数据治理 | 科研团队协同工作新神器！Git远程仓库的使用

目录

一、Git 的分布式特性

1.  “老的”集中式版本管理

2. 分布式版本管理

二、搭建和使用远程仓库服务器

第一步：注册 GitHub

第二步：创建 SSH key

第三步：创建远程仓库

三、将文档提交到远程仓库

四、总结

本文共4653个字，阅读大约需要15分钟，欢迎指正！

往期推文（传送门👉：数据治理 | 随心所欲切换文档版本！误删什么的再也不怕啦~），我们学习了如何使用 Git 在本地电脑上管理文档。我们回顾一下工作步骤：

1. 创建一个项目文件夹（空文件夹），放入需要被Git管理的文档
2. 在项目文件夹中，用 git init 创建版本库，会生成 .git 隐藏文件夹，其中有各种配置文件
3. 在项目文件夹中，用 git config 命令设置用户信息和添加防中文乱码的配置参数
4. 使用 git add . 和 git commit -m "注释" 将文档提交到版本库
5. 使用 git reflog 查看 提交ID（前7位）
6. 使用 git reset --hard 提交ID（前7位） 将文档切换到指定的版本

相信大家经过一段时间的学习已经熟练掌握了以上命令。

💡关于Git的更多知识，请看：

到目前为止，我们已经基本掌握了如何在本地个人电脑上使用Git进行版本控制，即：创建Git仓库，并对其进行管理，并且可以回退到任意一个提交点。如下图所示：

图源：https://git-scm.com/book/en/v2/Getting-Started-About-Version-Control

但到目前为止我们学习的只是 Git 庞大功能中的一小部分，还有很多功能需要拓展学习。在给出本期的学习内容之前，大家不妨考虑以下问题如何解决：

1. 如果个人电脑损毁或者硬盘坏了，那么存放在本地电脑上的版本库中的所有历史版本都可能丢失，如何找回？
2. 团队需要协作。目前的版本库在个人本地电脑上，难道要通过U盘拷贝给其他合作者吗？太麻烦了！

现实中，我们解决以上问题，需要找一台电脑充当服务器，并且24小时开机，并做好数据备份工作。团队只需要把文档推送到服务器上，或者从服务器上拉取文档，即可实现协同工作。本期推文我们就来介绍，Git 的 "分布式" 特性以及远程仓库的使用。

Part1Git 的分布式特性

1“老的”集中式版本管理

要了解Git的分布式特性，首先要对集中式版本管理有所了解。在集中式的版本控制系统中，所有的版本库是放在中央服务器中的，也就是说我们每一次的修改上传都是保存在中央服务器中的。如下图所示：

图源：https://git-scm.com/book/en/v2/Getting-Started-About-Version-Control

中央服务器就是个大仓库，大家把产品都堆里面，每一次需要改进和完善的时候，需要去仓库里面把文件给提出来，然后再操作。集中式的版本控制系统有三大特点，即同步、追溯、以及文档备份等三大特点。它具备版本控制的重要功能，流行了很长一段时间。

💡补充知识：

从集中式版本控制系统的设计观点来看，它主要是维持团队成员之间保持同步的状态。若是根据保持同步的手段再细分，又能衍生出两种模式：一种是锁定模式，另一种是合并模式^[1]。

• 在锁定模式下，当团队成员想要修改某文档、签出该文档后，该文档便会进入锁定状态，其他成员便无法加以修改，直到签出者将该文档签回为止。对于维持同步来说，这当然是一个十分保险的作法，因为永远不会有两个或以上的成员同时修改同一个文档。只是这种方法造成了团队成员对于文档修改的互斥效应，大大降低了协同办公效率。

• 在合并模式下，允许多位团队成员同时针对同一文档进行修改，当他们分别将文档提交仓库时，若发生冲突的情况，便会自动进行合并，而若自动合并失败，再要求人工合并。不过即使如此，最终目的还是要维持多个成员间的同步。毕竟，版本控制的结果在集中式文档库中是唯一的，也是每位团队成员都需与此结果保持一致的。

但是，集中式版本控制系统有一些的缺点：首先，团队成员想要拉取文档或提交到仓库，或是对文档库做一些其他的操作，都必须在能够连网的环境下进行。其次，由于每个团队成员的修改，时常是反复持续进行，在修改的过程中，总会遇到未能稳定、完备到足以提供给其他成员使用的程度，若是在此时提交到仓库，便有可能让仓库的代码处于不稳定、不成熟的状态。

2分布式版本管理

由于集中式版本控制系统有一些致命的缺点，分布式版本控制系统应运而生，甚至慢慢成为主流。分布式版本控制系统的重点在于分布，即每台计算机上都有一个完整的版本库。如下图所示：

图源：https://git-scm.com/book/en/v2/Getting-Started-About-Version-Control

在实际工作中，上图中 Computer A 和 Computer B 之间的连接线往往不存在，它们都只和服务器（ Server Computer） 进行连接。这里的Server Computer 就是团队中的远程仓库服务器。每个用户都可以从远程仓库服务器中拉取完整的文档，或者把自己的修改推送到远程仓库，通常情况下，Git 会对提交进行合并（当出现冲突时，需要人为介入，解决冲突问题）。这些具体的细节我们在后面的推文中学习。由于每个用户都有完整的版本库，就可以在本地进行工作，所有对版本控制系统的操作，都可以直接在本机端的版本库中进行，包括提交、分支、合并、回退等。同时，用户不需要将自己的修改持续送至集中的版本库上，造成其他用户必须套用这些修改，引起可能的不稳定情况。因为分散式版本控制系统本质的关系，使得此类系统更重视对分支（branch）的支持，它们通常有较好的分支及合并的能力。git 非常提倡我们利用分支来辅助日常工作流程。我们将在后期的推文中，学习 Git 的分支管理。

Part2搭建和使用远程仓库服务器

我们可以自己搭建一个远程仓库服务器，也可以使用互联网上的Git仓库托管服务（例如GitHub https://github.com 、Gitee https://gitee.com ）等。对广大的社科读者而言，自行搭建远程仓库服务器并进行数据安全备份，成本过高。若无数据敏感性问题，我们更推荐选择互联网大厂提供的Git仓库托管服务 。

💡小贴士：

据笔者了解，在一定的限额内，GitHub 是免费的。

具体额度见：https://docs.github.com/en/enterprise-cloud@latest/get-started/learning-about-github/githubs-products。

目前的学习阶段，我们使用 GitHub（https://github.com）创建远程仓库进行团队协同工作。

第一步注册 GitHub

第一步：访问 GitHub 注册并登录，这一步非常简单，我们跳过。

第二步创建 SSH key

版本库需要设置用户认证，保证数据安全。我们可以用账号密码登录，也可以使用 SSH key 验证登录。我们这里选择  SSH key 验证登录，因为只需配置一次，就可以免密访问一个账户下的所有版本库。创建 SSH key步骤如下：首先，在用户主目录下（ 例如：C:\Users\chen 或者 C:\Users\Administrator ），看看有没有 .ssh 目录，如果有，再看看这个目录下有没有id_rsa和id_rsa.pub这两个文件，如果已经有了，可直接跳到下一步。如果没有，右击运行 Git Bash Here，创建SSH Key：

⚡注意：

Git 默认读取用户主目录下, .ssh 目录中的密钥文件。因此，创建密钥文件时，我们设置了对应的目录，读者请自行修改为自己的用户主目录。

# 创建用户保存密钥文件的文件夹
# 注意：git的命令行，对 Windows 的盘符做了处理
# /d/ssh 等价于 D:\ssh
# /c/user/ 等价于 C:\users
# 这里需要填写自己的用户主目录，不要照抄
mkdir /c/users/自己的用户名/.ssh

# 生成密钥 
ssh-keygen -t rsa -P '' -f /c/users/自己的用户名/.ssh/id_rsa  -C 'test'

# 命令说明：
# -t  rsa    表示指定要创建的密钥类型
# -P  ''     表示不添加额外密码
# -C 'test'  表示注释
# -f /d/ssh/id_rsa  表示密钥文件保存位置及其名称

成功后的效果如下图所示：

• id_rsa 文件，是私钥，相当于 "钥匙"， 请保存妥当。
• id_rsa.pub 文件，是公钥，相当于 "门锁"

我们要把 "门锁" 安装到远程仓库上，就可以用自定义的钥匙（私钥）打开了。（即，把 id_rsa.pub 文件上传到远程服务器的指定位置），步骤如下：登录到 GitHub ，点击头像，然后点击设置。

在左侧导航栏中，点击 SSH and GPG keys。

点击 New SSH Key，添加  "门锁" 。

点击 Add SSH key 后，即创建成功。

第三步创建远程仓库

第一步，点击头像右边的 "+" ，然后点击 New repository 。

第二步，安装如图所示说明，创建仓库。

出现如下画面则创建成功。

Part3将文档提交到远程仓库

将本地版本库中的文件提交到远程仓库需要做如下配置：首先，在自己的本地的版本库中，运行 Git Bash Here，输入如下内容：

# 这两步不是必须的
git add .
git commit -m "提交到远程仓库"

# 这个链接是自己的仓库链接 ！
git remote add origin [e-mail]:hangzhou-qiyan/test.git

然后，我们就可以提交文档到远程仓库啦。输入以下命令：

# 第一次，使用如下命令
git push --set-upstream origin master

# 后续使用如下命令
git push

# 注意，git 默认读取 用户主目录下，.ssh 目录中的密钥文件
# 前面的创建密钥过程中，目录的设置是有讲究的 ！

效果如下图所示：

登录到GitHub的仓库中，发现数据已经提交。当本地的数据丢失，就可以从远程的服务器中找回数据啦。至此为止，我们已经可以解决前文提出的第一个问题：数据安全性问题。至于，第二个协同工作问题，我们将在下一篇推文中介绍。

Part4总结

随着学习地深入，我们掌握了更多版本控制相关知识，我们的文档管理工作逐渐从个人文档管理迈向团队文档管理。本期的推文，版本控制和Git相关概念较多，希望大家好好理解。然后，注册一个远程仓库服务，敲一敲上面的命令。下期推文，我们将具体介绍多人团队如何使用远程仓库进行协同工作，敬请期待!

参考资料

[1]

《從集中版本控制到分散式版本控制》https://www.ithome.com.tw/node/77088

[2]

https://www.liaoxuefeng.com/wiki/896043488029600

[3]

https://git-scm.com/book/en/v2

我们将在数据治理板块中推出一系列原创推文，帮助读者搭建一个完整的社科研究数据治理软硬件体系。该板块将涉及以下几个模块（点击标题即可跳转至相应合集）：

1. 计算机基础知识
2. 编程基础
3. 数据采集
4. 数据存储
5. 数据清洗
6. 数据实验室搭建
7. 数据治理特别篇

星标⭐我们不迷路！想要文章及时到，文末“在看”少不了！

点击搜索你感兴趣的内容吧

往期推荐

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

文 | 大杰

    欢迎扫描👇二维码添加关注    

点击下方“阅读全文”了解更多