Linus新年首骂：和谷歌大佬大吵4天，“你的代码就是垃圾”...

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

点击进入—>【CV算法和求职】交流群

扫描下方二维码，加入CVer学术星球，可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文搞科研，强烈推荐！

金磊 发自 凹非寺
转载自：量子位（QbitAI）

风风火火的Linux之父，Linus Torvalds，他又跃入公众的视线。

“打开方式”依旧是熟悉的配方——骂人。

我们先来看下Linus怒怼的名场面：

你的代码就是垃圾。

我要把你丢进垃圾邮件一周。

而这一次的“受害者”，是来自谷歌的一位程序员，Steven Rostedt。

而且他并非是随随便便的一位开发者，用网友的话来说“也算是大佬了”。

△图源：“OSC开源社区”评论区

不仅如此，从时间线上来看，双方已经交锋了足足有4天之久……

那么这到底是怎么一回事？

一个“inodes”，吵了四天

这场激辩是发生在Linux内核邮件列表。

Steven起初是发了个帖子，主题是关于eventfs（事件文件系统）的补丁。

具体而言，就是想探讨一下inodes（索引节点）是否应该保持唯一性的问题。

（注：inodes是Linux文件系统中的一个核心概念。它是一个数据结构，用于存储文件或目录的元数据，而不是文件的实际内容。）

Steven认为：

Linus之前建议在eventfs中使用相同的inode来简化getdents()的实现，这意味着所有文件和目录都将使用相同的inode。

然而，这种做法后来被发现会导致“find”命令出现问题，因为目录和文件的inode相同。

Linus随后发现在64位机器上，eventfs_inode结构中存在一个由于对齐而产生的空洞，可以用来存储目录的inode，这解决了目录的问题，但文件仍然保留了自己的inode。

在Steven看来，由于tar命令依赖于inode来确定文件的唯一性，这种做法会破坏tar命令的功能：

目前，tar命令在tracefs（事件文件系统的一个变体）中已经出现问题，因为它显示所有文件的大小为零，导致tar不复制任何内容。

除此之外，Steven也给出了自己想到的解决办法——建议将VFS层的get_next_ino()函数复制到tracefs的tracefs_get_next_ino()函数中，并添加一个“files”参数。

这样，当创建eventfs目录时，就可以预先知道所需的inode数量。tracefs_get_next_ino()将返回一个新的inode，并预留下一个“files”个inode供调用者使用。

当创建文件的inode时，其inode将是其父目录的inode加上在该目录文件数组中的索引，从而为每个文件提供一个唯一的inode。

然而，如此提案却被Linus强烈反对。

Linus的核心观点是“inode已经不再是唯一的描述符，我们不应该继续依赖于这种旧有的机制”。

不过对于Linus的回复，Steven并没有买账，他坚持认为：

所有的文件和目录应该有唯一的inode，这样做可以对文件系统的某些方面起到简化的作用。

然而在几轮探讨过后，Linus就坐不住了，随即就出现了刚才怒怼的名场面：

不要把事情变得那么复杂。

你没有充分理解这些函数的用途和必要性

你的代码就是垃圾。

双方似乎都是各执己见，来来回回博弈了良久，从1月26日一直battle到了1月29日……

不过戏剧性的一点是，Linus在争吵之余，后来还发布了Linux内核6.8-rc2版本。

他希望这个版本能够解决之前版本中发现的问题，并鼓励用户进行测试。

并非第一次公开“交锋”

其实在此之前，Steven也曾在2020年初之际，在一场活动演讲中，公开与Linus“交锋”过。

他甚至直接将演讲的主题定位“Arguing with Linus Torvalds”，内容依旧是围绕着如何让Linux效率得到改善而做出的建议。

不过对于这次最新的battle，网友们也是各抒己见。

有认为应该抛弃历史包袱的，有认为只是二人设计理念的差距：

△图源：“OSC开源社区”评论区

你觉得呢？

参考链接：
[1]https://lkml.iu.edu/hypermail/linux/kernel/2401.3/04208.html
[2]https://www.youtube.com/watch?v=0pHImHVrI2I
[3]https://mp.weixin.qq.com/s/S0R_5OBSiSbDnl1-U6I4wg

快点击进入—>【CV算法和求职】交流群

计算机视觉技术交流群成立

扫描下方二维码，或者添加微信：CVer444，即可添加CVer小助手微信，便可申请加入CVer-计算机视觉微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。

一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群

▲扫码或加微信号: CVer444，进交流群

CVer计算机视觉（知识星球）来了！想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料，欢迎扫描下方二维码，加入CVer计算机视觉（知识星球），已汇集近万人！

▲扫码加入星球学习

▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看