1.3 如何通过GitHub向Spark贡献代码
GitHub是全球最大的社会化编程及代码托管网站，随着GitHub的出现，软件开发者才真正拥有了源代码，世界各地的人都可以比从前更加容易地获得源代码，将其自由更改并加以公开。如今，世界上众多的程序员都在通过GitHub来公开源代码，越来越多的项目也选择GitHub进行托管，其中有Linux这种史诗怪兽级项目，也不乏Akka这种精致小巧的项目。Apache Spark也将代码托管在GitHub上，这样就能利用GitHub强大的多人协作能力，轻而易举地使分散在世界各地素未谋面的程序员共同为Spark进行开发。GitHub独有的Pull Request机制，能够使不同背景、不同地域、互不相识的程序员产生化学反应，不得不说是一件很奇妙的事情。
我们从GitHub上面可以看到Spark Contributor中有了很多中国人的面孔，这是非常值得高兴的一件事情，作者也曾经通过向Spark贡献代码而成为Spark Contributor的一员。在大数据时代，中国很有希望实现弯道超车。本节将介绍如何通过GitHub的Pull Request功能，向Spark贡献代码。步骤如下。
（1）Fork Spark项目到自己账号下。你需要注册一个GitHub账号，这样你在GitHub下就有了一个自己的域名，然后，搜索Spark项目，并点击Fork。这样，在你的账号（域名）下面就会有一份Spark的代码仓库。这是属于你自己的代码仓库，你可以将其任意修改，而不会影响Spark项目，如图1-7所示。
图1-7 Fork Spark
（2）创建一个自己用于修改的分支。在创建之前，我们已经在自己的代码仓库上有了一份Spark代码的镜像，这时我们当然可以在这份镜像的master分支上直接进行修改并发起Pull Request。但是更好的做法是用自己的master分支去追踪Spark项目的master分支（因为master分支会随着Pull Request不断变化），并根据当前的master分支创建一个用于修改的分支，我们在该分支上进行修改，修改完成后，再发起Pull Request。我们创建了mybranch分支，如图1-8所示。
图1-8 创建自己的分支
（3）将当前的代码仓库切换到mybranch分支。现在我们准备对当前的新分支进行修改，因此切换到待修改的分支。如图1-9所示。
图1-9 切换到自己的分支
（4）修改代码。选定一个文件，点击修改按钮，进行修改，如图1-10所示。
图1-10 修改代码
修改完成后，commit到mybranch分支，如图1-11所示。
图1-11 提交到自己的分支
（5）处理冲突，提交Pull Request。修改完代码后，就可以准备提交一个Pull Request，在之前还需要考虑一个问题：在我们修改代码的这段时间，Spark的master分支是否已经接受了别人Pull Request而发生了变化，如果是的话，我们需要先处理冲突，再进行提交。
首先，我们通过Pull Request选项卡新建一个Pull Request，如图1-12所示。
图1-12 创建一个PR
这时候会出现你自己修改的版本与你要提交的Spark版本对比的页面，如图1-13所示。
图1-13 版本对比
在页面的后半部分，会显示两个版本之间的差异。如图1-14所示。
图1-14 处理冲突
这时候，如果你发现Spark的master版本已经接受了别人Pull Request而和你当初修改的版本相比发生了变化，那么你需要进行修改以防止出现冲突，处理完毕后，我们就可以完成创建Pull Request了，如图1-15所示。
图1-15 提交PR
我们可以在新建Pull Request页面将关联的Jira issue编号作为题目（如果有的话），便于Committer审阅，另外在正文中尽可能加上对该Pull Request的描述，最好写上关联Jira issue的链接，Jira会自动将该Pull Request进行关联。如果Spark Committer认可了你的Pull Request，那么具有写权限的Committer就会将你的Pull Request合并到Spark的master分支上。
完成了这5步，就完成了向Spark贡献代码的任务了。此外，在学习Spark的过程中，也可以将GitHub作为一个理想的源码阅读、心得记录、代码演练的环境。用好GitHub，将对你学习开源软件起到事半功倍的重要作用。
此外，上述贡献代码的步骤可以用Git的客户端以命令行的形式在本地完成，需要先熟悉Git shell操作，读者可以自行尝试。Git客户端可以在GitHub官网下载。
开源软件与Windows操作系统、Oracle数据库这类商业软件相比有着截然不同的创造力与参与感，甚至在某些理念上，开源软件与商业软件也是完全不同的，但是商业化是开源软件健康发展的必经之路。近年来，开源软件在商业化的道路上做过很多尝试与积极探索，如Databricks这种成功案例，也有一些不太成功的例子，如Hortonworks市值缩水至原来的五分之一，最后不得不和Cloudera合并，但总体来说，开源软件在商业化实践方面逐渐走出了一条路，如2018年10月，大名鼎鼎的全文搜索引擎软件Elasticsearch背后的商业化公司Elastic在纽交所上市，上市首日股价翻倍，达到了惊人的50亿美元；2019年1月，基于Kafka商业化运营的公司Confluent融资1.25亿美元，公司估值超过25亿美元。