版本控制策略

从 Spark 1.0.0 开始，Spark 项目将遵循语义化版本控制指南，但会有少量偏离。这些微小差异考虑了 Spark 作为多模块项目的特性。

Spark 版本

每个 Spark 版本都将按以下格式进行版本控制：[MAJOR].[FEATURE].[MAINTENANCE]

• MAJOR (主版本号): 所有具有相同主版本号的发布版本都将保持 API 兼容性。主版本号将在很长一段时间内保持稳定。例如，1.X.Y 可能持续 1 年或更长时间。
• FEATURE (特性版本): 特性发布版本通常包含新功能、改进和错误修复。每个特性发布版本都有一个合并窗口，可以合并新补丁；一个 QA 窗口，只能合并修复；以及一个最终阶段，对发布候选版本进行投票。这些窗口将在上一个特性发布版本发布后立即公布，以给大家充足的时间，并且随着时间的推移，我们可能会使整个发布过程更加规范（类似于 Ubuntu）。
• MAINTENANCE (维护版本): 维护发布版本会更频繁地发布，并取决于引入的特定补丁（例如错误修复）及其紧急程度。通常，这些发布版本旨在修复错误。然而，更高级别的库可能会引入小的功能，例如新算法，前提是它们是完全增量的并与现有代码路径隔离。Spark 核心可能不会引入任何功能。

Alpha 组件

当新组件被添加到 Spark 时，它们最初可能会被标记为“alpha”。Alpha 组件不必遵守上述指南，但应尽可能尝试遵守。一旦它们被标记为“稳定”，它们就必须遵循这些指南。

API 兼容性

通常，API 是 Spark 中任何已文档化的公共类或接口，例如 ScalaDoc。我们努力确保发布版本之间的源代码兼容性和二进制兼容性。

然而请注意，即使对于“开发者 API”和“实验性”功能，我们也力求保持最大程度的兼容性。如果将来计划更改 API，则不应将代码作为“实验性”合并到项目中，因为用户期望所有可用 API 都具有最大兼容性。

破坏 API 时的考量

Spark 项目致力于避免破坏 API 或静默更改行为，即使是在主版本中。虽然这并非总是可能，但在选择破坏 API 之前应考虑以下因素的平衡。

破坏 API 的成本

破坏 API 几乎总是给 Spark 用户带来不可忽视的成本。一个被破坏的 API 意味着 Spark 程序在升级之前需要重写。然而，在考虑成本时有几个考量因素：

• 使用情况 - 在许多不同地方活跃使用的 API，破坏它的成本总是非常高昂。虽然很难确定准确的使用情况，但我们有多种方法可以估计：

  • 该 API 在 Spark 中存在多久了？

  • 该 API 即使对于基本程序也很常见吗？

  • 我们多久在 JIRA 或邮件列表中看到最近的问题？

  • 它在 StackOverflow 或博客中出现的频率如何？

• 破坏后的行为 - 今天可以正常工作的程序在破坏后会如何运行？以下按严重程度递增的顺序列出：

  • 会出现编译器或链接器错误吗？

  • 会出现运行时异常吗？

  • 该异常会在完成大量处理后发生吗？

  • 我们会静默地返回不同的结果吗？ (非常难以调试，甚至可能不会注意到！)

维护 API 的成本

当然，以上并不意味着我们永远不会破坏任何 API。我们还必须考虑维护相关 API 对项目和用户造成的成本。

• 项目成本 - 我们的每个 API 都需要经过测试，并需要随着项目其他部分的更改而持续工作。当外部依赖（如 JVM、Scala 等）发生变化时，这些成本会显著增加。在某些情况下，尽管在技术上并非完全不可行，但维护特定 API 的成本可能变得过高。

• 用户成本 - API 对学习 Spark 或试图理解 Spark 程序的用户也有认知成本。当相关 API 具有令人困惑或未定义的语义时，此成本会更高。

破坏 API 的替代方案

在存在“不良 API”但移除成本也很高的情况下，应考虑一些替代方案，这些方案不会损害现有用户，但能解决部分维护成本问题。

• 避免不好的 API - 虽然这有点显而易见，但这是一个重要的点。任何时候我们向 Spark 添加新接口时，都应该考虑到我们可能永远受限于这个 API。请深入思考新 API 如何与现有 API 相关联，以及您期望它们如何随时间演进。

• 弃用警告 - 所有弃用警告都应指向明确的替代方案，而不应仅仅说明某个 API 已被弃用。

• 更新文档 - 文档应指出执行给定任务的“最佳”推荐方法。在维护旧版文档的情况下，我们应清楚地指向更新的 API，并向用户建议“正确”的方法。

• 社区工作 - 许多人通过阅读博客和 StackOverflow 等其他网站来学习 Spark。然而，许多这些资源都已过时。请更新它们，以降低最终移除已弃用 API 的成本。

发布节奏

分支通常在每年的 1 月和 7 月创建，因此特性（“次要”）版本通常每 6 个月发布一次。因此，Spark 2.3.0 通常会在 2.2.0 发布后约 6 个月发布。维护版本在特性版本之间按需发布。主版本没有固定的发布时间表。

Spark 4.0 发布窗口

日期	活动
2025 年 1 月 15 日	代码冻结。发布分支创建。
2025 年 2 月 1 日	QA 阶段。重点关注错误修复、测试、稳定性和文档。通常不合并新功能。
2025 年 2 月 15 日	发布候选版本 (RC)、投票等，直至最终版本通过

维护版本和生命周期结束 (EOL)

特性发布分支通常会通过错误修复版本维护 18 个月。例如，自 2019 年 9 月（即 2018 年 2 月 2.3.0 发布后 18 个月），分支 2.3.x 不再被视为维护状态。在此之后，即使是错误修复，也不应再期望有 2.3.x 版本发布。

主版本中的最后一个次要版本通常会作为“LTS”版本维护更长时间。例如，3.5.0 于 2023 年 9 月 13 日发布，并将维护 31 个月，直至 2026 年 4 月 12 日。