数据库不肯分支
过去二十五年里,代码、运行环境、服务器配置都学会了「开一份自己的副本」,唯独数据库做不到,整个行业为此将就了很久。
写软件的人早就习惯了分支(branch,从主线复制出一条属于自己的开发线,在上面怎么改都不影响别人)。运行环境可以打包成容器随手复制,连服务器配置都写成文件存进代码里。
只有数据库是一整块搬不动的东西。于是大家发明了一堆绕路的办法:用假的数据库对象顶替真数据库、整个团队共用一台测试机器、改一次表结构要走排期和审批,像办一场仪式。
这篇文章来自 Databricks 现场工程(Field Engineering)团队,博客里没有署名。作者自述写了二十五年软件,一路照着 Kent Beck(测试驱动开发的提出者)、Martin Fowler(《重构》作者)、Jez Humble 和 Dave Farley(《持续交付》作者)的那套方法做事。这些方法都建立在「可以随时复制一份、改坏了不心疼」的前提上,而数据库从来不满足这个前提。
不再对着假货写测试
写时复制的分支能在几乎不花时间的情况下开出一份真实数据库的副本,于是你写的第一个测试就跑在真数据上,而不是假对象上。
TDD(测试驱动开发:先写一个必然失败的测试,再写代码让它通过)过去在数据库这一关总是失效。给每个测试单独起一个数据库、灌进表结构和数据、还要管版本,代价太高,所以没人这么干,大家统一改用假对象。
假对象会慢慢变味。它写的时候还像真数据库,几个月后数据库的真实行为变了,它不会跟着变。你维护它维护得越久,它验证的真实行为越少。
分支之后这些理由都不成立了。你在自己的分支上可以跑破坏性测试,把数据全删了、把表结构搞得一团糟,团队其他人什么都感觉不到。用完扔掉就行。
代码和表结构同车
表结构的改动被写成一个版本化的脚本,和依赖它的代码放进同一次提交,一起评审、一起合并。
这个脚本叫迁移脚本(migration:把数据库从旧结构改到新结构的一小段代码,按顺序编号存进代码库,谁都能重跑一遍)。Python 项目常用 Alembic,Java 那边是 Flyway,Node 是 Knex。
关键在于合并的是结构,不是数据。你把「新增一个字段」这条指令合进主线,代码正好对得上这个新字段,两者不会错位。
作者说,他分别演示给两个不同团队的工程师看,两边各自想出了同一个说法:Data CD。CD 指持续交付(Continuous Delivery,代码写完就自动测试、自动上线的那套做法)。过去持续交付管得了代码,管不了数据库这一段;现在数据库那段也能挂上同一条流水线。
凌晨两点提前到 PR
每次提合并请求,系统就从目标环境克隆一条新数据库分支,把迁移脚本和全套测试跑一遍,冲突在部署之前就暴露。
数据库出事通常是在凌晨两点,你被叫醒,对着生产环境倒推到底哪一步改坏了。分支把这个时刻往前挪到代码还在合并请求里、还没上线的时候。
顺带变的是 DBA(数据库管理员,负责数据库结构和稳定性的人)的位置。表结构的改动现在就躺在合并请求里,是一段代码,DBA 以代码负责人的身份在同一个页面上评审它,而不是在下游收到一张工单。
把改动推上生产环境这件事也一样。以前要挑时间窗口、拉人值守;现在是给生产库开一条分支、在分支上应用改动、隔离测试通过再正式提升。作者提醒,在普通的云端 Postgres 上想做同一件事,得堆一大摞脆弱的运维脚本,还很费人的时间。
把 Scrum 排成乐队
Consort 把敏捷开发团队里的每个角色都变成一个 agent,由一个「指挥」统一调度,合起来像一支合奏团。
agent(能自己拆解任务、连续干活的 AI 程序)在这里不是一个,是一编制。Scrum(一种常见的敏捷开发流程,团队按角色分工、小步快跑地迭代)里的角色被一一对应过来:产品负责人、规格撰写、架构评审、DBA、测试策略,外加一对结对编程的「领航员/驾驶员」。
Consort 这个词本身就是室内乐合奏团的意思,项目名和它的组织方式是一回事。
活分两条道走。一条是先定规格:意图谈拢、冻结,然后才允许动代码。另一条是造:完整跑「写一个失败的测试、写代码让它变绿、再整理代码」这个循环,而且每一轮都打在一条真实数据库的分支上。
只给 agent 该看的
Consort 不把整个代码库丢给 agent,每一轮只递给它一个限定范围的资料包:这次要通过哪些测试、测试在哪、设计上有什么要求。
作者给出的理由很直白:
不设范围的访问权就是 agent 跑偏的原因,也是它们花掉无穷时间在代码里翻来覆去、找不着北,最后连什么叫「不要重复自己」都忘了的原因。
另一道闸在写代码之前。架构评审 agent 先审规格,把分层方式、跨模块的要求、以及「同样的逻辑不要抄两遍」「一个模块只干一件事」这类老规矩先钉进去。这一步是你最后不会拿到一个所有东西堆在一个文件里的项目的原因。
想探索多种做法时,Consort 会为同一个需求并行跑几条实验,每条各自占一条数据库分支和一个独立的工作目录,互不干扰,跑完挑好的那条留下。作者说,给别的工程师演示到这里时,对方往往一眼就认出来,这正是他们自己一直想搭却没搭成的东西。
每道关卡人还在
三样东西让开发者始终能看见 agent 在干什么,并在放行前亲手验一遍。
- VS Code 插件:把配对的 Git 分支和 Lakebase 数据库分支并排显示,代码改动和表结构改动在同一个对比视图里看。
- 实时看板:每一轮里每个角色拿到了什么提示词、产出了什么东西、交给下一个角色的是什么,都摊开给你看。
- 人工关卡:每个节点上,你自己把那份还在跑的软件跑一遍,它挂在自己的数据库分支上,确认没问题才批准往前走。
最后一条是这套设计里最实在的部分。agent 不是自己宣布自己做完了,是你看着它跑起来的样子决定放不放行。
开源的那半和不开源的那半
Consort 本身开源,但它最关键的那块地基不是。分支能力来自 Databricks 自家的 Lakebase,而整篇文章没有给出一个可验证的数字。
作者把界限划得很清楚:
它不是一个捆在平台里、带服务等级协议的功能。
意思是出了问题没有 Databricks 的支持承诺兜底,靠社区。这对开源项目是诚实的表态,但也意味着你把开发流程押在上面之前得掂量。
更要紧的是另一半。Consort 的代码可以随便拿,分支能力拿不走,它来自 Lakebase。Lakebase 本身就是 Postgres,应用写完照常跑在上面、不需要任何分支流程,分支只在开发阶段用;免费版可以直接开始。但只要你想复现文章里描述的那套开发体验,数据库就得放在 Databricks 这边。
证据这一侧更薄。「与数据量无关的大致固定时间」是一句描述,不是一次测量;两位工程师不约而同说出「Data CD」是轶事,不是采纳率。全文唯一可以自己去查的硬材料是一篇 arXiv 论文(编号 2609.09671)和 GitHub 上的仓库,而博客正文没有引用论文里的任何结果。