Nu data science, data engineering en machine learning zo ongeveer overal in het dagelijkse reilen en zeilen van een bedrijf opduiken, kunnen dataprofessionals niet meer in een vacuüm werken. Datawerkers moeten nauw samenwerken met softwareontwikkelaars om data-scienceprojecten echt operationeel en schaalbaar te maken. Dat betekent dat dataprofessionals nieuwe, op softwareontwikkeling gerichte tools aan hun skillset moeten toevoegen, waaronder Git.
Git is een open-source versiebeheertool die is gemaakt voor versiebeheer. Het stelt ontwikkelaars en dataprofessionals in staat om efficiënt wijzigingen in projectbestanden, zoals Python-scripts en datasets, bij te houden, zodat teamleden een logboek van alle wijzigingen hebben, hun taken kunnen synchroniseren en samen kunnen werken zonder informatie te verliezen. Een prima plek om met git te beginnen is onze Introduction to Git Course.
Een van de belangrijkste functies van Git is het gebruik van branches. Met branches kunnen ontwikkelaars meerdere versies van een project hebben en elke versie systematisch volgen. Op een gegeven moment moet je de voortgang in de ene branch integreren in een andere branch. Er zijn verschillende strategieën om branches te combineren, waaronder de commando’s git merge en git rebase.
Het doel van dit artikel is om git rebase te introduceren, een commando dat helpt branches te integreren door een reeks commits van een bronbranch bovenop een doelbranch te plaatsen, meestal de main-branch.
Git rebase begrijpen
Stel, je werkt samen met andere dataprofessionals aan een data-scienceproject en jij bent verantwoordelijk voor het ontwikkelen van een dashboard met PowerBI op basis van gegevens die in eerdere commits zijn verzameld.
Omdat jij de hoofdverantwoordelijke voor het dashboard bent, is het logisch om een aparte branch te maken. Ondertussen blijft de rest van het team de main-branch bijwerken met nieuwe commits. De situatie ziet er als volgt uit:
Figuur 1. Bron
Stel nu dat de laatste commits in de main-branch relevant zijn voor jouw branch. Er kunnen bijvoorbeeld nieuwe datasets zijn toegevoegd die je dashboard kunnen verrijken. In dat geval moet je de nieuwe commits in je branch opnemen. Er zijn twee manieren om deze wijzigingen te integreren: mergen of rebasen.
Als je de branches combineert met het commando git merge, maak je in jouw branch een nieuwe merge-commit die de laatste wijzigingen in de main-branch en jouw branch samenvoegt.
Figuur 2. Bron
git merge is een niet-destructieve bewerking, wat betekent dat de geschiedenis van beide branches niet verandert. Dat is goed voor traceerbaarheid, maar het voegt ook complexiteit toe aan je branch, omdat je mogelijk voortdurend nieuwe, externe commits uit de main-branch moet toevoegen, vooral als de main-branch actief is. Het kan ook leiden tot mogelijke mergeconflicten, zoals uitgelegd in deze blog over het oplossen van mergeconflicten.
Als je daarentegen git rebase gebruikt, verplaats je je hele branch bovenop de main-branch. Deze bewerking herschrijft de projectgeschiedenis door nieuwe commits in te voegen voor elke commit die je in jouw branch hebt gemaakt. De resulterende branch ziet er als volgt uit:
Figuur 3. Bron
git rebase is een geweldige optie om het project overzichtelijk te houden. Door de hele featurebranch naar de top van main te verplaatsen, verandert de projectgeschiedenis, met als resultaat een perfect lineaire geschiedenis die makkelijker te doorgronden is. git rebase elimineert ook de extra merge-commits die bij git merge nodig zijn.
Maar git rebase kent ook mogelijke conflicten en valkuilen. Omdat het de commitgeschiedenis verandert en er geen merge-commits nodig zijn, kan het lastig zijn te achterhalen wanneer de wijzigingen door git rebase zijn opgenomen, wat de traceerbaarheid beperkt. Nog belangrijker: als git per ongeluk of onbewust tot wijzigingen in de main-branch leidt en je die vervolgens naar de remote repository pusht, veroorzaakt dat onverwachte veranderingen die kunnen botsen met het werk van andere ontwikkelaars. Gebruik git rebase dus zorgvuldig en alleen onder bepaalde omstandigheden.
Laten we nu bekijken hoe git rebase in de praktijk werkt!
Git rebase uitvoeren
Om te laten zien hoe git rebase werkt, bootsen we het voorbeeld uit de vorige sectie na. Als je aan een samenwerkingsproject werkt, is het eerste wat je moet doen de inhoud ophalen en downloaden uit de remote repository waar het project wordt gehost (meestal in de cloud of op een externe server) en je lokale repository bijwerken met de laatste wijzigingen, zodat je weer gelijkloopt met de rest van het team. Dit kan met het commando git pull, dat je in je terminal uitvoert:
git pullNu ben je klaar om een nieuwe branch te maken waarin je aan het PowerBI-dashboard gaat werken. Dat kan met het volgende commando:
git checkout -b powerbi_dashboardZodra de nieuwe branch is aangemaakt, ga je aan de slag en leg je je voortgang vast met meerdere commits. Zo maak je bijvoorbeeld een nieuwe commit nadat je de plots hebt samengesteld die in het dashboard komen te staan.
git add .
git commit -m "powerbi_dashboard/add_plots"Ondertussen boeken je collega’s nieuwe vooruitgang in de main-branch die relevant is voor jouw dashboardproject. Ook nu voer je eerst git pull uit om de updates uit de remote repository op te halen en naar je lokale repository te kopiëren. Dit resulteert in de situatie zoals beschreven in Figuur 1.
Vanaf hier kun je kiezen voor git merge of git rebase. Kies je voor dat laatste, dan hoef je alleen git rebase uit te voeren om je branch bovenop de main-branch te plaatsen.
git checkout -b powerbi_dashboard
git rebase main Interactief rebasen
Als je geen extra informatie meegeeft, verplaatst git rebase alle commits in jouw branch naar het hoofd van de main-branch. Wil je meer controle over hoe de commits worden verplaatst, dan kun je de interactieve modus gebruiken. Daarmee kun je je commitgeschiedenis opschonen voordat je de branch naar de main-branch verplaatst, wat de duidelijkheid vergroot.
Om interactief rebasen te starten, voeg je de optie i toe aan het git rebase-commando:
git checkout -b powerbi_dashboard
git rebase -i mainEr wordt dan een editor geopend waarin je voor elke commit die je wilt rebasen het gedrag van git kunt aanpassen. Enkele beschikbare opties zijn commitberichten aanpassen, commits samenvoegen en commits verwijderen. De volledige lijst vind je in de git-documentatie. Hieronder zie je hoe de editor eruitziet:
pick 46s9451 powerbi_dashboard/add_plots #keep commit
reword 94561f6 powerbi_dashboard/set_data_connectors #edit commit message
drop 1f094y8 powerbi_dashboard/minor_changes #remove commitBest practices voor git rebase
git rebase is een handig commando, maar kan tot verwarrende situaties leiden als je het in de verkeerde scenario’s gebruikt. Vuistregel: gebruik git rebase alleen in lokale repositories.
Met name bij het werken aan een aparte branch voor de ontwikkeling van een specifieke feature komt git rebase van pas. In deze context kun je git rebase gebruiken om je commitgeschiedenis schoon en lineair te houden, zodat andere ontwikkelaars je voortgang makkelijker kunnen volgen wanneer je je commits naar de remote repository pusht.
Je kunt tijdens je rebaseworkflow echter mergeconflicten tegenkomen, vooral als je de commits van je collega’s in de main-branch al een tijd niet hebt opgenomen.
Je kunt deze situatie, waarin jouw branch botst met de laatste commits in de main-branch, verhelpen door je branch regelmatig tegen main te rebasen. Zo weet je zeker dat je op dezelfde lijn zit.
Tot slot: voorkomen is beter dan genezen. Overleg dus, voordat je git rebase overweegt, met de rest van het team, zodat zij je richtlijnen kunnen geven over hoe en waar je het gebruikt.
Conclusie
Je hebt het einde van de tutorial gehaald. Gefeliciteerd! git rebase is een commando dat een plek verdient in je git-workflows. Maar er valt nog veel meer te leren over Git, een onmisbare tool voor zowel developers als dataprofessionals.
Hieronder vind je enkele DataCamp-bronnen om je te helpen Git onder de knie te krijgen. Veel plezier ermee!
