Utmaningen med stora commits

Modern utveckling involverar ofta commits som ändrar många filer. Oavsett om det är en stor funktionsaddition, en refaktoreringsinsats eller sammanslagning av en långvarig branch, kan stora commits överskrida storleksbegränsningarna för AI-leverantörer. AI Diff Review löser detta med intelligent batchbearbetning som automatiskt delar upp stora commits i hanterbara bitar.

Hur batchbearbetning fungerar

När en commit eller valt omfång överskrider det aktiva budgetet (256 KB för molnleverantörer, 128 KB för lokala), delar AI Diff Review automatiskt upp begäran i flera batchar. Men den delar inte bara upp slumpmässigt—den använder en sofistikerad relaterings-först-strategi för att hålla relaterade filer tillsammans, vilket förbättrar analyskvaliteten.

Relateringsstrategi

Batchbearbetningssystemet använder lätta heuristiker för att avgöra vilka filer som är relaterade:

Import- och paketreferenser

Filer som importerar symboler definierade i andra ändrade filer anses vara relaterade. Om UserService.java till exempel importerar User från User.java, och båda är ändrade, kommer de att grupperas tillsammans.

Symbolomnämnanden

Filer som nämner klass-, objekt- eller funktionsnamn definierade i andra ändrade filer grupperas tillsammans. Detta fångar relationer även när explicita importer inte finns.

Katalognärhet

Filer i samma paket eller katalog anses vara svagt relaterade och fungerar som tie-breaker när andra relationer inte är tydliga.

Klusteringsalgoritm

Batchbearbetningssystemet bygger en oriktad graf av filer anslutna av relationerna ovan, och beräknar sedan anslutna komponenter som initiala grupper. Detta säkerställer att filer som refererar till varandra stannar tillsammans i samma batch.

Packningsstrategi

Grupper placeras i batchar med hjälp av en first-fit-decreasing algoritm efter uppskattad begäranstorlek. Detta:

  • Bevarar grupper när det är möjligt (håller relaterade filer tillsammans)
  • Maximerar batchstorlekseffektivitet
  • Säkerställer att varje batch håller sig under storleksbegränsningen

Hantering av överdimensionerade grupper

Om en enda grupp relaterade filer överskrider budgeten delas den upp i bredd-först-sökning (BFS) ordning medan höga viktkanter bevaras. Detta betyder att de starkaste relationerna bibehålls även när uppdelning är nödvändig.

Användarupplevelse

När batchbearbetning sker visar verktygsfönstret framsteg som "Batch X/Y", vilket tydliggör att flera batchar bearbetas. Resultat slås sömlöst samman över batchar, så du ser en enhetlig vy av alla resultat. Sortering, filtrering och sökning fungerar över alla resultat som om de kom från en enda analys.

Standardbatchstorlekar

Systemet föredrar batchar på 3-7 filer vardera när många filer finns, men exakta storlekar varierar baserat på:

  • Diff- och innehållsstorlek per fil
  • Leverantörsspecifika storleksbegränsningar
  • Relateringsrelationer

Denna balans säkerställer effektiv bearbetning samtidigt som analyskvaliteten bibehålls.

Fördelar med intelligent batchbearbetning

Bättre analyskvalitet

Genom att hålla relaterade filer tillsammans kan AI:n förstå kontext och relationer, vilket leder till mer exakta resultat. Om du till exempel ändrar både en modellklass och dess tjänst, hjälper det att analysera dem tillsammans AI:n att förstå den fullständiga effekten av dina ändringar.

Automatisk hantering

Du behöver inte manuellt dela upp commits eller oroa dig för storleksbegränsningar. Pluginet hanterar det automatiskt, så du kan fokusera på din kod.

Sömlös upplevelse

Resultat slås automatiskt samman, så du ser en enhetlig vy oavsett hur många batchar som behövdes. Du behöver inte manuellt kombinera resultat eller växla mellan olika analyser.

När batchbearbetning sker

Batchbearbetning utlöses när:

  • En commit ändrar många filer (typiskt 10+ filer)
  • Filer är stora (även några stora filer kan utlösa batchbearbetning)
  • Fullständigt filinnehåll ingår (ökar storleken avsevärt)
  • Den kombinerade storleken överskrider leverantörsbegränsningar

Bästa praxis

Hålla commits fokuserade

Medan batchbearbetning hanterar stora commits väl, är mindre, fokuserade commits fortfarande bättre för kodgranskning och förståelse. Överväg att dela upp stora ändringar i logiska commits när det är möjligt.

Lita på systemet

Batchbearbetningsalgoritmen är designad för att bevara relationer och upprätthålla analyskvalitet. Lita på att relaterade filer kommer att analyseras tillsammans, även över batchar om nödvändigt.

Granska alla resultat

Eftersom resultat slås samman, se till att granska resultat från alla batchar. Den enhetliga vyn gör detta enkelt, men var medveten om att stora commits kan ha många resultat över flera batchar.

Tekniska detaljer

Batchbearbetningssystemet använder en snabb begäranstorleksuppskattare som approximerar JSON-omsluten nyttolaststorlek för att hålla sig under gränsen per batch. Denna uppskattning sker före sändning, vilket säkerställer effektiv användning av leverantörsbegränsningar.

Slutsats

Intelligent batchbearbetning gör det möjligt att analysera stora commits utan manuell intervention. Genom att hålla relaterade filer tillsammans och automatiskt hantera batchstorlekar säkerställer AI Diff Review omfattande analys oavsett commitstorlek.

Relaterings-först-strategin upprätthåller analyskvalitet medan den automatiska uppdelningen säkerställer att du kan analysera commits av vilken storlek som helst. Kombinerat med sömlös resultatsammanslagning ger batchbearbetning en smidig upplevelse även för de största ändringarna.

Redo att analysera stora commits? Installera AI Diff Review och se hur den hanterar dina största ändringar.