OpenAI izveidojis Pando — pielāgotu Git aizmugursistēmu — tikai 10 nedēļās. Tā darbojas uzņēmuma monorepozitorijā un ik dienu apstrādā gandrīz vienu petabaitu Git datu.

Pando izstrādi veicināja straujais darba apjoma pieaugums, ko radīja gan OpenAI inženieri, gan Codex autonomās programmatūras izstrādes aģenti. Arvien vairāk cilvēku un aģentu vienlaikus strādā pie atsevišķām koda izmaiņām, tādējādi radot nepārtrauktu zaru atjauninājumu, koda pārskatu, sapludināšanas un repozitorija lejupielāžu plūsmu.

Codex izraisīja infrastruktūras slodzes pieaugumu

OpenAI dati liecina, ka uzņēmuma monorepozitorijā ceturkšņa commit skaits laika posmā no 2024. gada pirmā ceturkšņa līdz 2026. gada ceturtajam ceturksnim pieauga par 2442%. Tradicionālā Git infrastruktūra šo slodzi vairs nespēja pietiekami labi apkalpot: inženieri saskārās ar lēnāku koda nosūtīšanu un lejupielādi, kā arī neveiksmīgām sapludināšanas operācijām. Pēc atsevišķu koda izmaiņu iesniegšanas vairāki automatizēti darbi nereti lejupielādēja vienus un tos pašus commit.

OpenAI apgalvo, ka Pando vidējo Git push aizkavi samazinājusi gandrīz par 80%. Sapludināšanas uzticamība sasniegusi 99,99%, lai gan iepriekšējos periodos tā dažkārt nokritusies zem 90%.

“Mēs izveidojām Pando — jaunu Git aizmugursistēmu mūsu monorepozitorijam, lai apstrādātu vairāk push un fetch operāciju, nemainot veidu, kā mūsu inženieri un aģenti izmanto Git. Pando samazināja push aizkavi par aptuveni 80% un tagad apkalpo gandrīz petabaitu Git datu dienā,” uzņēmums paziņoja.

OpenAI vēlējās novērst infrastruktūras šaurās vietas, neaizstājot Git un neliekot izstrādātājiem apgūt nepazīstamus rīkus. Tāpēc Pando veidota, izmantojot esošo Git protokolu un komandrindas klientu. Šāda pieeja saglabā ierasto izstrādes darba plūsmu, vienlaikus mainot veidu, kā serveri koordinē atjauninājumus un izplata repozitorija datus. Tā arī ļauj uzlabojumus Git klientā izmantot plašākai izstrādātāju kopienai.

Atjauninājumi tiek koordinēti pa zariem

Tradicionālajai Git infrastruktūrai var rasties grūtības, ja tūkstošiem izstrādātāju vienlaikus atjaunina dažādus zarus. Dažas izkliedētās sistēmas koordinē izmaiņas starp vairākām repozitorija kopijām, bet citas izmanto kopīgu write-ahead log, lai noteiktu atjauninājumu secību.

Abas pieejas var radīt veiktspējas ierobežojumus. Kopiju koordinēšana palielina saziņas apjomu, savukārt kopīgs žurnāls var piespiest nesaistītus zaru atjauninājumus sacensties par vienu resursu.

Pando izmanto cēloņsakarībās balstītu konsekvenci — causal consistency. Sistēma atjauninājumus koordinē neatkarīgi katram zaram, nevis veido vienu globālu secību. Kad izstrādātājs nosūta kodu, Pando ienākošo Git packfile saglabā mākoņa objektu krātuvē. Metadatu serviss pēc tam reģistrē atjaunināto zara versiju un tās atkarības.

Tas ļauj nesaistītiem zariem pieņemt atjauninājumus vienlaikus. Tomēr lietotāji, kuri vienlaikus aplūko vairākus zarus, var redzēt atšķirīgas atjauninājumu versijas. Atsevišķu zaru izmaiņas tikmēr saglabā konsekvenci.

Sistēma lejupielāžu laikā atkārtoti izmanto iepriekš ģenerētus packfile. Tādējādi samazinās skaitļošanas darbs, kas nepieciešams identisku repozitorija datu atkārtotai apkalpošanai.

Reģionālā kešatmiņa nodrošina ātrāku piegādi

Pando arhitektūra Git datus izplata, izmantojot reģionālo kešatmiņu, lai tie atrastos tuvāk izstrādātājiem un automatizētajām sistēmām. Express piegādes serviss packfile glabā reģionālajās kešatmiņās. OpenAI ziņo, ka kešatmiņas trāpījumu īpatsvars pārsniedz 99%.

Uzņēmums demonstrējis, ka klonēšanas un fetch operācijas spēj pilnībā izmantot 10 gigabitu sekundē tīkla savienojumus. Veiktspēju uzlabo arī fona kompakcija: sistēmas darbinieki apvieno mazākus packfile lielākās grupās, samazinot lejupielādes pieskaitāmās izmaksas un paātrinot repozitorija vēstures meklēšanu.

Pando ražošana sākta 2026. gada aprīlī

OpenAI norāda, ka Pando kopā ar Codex izstrādāta 10 nedēļās. Tās pamata arhitektūru izveidoja viens inženieris, bet ieviešanas darbus veica aģentu komandas.

Sistēma ražošanas vidē nonāca 2026. gada aprīlī. Tā uzrakstīta Rust programmēšanas valodā, un izstrādātāji izveidoja plašu testēšanas rīku kopumu, lai atklātu vienlaicīgas piekļuves jeb konkurences kļūdas.

Kopš ieviešanas Pando vienas stundas laikā apstrādājusi vairāk nekā 57 terabaitus Git packfile. Uzņēmums skaidro, ka šāds rezultāts panākts, izmantojot vairāk nekā 99% lokāli kešotu datu.

OpenAI plāno izpētīt arī plašākas Pando izmantošanas iespējas. Sistēmas arhitektūra varētu būt piemērota citām vidēm, kur liels skaits programmatūras aģentu sadarbojas kopīgos repozitorijos.