成更好,而且在这个阶段我不想为完全不同的平台重写所有 CI 配置。

表面上看,从 GitHub Actions 迁移到 Forgejo Actions 似乎很简单,但有各种微妙的差异可能使这比预期更烦人。

例如,Codeberg 提供了一组共享 runner,但它们对作业时间和有限资源有严格限制,因此只适合最基础的工作负载。这些 runner 也仅限于 AMD64 Linux,所以如果你需要在例如 macOS 上运行测试,那就没办法了。

有一个重要细节没有文档记录(至少我没找到):这些共享 runner 不会拉取 runner 上已存在的容器镜像,或者说至少并不总是会拉取。因此,如果你的某个作业使用镜像 foo:latest,而你把该标签更新为指向更新的版本,你可能需要等待一段未指明的时间,共享 runner 才会使用这个新版本。实际上,这使得有效使用 alpine:latest 或 alpine:3 这样的镜像/标签变得不可能。改用摘要而不是标签应该可以正常工作,但在许多项目中这样做很快就会变得难以管理,而且并不总是实用(例如当你依赖每夜容器构建时)。

我最终搭建了自己的 Forgejo runner 来绕过这些问题,使用一台 Mac Mini M1 进行 ARM64 构建,并用一台我原本已为其他用途搭好的小型家庭服务器进行 AMD64 构建。下面我会更详细地介绍这一点。

在 UI 方面,与 GitHub 相比,Forgejo Actions 有点简陋,所以不要期待有花哨的图表来展示你的作业以及依赖它们的作业等等,你只会得到所有作业及其输出的扁平列表。

虽然 Forgejo Actions 基于 GitHub Actions,但它并不完全兼容。例如,较新版本的 actions/upload-artifact 和 actions/download-artifact 无法与 Forgejo 配合。同样,使用 GitHub Actions 时,自定义容器镜像不必包含 Node.js,而 Forgejo Actions 则要求包含。

由于 Forgejo Actions 基于 GitHub Actions,它也有同样的问题,例如 YAML 用起来令人沮丧,以及在不把更改推送到分支并碰运气的情况下,很难有效测试 CI 配置更改。我确实简单看过 Woodpecker,但它似乎并没有太大不同,而且由于它与 Forgejo 的集成度较低,我没有再进一步研究。

自托管 Forgejo Actions runner

我目前的 runner 配置涉及两台计算机:

  • 一台几年前二手买入的 M1 Mac Mini,花了大约 €200(绝对捡漏)
  • 一台 Deskmini X300,配备 Ryzen 5 5600G 和 16 GiB 内存,几年前组装,主要用途是一些家庭自动化以及通过 Jellyfin 串流 Blu-ray 电影。要是当时知道内存末日,我会给它装 32 GiB 甚至 64 GiB 内存,但唉,事已至此

两台机器都放在一楼杂物间的一个专业机架单元里,并配有出色的理线(Deskmini 在左上角,Mac Mini 在右下角,位于路由器和交换机之间):

OVH 会为这套配置感到骄傲
OVH 会为这套配置感到骄傲

对于 Inko,我想在其支持的所有平台上测试,即 Linux、macOS 和 FreeBSD,并在两种支持的架构上测试:AMD64 和 ARM64。由于我无法访问任何 Intel Mac 硬件,针对 AMD64 macOS 的测试已不再可能。这很不幸,但随着 Apple 淘汰 Intel 硬件,这迟早会发生。

runner 的管理/更新方式因平台而略有不同。Deskmini 上的 Linux 主机和 Linux ARM64 runner 都通过 bootc 使用 Fedora,并设置为自动从我私有的 Forgejo 实例/容器注册表拉取并应用更新。FreeBSD 虚拟机则通过构建新的磁盘镜像、关闭虚拟机,然后用新构建的镜像替换现有磁盘镜像来更新。

工作负载在硬件上的划分如下:

  • Mac Mini 直接在主机上运行 macOS 测试,而 FreeBSD ARM64 和 Linux ARM64 测试在虚拟机中运行(使用 UTM)。FreeBSD 虚拟机限制为 2 个 CPU 核心和 4 GiB 内存,而 Linux 虚拟机限制为 4 个 CPU 核心和 4 GiB 内存
  • Deskmini 在容器中运行 Linux 测试,限制为 4 个 CPU 核心和 4 GiB 内存。FreeBSD AMD64 测试在 VM 中运行,约束条件与 Mac Mini 上运行的 FreeBSD VM 相同
  • 一个运行在我的 Netcup RS 1000 G12.5 根服务器上的 runner,该服务器还用于托管这个网站和一个私有 Forgejo 实例。这个 runner 限制为仅 2 个 CPU 核心,主要用于小型任务,例如运行 linter

所有 runner 都限制为一次只运行一个作业。每个 VM/容器的 CPU 核心具体如何分配,我还在试验中。

这套设置的目标是防止某个作业占满 CPU,从而影响其他作业。例如,当我试验让每个作业都能访问所有 CPU 核心时,各种依赖超时的测试(例如它们期望操作 A 超时、操作 B 成功)会因作业运行的众多线程和进程造成的严重争用而偶发失败。

使用当前的设置,Inko 的单条流水线耗时在 15 到 20 分钟之间。这包括运行各种 linter、在三个平台和两种架构上测试、构建并上传文档,以及为两种架构构建容器镜像。

虽然这还不算太糟,但用稍强一些的硬件,我确信时间可以减半。对于 ARM64 构建,我做不了太多,因为 M1 Mac Mini 就是没那么强(或者至少对这个场景来说不够强)。对于 AMD64 构建,我可以放宽限制,稍微加快构建时间,但代价是噪音:Deskmini 的 Noctua CPU 风扇在高负载下会变得相当吵,这种噪音整层楼都能听到。由于我讨厌风扇噪音(“WWWWWRRRRRRRRRRRRRRRRRR”),这不是一个选项。

我一直在试验用 VPS 来接管负载,但到目前为止结果好坏参半。例如,我测试了一台 Netcup 500 ARM G12.5 VPS(2 个虚拟核心和 4 GiB 内存),发现它比运行在 Mac Mini 上的 FreeBSD VM 慢约 2 倍。我在 Hetzner 上做了类似的测试,发现他们的服务器慢约 2.5 倍。基于这个测试和我运行的其他一些测试,要达到与本地 VM 相似的性能,我似乎需要把他们可访问的 CPU 核心数翻倍,因此一台 2 核心的本地 VM 相当于一台至少 4 个“核心”的 VM。

注意“核心”这个词,因为不同提供商对 CPU 访问的做法不同:在某些情况下,一个“vCore”相当于一个线程甚至线程的一部分(例如带有额外使用限制的线程),而在其他情况下(例如 Netcup 的根服务器产品),它相当于一个不与其他 VM 并发共享、也没有利用率限制的线程。

这里的瓶颈是钱:大多数信誉良好的提供商对每台服务器 4 个“核心”收费约 €15 到 €20,有些提供预算选项(例如 Netcup),价格更低,但很可能带有(显著的)资源限制(例如更多的 CPU steal time 或糟糕的磁盘性能)。假设我想把所有 runner 都迁出我的家庭网络,那意味着 6 台虚拟机(3 个操作系统 * 2 种架构),总计每月约 €90 到 €120。这还假设我不需要更大的服务器,而如果需要,最终可能要付这个估算的两倍。

我在考虑的一个实验是:为一台 Netcup 1000 ARM G12.5 VPS(4 个虚拟核心)用于 FreeBSD ARM64 构建,以及一台 Netcup Lite 2 G12.5s VPS(来自其 lite/预算层的 4 个核心)用于 FreeBSD AMD64 构建。这样我可以在 Deskmini 和 Mac Mini 上各腾出 2 个核心用于其他作业,不过考虑到我目前试过的 2 核心 ARM 服务器性能有些不尽如人意,我还得再考虑一下。

Building container images

文章标题:从 GitHub 迁移到 Codeberg

共享 runner 的另一个挑战,也是值得更详细讨论的一点,是共享 runner 不允许嵌套的 Podman/Docker 构建。这意味着你无法使用各种现有的 Docker action(例如 docker/build-push-action)来构建容器镜像,而必须改用 Buildah。

虽然一开始有点烦人,但我认为最终结果实际上比使用现有 action 更好,因为你的 CI 流水线最终会更少依赖于某个 GitHub 仓库中存放的一堆 JavaScript 和 YAML。

为了构建镜像,我使用 Buildah,因为它不需要在自身内部运行 Podman/Docker 的能力。我找到了一些讨论这个主题的现有文章,它们建议使用 vfs 存储驱动,但在我自己测试之后,发现一旦你开始构建大于 1 GiB 左右的容器镜像,它的性能就不太好。相反,我最终采用了以下方案:

Linux runner 的配置使得作业在容器中运行,并至少带有以下 Podman 选项:


        --device /dev/fuse
      

这不需要特权访问,也不应该带来任何安全风险(至少据我所知没有)。

接下来,我们需要确保容器中的 /var/lib/containers/storage 是一个位于宿主机上的卷。如果它反而是一个普通目录,那么构建容器可能会耗时显著更长,具体取决于构建镜像时产生的层和镜像的数量。

有两种方法可以做到这一点。第一种选择是使用宿主机上存在的特定目录,并配置 Forgejo runner 以允许作业挂载该目录。例如:


        container:
  options: "--device /dev/fuse"
  valid_volumes:
    - /var/lib/forgejo-runner/containers
      

这样作业随后就可以按如下方式挂载该目录:


        jobs:
  manifest:
    name: OCI manifest
    runs-on: home-linux-amd64
    container:
      volumes:
        - /var/lib/forgejo-runner/containers:/var/lib/containers/storage:z
    needs:
      - build
    steps:
      ...
      

虽然这样做可行,并允许作业复用现有数据,但它有两个缺点:

  • 并发作业可能会以可能导致构建失败的方式干扰这些数据,例如当一个作业删除所有数据而另一个作业正在使用它时
  • 该目录的大小可能会快速增长,具体取决于你正在构建的镜像以及构建它们的频率

第二种也是更好的选择是改用匿名卷,如下所示:


        container:
  options: "--device /dev/fuse --volume /var/lib/containers/storage"
  valid_volumes: []
      

这样 CI 作业就不需要任何额外配置,也就是说,以下就是你需要的全部:


        jobs:
  manifest:
    name: OCI manifest
    runs-on: home-linux-amd64
    needs:
      - build
    steps:
      ...
      

Forgejo runner 使用 --rm 选项运行 Docker/Podman 作业,因此当作业完成时,匿名卷会被自动移除。缺点在于,取决于该目录中存储的数据量,拆除容器可能会稍微耗时一些。

如果你有大量可用 RAM,你也可以使用 tmpfs 挂载,但考虑到容器存储可能很快积累大量数据,我认为这不是个好主意。

有了上述设置,Buildah 随后按如下方式调用(其中 NAME 是用于构建镜像的名称):


        buildah build --pull=newer --isolation=chroot --layers --tag NAME
      

--pull=newer 选项确保 Dockerfile/Containerfile 中 FROM 条目所使用的任何镜像在必要时得到更新。--isolation=chroot 用于避免在 Podman 内运行 Podman 的需要,而 --layers 确保层被缓存并在可能时复用(与使用 Podman 时不同,这不是默认行为)。

这种做法的结果是,Buildah 能够使用“overlay”存储驱动(默认驱动),将数据存储在宿主机上,从而可以在多次构建之间复用。我还发现,如果你不把容器数据存储在容器外部,那么最后清理容器可能会花费很长时间(大约几分钟)。

一个缺点是,作业可能会弄乱这个共享卷,因此如果你的 runner 打算运行不受信任的工作负载,你就不应该使用这种方式。不过这与我的用例无关,所以我可以接受这个注意事项。

为了让 CI 配置保持简单,我没有把上述 buildah 命令直接写进各个 YAML 文件。相反,我有一个 just 文件,为每个项目定义了一组任务(例如发布新版本的任务),包括构建和推送镜像的任务。整体结构如下:


        # justfile
mod release 'just/release.just'
mod image 'just/image.just'
      

然后 just/image.just 定义如下(这里以 idoc 为例):


        set unstable
set no-cd

# The user to log in as to the registry.
USER := "yorickpeterse"

# The host of the registry.
HOST := "codeberg.org"

# The namespace of the package.
NAMESPACE := "inko-lang"

# The name of the package.
NAME := "idoc"

# The Git commit we're building for.
GIT_SHA := `git rev-parse HEAD`

# Build the image
build tag="latest" inko_tag="latest":
    buildah build \
        --pull=newer \
        --isolation=chroot \
        --layers \
        --build-arg "SHA={{ GIT_SHA }}" \
        --build-arg "VERSION={{ tag }}" \
        --build-arg "INKO_TAG={{ inko_tag }}" \
        --tag \
        "{{ fqn(tag) }}"

# Log in to the container registry
login pass:
    @buildah login {{ HOST }} --username "{{ USER }}" --password "{{ pass }}"

# Push the image to the registry
push tag:
    buildah push "{{ fqn(tag) }}"

# Tag an image as the latest image.
latest tag:
    buildah tag "{{ fqn(tag) }}" "{{ fqn('latest') }}"

# Create and push a manifest of multi-arch tags
manifest tag:
    buildah manifest create \
        --all "{{ fqn('manifest') }}" \
        "{{ fqn(f'{{ tag }}-amd64') }}"
    buildah manifest push "{{ fqn('manifest') }}" "docker://{{ fqn(tag) }}"
    buildah manifest rm "{{ fqn('manifest') }}"

# Prune all images
clean:
    buildah prune --all --force

fqn(tag) := f"{{ HOST }}/{{ NAMESPACE }}/{{ NAME }}:{{ replace_regex(tag, 'v(\d+\.\d+\.\d+)', '$1') }}"
      

然后要构建并推送镜像,你可以运行以下命令:


        just image build latest
just image push latest
      

上述配置还支持多架构镜像。你可以把这个可复用工作流作为示例,但它本质上归结为以下几点:

  • 对于每种架构,运行一个作业,构建一个标签格式为 NAME:TAG-amd64 的镜像(即 idoc:latest-amd64),并将其推送到注册表
  • 创建一个名为 NAME:TAG 的 manifest,将这些特定于架构的标签组合起来,并将其推送到注册表

理论上,特定于架构的标签并不是必需的,因为你可以改用 digest。但这要求你以某种方式将这些 digest 存储在构建产物中,以便“创建并推送 manifest”的作业可以复用它们。我觉得使用上述方法更容易,因此我选择了那种方式。

托管私有项目

虽然 Codeberg 允许使用私有仓库,但这仅限于特定场景,例如支持自由软件项目的私有仓库(例如用于报告安全漏洞的私有项目)。我有几个仓库用于构建 bootc 服务器镜像/更新,以及跟踪一些私人数据(例如家务待办事项),这些都不属于 Codeberg 允许的范围。

我最终把这些项目迁移到了一个托管在本网站同一台服务器上的私有 Forgejo 实例。这个配置有点取巧:我用 shost 来托管几个网站,它里面有一些与 TLS 证书相关的逻辑,我想拿它来做 dog-food,因此我不希望在它前面再跑一个反向代理。这意味着 443 端口不可用。虽然我可以在另一个端口(例如 4430)上运行 Forgejo,但这会让使用变得有点麻烦。

幸运的是,有一个变通办法:Netcup 给你一个 /64 的 IPv6 地址块,而我日常使用的几乎所有网络都支持 IPv6。我的配置方式是给服务器分配三个 IP 地址:

  • 152.53.115.141 和 2a0a:4cc0:80:47b9::1,用于 shost 提供的各个站点
  • 2a0a:4cc0:80:47b9::2,用于 Forgejo 实例

然后服务的“路由”和绑定按如下方式进行:

  • shost 将自身绑定到主机上的 :: 地址和 443 端口,其中 :: 表示它绑定到所有可用的 IPv4 和 IPv6 地址。这样它就能同时处理 IPv4 和 IPv6 连接
  • Forgejo 将自身绑定到 Podman 网络桥中的 443 端口。因为这是它自己的网络,所以不会与 shost 冲突
  • 防火墙配置为将发往 2a0a:4cc0:80:47b9::2 的 HTTP(s) 和 SSH 流量重定向到运行在 Podman 桥中的 Forgejo 实例的 IPv6 地址

这里的防火墙是 firewalld,路由配置如下(此处的 fd9d:b34d:66b6:ff2d::2 是 Forgejo 实例在桥中使用的 IPv6 地址,而不是主机使用的 IPv6 地址):


        <?xml version="1.0" encoding="utf-8"?>
<zone>
  <short>Public</short>
  <description>The default zone</description>

<!-- ... other stuff here ... -->

<rule family="ipv6">
    <destination address="2a0a:4cc0:80:47b9::2" />
    <forward-port port="443" protocol="tcp" to-port="443" to-addr="fd9d:b34d:66b6:ff2d::2" />
  </rule>

<rule family="ipv6">
    <destination address="2a0a:4cc0:80:47b9::2" />
    <forward-port port="80" protocol="tcp" to-port="80" to-addr="fd9d:b34d:66b6:ff2d::2" />
  </rule>

<rule family="ipv6">
    <destination address="2a0a:4cc0:80:47b9::2" />
    <forward-port port="22" protocol="tcp" to-port="22" to-addr="fd9d:b34d:66b6:ff2d::2" />
  </rule>

<forward/>
</zone>
      

以及 Forgejo 实例对应的 quadlet:


        # forgejo.container
[Container]
Image=codeberg.org/forgejo/forgejo@sha256:5ef02fbcf22beef56b8c844952ffad58cfe177b6f98e46e6abb5df90b88dc8d3
Pull=missing
ContainerName=forgejo
...
Network=containers.network
IP=10.10.0.2
IP6=fd9d:b34d:66b6:ff2d::2
...

# containers.network
[Network]
Driver=bridge
InterfaceName=containers
IPv6=true
DNS=127.0.0.53
Subnet=10.10.0.0/16
Gateway=10.10.0.1
Subnet=fd9d:b34d:66b6:ff2d::/64
Gateway=fd9d:b34d:66b6:ff2d::1
NetworkDeleteOnStop=true
      

结果就是,我不需要反向代理、不需要额外的服务器,也不需要为 Forgejo 使用非标准端口。需要注意的是,你将无法从仅支持 IPv4 的网络访问该实例。

shost 直接绑定到主机而不是使用专用的 Podman 网络,原因是这个 Podman issue。

可能会有人问,为什么不把我所有的项目都托管在我自己的 Forgejo 实例上并向公众开放,而不是使用 Codeberg。这确实是我考虑过的事情,主要有三个原因:

  • 在 Codeberg(或任何中心化的 forge)上托管项目,可以让你用同一个账户更方便地与不同项目互动,这类似于当初让 GitHub 流行起来的原因
  • 将你的 Forgejo 实例向公众开放,也意味着要应对大量垃圾信息、滥用性机器人流量等等,而据我所知,Forgejo 目前的形式并没有很好的工具来应对这些

文章标题:从 GitHub 迁移到 Codeberg

正文:

  • 托管仓库及其所有 fork 最终可能会占用大量磁盘空间。虽然 Forgejo 支持一种不需要 fork 的替代工作流,但它足够笨拙,我怀疑 99% 的人都懒得用它;包括我自己。

当然,托管在 Codeberg 上并不能从根本上解决这些问题,但它意味着这些问题不再是我的问题。

Codeberg 的可靠性与性能

人们可能想离开 GitHub 的原因之一是它近年来可靠性较差。不幸的是,Codeberg 在这方面的体验时好时坏。虽然 Codeberg 的表现还算不错,但相比自托管实例要慢得多。

当然,考虑到典型的自托管实例只拥有少量数据和流量,这也可以理解,但仍然令人烦恼。例如,一次 git push 通常需要 5 到 10 秒才能完成,Codeberg 上的各种页面也很容易需要数秒才能加载完毕。过去几周还发生过几次宕机,其中大多数(包括至少一次持续约一小时的部分宕机)Codeberg 完全没有做出任何沟通。事实上,至少有一次,用于发布状态更新的 Mastodon 实例本身在 Codeberg 宕机期间也无法访问。

平心而论,运营一个大型公共代码托管平台绝非易事,所以我在这里得对 Codeberg 宽容一些。我也乐观地认为情况会改善,因为 Codeberg 的整个使命就是让 Codeberg 变得有用,而不是不惜一切代价赚取巨额利润。

存储配额

Codeberg 对用户账户和组织实施了较为严格的存储配额。对于我的个人账户,限制是“只有”200 GiB 用于资产(包括容器镜像),但我认为这是因为我账户注册时间较长。对于 Inko 组织,限制是 1.5 GiB,这不足以容纳我们构建和存储的各种容器镜像。虽然我提交了增加配额的请求,但截至撰写本文时,该请求尚未收到回复。因此,在配额增加之前,Inko 被迫继续为部分容器镜像使用 GitHub 的容器注册表,这感觉有点奇怪。

如果你处于类似情况,我的建议是尽早创建配额请求,因为处理可能需要数周时间。

结论

我认为 Codeberg 是一个有前途的替代方案,尽管迁移过程中会遇到一些小的不便。必须设置自己的 CI runner 有点繁琐,但未来可能会有一些解决方案。我也一直在考虑创办一家小企业来提供托管的 Forgejo runner,尽管现阶段很难确定(如果有的话)会有多少兴趣。鉴于 Codeberg 的使命,我也觉得它只会越来越好,但只有时间才能证明。

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by Lobsters
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗