به گزارش از وبسایت cncf
در آوریل 2026 دفتر OpenTelemetry در Cloud Native Computing Foundation (CNCF) با همکاری دفتر برنامه منبع باز بلومبرگ یک دوره آموزشی ده هفتهای را با عنوان «خط لوله مشارکتکننده ساختاریافته» برگزار کرد. هدف روشن نبود، اما حالا که برنامه به پایان رسیده است نتایج قابل توجهی حاصل شده که ارزش بیان دارد. 😊
در این طرح 48 مهندس از بلومبرگ شرکت کردند؛ بسیاری از آنها پیشتر هرگز در پروژههای منبع باز مشارکت نکرده بودند، در حالی که برخی دیگر تجربه عمیقی با OpenTelemetry داشتند. در طول ده هفته این گروه چه کرد؟
شرکتکنندگان 118 درخواست کشش (PRs) به پروژه OpenTelemetry ارسال کردند که از این میان 70 مورد توسط جامعه جهانی نگهدارنده در پایگاه کد پذیرفته و ادغام شد. مشارکتها شامل 11 مخزن مختلف مانند collection، Python SDK، Go SDK، Erlang SDK، Rust SDK، opentelemetry.io، OTel Demo، کتابخانههای instrumentation، Ecosystem Explorer و موارد دیگر میشد. مجموعاً 842 ساعت کار داوطلبانه ثبت گردید. ✅
در همین بازه، پروژه OpenTelemetry به نقطه عطفی رسید و وضعیت Graduation در CNCF را کسب کرد و در کنار Kubernetes به عنوان یکی از مورداعتمادترین پروژههای منبع باز جهان قرار گرفت.
چند نمونه مشخص نشان میدهد مشارکتها چه تأثیری داشتند. فلوریان بورگی از تیم تحقیقاتی Quant بلومبرگ بهصورت سیستماتیک روی یک کمپین تغییر نام در مخزن OTel Demo کار کرد و 23 PR ارسال کرد که همه ادغام شدند و به استانداردسازی نامگذاری ویژگی تلهمتری در سراسر پروژه کمک کردند. در پایان برنامه ده هفتهای او به دومین مشارکتکننده پرکار در OTel Demo تبدیل شد — نمونهای از کار پُراثر و پرزحمت که نگهداران پروژه به ندرت فرصت انجام آن را دارند.
مهندسان Thomas Baldwin، Mikiyas Bokan و Larry Zebaze از تیم Cloud Observability یک مسئله عملی از کار روزمرهشان به جامعه آوردند: ذخیرهسازی مخفی در OTel Collector هنگام چرخش اعتبارنامه نیاز به ریاستارت کامل داشت. آنها یک مسئله ثبت کرده و پسوندی برای چرخش اعتبار چندابری ایجاد کردند که شامل AWS، GCP و Azure میشود. این کار هنوز تحت بازبینی نگهداران است اما میتواند اثر پایداری برای کاربران بزرگ OTel داشته باشد. 🔧
سایر تلاشها شامل رفع اشکال در instrumentation پایتون، بهبود مستندات در opentelemetry.io، نمونهبرنامههای مرجع در JavaScript و Python (FastAPI)، رفع مشکل در کد C++، تقویت Go SDK و توسعه ابزارهایی بود که کار مشارکتکنندگان آینده را در محیطهای Python چندمخزنه سادهتر میکرد. بسیاری از مشارکتها صرفاً کد نبودند؛ افراد وقت خود را به خواندن مشخصات، تریاژ مسائل، بررسی PRها و راهنمایی سایر مشارکتکنندگان اختصاص دادند — کارهایی که بهخوبی مسیر مشارکت را هموار میکنند.
مربیان و نگهداران منبع باز نقش محوری داشتند. جامعه OpenTelemetry با سخاوت زمان گذاشت: هفت نگهدارنده از نقاط مختلف جهان هر هفته داوطلبانه در دسترس بودند تا به سؤالات پاسخ دهند، کدها را بررسی کنند و موانع مشارکتکنندگان را رفع کنند. هر هفته یک موضوع عمیق برای آموزش داوطلبان مطرح شد، از جمله semantic conventions و Weaver، OTel Demo، مشاهدهپذیری GenAI، معماری Collector، مسیر از مشارکتکننده به نگهدارنده و موارد دیگر.
Juraci Paixão Kröhling از کمیته مدیریتی OpenTelemetry در جلسه پایانی برنامه گفت: «این یکی از موفقترین برنامههای مربیگری است که من در CNCF دیدهام.» لیودمیلا مولکووا از Grafana Labs که جلسه GenAI observability را هدایت میکرد، توصیهای کلیدی مطرح کرد: «چیزی را پیدا کنید که برای کار واقعیتان کاربردی باشد و به شغل اصلی شما هم کمک کند — در غیر این صورت پایداری نخواهد داشت.» 💡
کمال آککویون که تحقیقات عمیقی را درباره مشارکت در collection انجام داد، به شرکتکنندگان چارچوبی عملی پیشنهاد داد: «قبل از نوشتن کد، یک هدف تعریف کنید — یک issue باز کنید، مشکل را واضح توضیح دهید و قبل از صرف زمان برای PR، همسویی لازم را کسب کنید.» و برای تازهواردان: «از کوچک شروع کنید. یک PR متمرکز و با توضیح شفاف سریعتر از یک PR بزرگ پیش میرود و انگیزه لازم را میدهد.»
سایر مربیان نیز بر اشکال مختلف مشارکت تأکید کردند: «تجربه عملی خود را هم به اشتراک بگذارید، نه فقط نظرات — بازخورد عملی ارزشمندترین کمک به شکلگیری استانداردها است. حضور در جلسات نیز یک نوع مشارکت است.» پییر تسیه مسیر پیشرفت هر PR را دنبال کرد و تبدیل شدن Florian Bourgey از اولین PR به دومین مشارکتکننده فعال را جشن گرفت. Severin Neumann نیز با این پیام برنامه را به پایان برد: «آنچه قابل ادغام است ادغام کنید — و برای هر چیز دیگر گفتگو را ادامه دهید.» 🤝
نکتهای که وزن دارد این است که این برنامه فراتر از یک هکاتون یا فراخوان عمومی بود؛ ساختار هفتگی، مسیر روشن ورود و مربیان متعهد برای 10 هفته کامل، علت موفقیت آن بودند. تیم داخلی بلومبرگ ساختار را طراحی و اجرا کرد، شرکتکنندگان را پیگیری کرد و ریتم هفتگی را حفظ نمود.
دوپریا دیو بهعنوان سرپرست و مربی تیم عمل کرد، اتاقهای چت را تسهیل نمود، با نگهبانان هماهنگ شد و خود مشارکتهایی را در opentelemetry.io انجام داد. یوگا رامالینگام و استفان بلک تخصص زیرساختی عمیق را به جلسات آوردند و به شرکتکنندگان کمک کردند تا در محیطهای توسعه حرکت کنند و یادگیریها را به کاربرد بلومبرگ از OpenTelemetry پیوند دهند. آلیسا رایت مدل برنامه را طراحی و عملیات مشارکت را مدیریت کرد و ارتباط با CNCF و نگهبانان را بر عهده داشت.
این مدل پایداری منبع باز بدون این لایه عملیاتی کار نمیکند: مربیان خارجی تخصص پروژه را تأمین میکنند و چوپانهای داخلی زیرساختهای عملیاتی، مراقبت از مشارکتکنندگان و پل ارتباطی بین فرهنگ مهندسی شرکت و جامعه متن باز را فراهم میآورند. در بلومبرگ این زیرساخت شامل همکاری نزدیک بین دفتر برنامه منبع باز و تیم بشردوستانه شرکت است تا حمایت، پیگیری و شناسهگذاری مشارکتهای منبع باز سادهتر شود.
این رویکرد، مشارکت سطحبالا را به یک مدل گستردهتر برای سرپرستی منبع باز مرتبط میکند: کمک بنیادها، مربیگری نگهدارنده، داوطلبی کارکنان و برنامههای خیریه که مشارکت منبع باز را بهعنوان خدمات معنادار میشناسند. بلومبرگ میگوید مشارکت بالادست کار سختی نیست؛ مهم این است که چگونه آن را سازماندهی میکنید. رویکرد آنها مسیر پشتیبانیشدهای به مهندسان میدهد تا بتوانند مشارکت مؤثر انجام دهند.
یادگیریهای کلیدی برنامه عبارت بودند از: گلوگاه بیشتر در کشف مسائل است تا در انگیزه — شرکتکنندگان میخواستند مشارکت کنند اما نمیدانستند از کجا شروع. اثربخشترین اقدام، فراهم کردن فهرستی از مسائل مناسب و در اندازه قابلمدیریت و کمک مربیان برای بررسی و تصاحب آنها در زمان واقعی بود. همچنین کارهای نگهداری ساده و کمتر جذاب اغلب رضایتبخش و اثرگذار بودند؛ وقتی مشارکتکنندگان دلیل اهمیت کار را میفهمیدند، با انگیزهتر عمل میکردند.
این برنامه شبکههای همکاری میانتیمی را نیز تقویت کرد: مهندسان از تیمهای مختلف بلومبرگ که قبلاً فرصت همکاری نداشتند کنار هم قرار گرفتند و چند تیم کاری شکل گرفت که فراتر از محدوده برنامه ادامه یافت. پس از همگروهی، 94 درصد از پاسخدهندگان گفتند که نسبت به قبل اعتمادبهنفس بیشتری برای مشارکت در منبع باز دارند و 88 درصد قصد ادامه کمک به پروژههای منبع باز را اعلام کردند.
این مدل نشان میدهد که پایداری منبع باز به چیزی فراتر از مدیریت وابستگی یا حمایت مالی نیاز دارد. سازمانها به یک مدل عملیاتی تکرارشونده احتیاج دارند تا علاقه مشارکتکنندگان را با نیازهای نگهدارنده همسو، قابل مشاهده و قابل پشتیبانی کنند. سری «Sustaining» یکی از فرمهای این مدل است: مسیر ساختاریافتهای برای کارکنان، پشتیبانی متمرکز برای نگهداران و روش تکرارپذیری برای شرکتها تا در نگهداری زیرساختهای دیجیتال حیاتی مشارکت کنند.
بلومبرگ این مدل را توسعه داده و تاکنون چهار بار آن را اجرا کرده است — ابتدا با Pandas (با مشارکت NumFOCUS و NVIDIA) و اکنون با OpenTelemetry (با مشارکت CNCF). این الگو در پروژهها، زبانها و پروفایلهای مختلف مشارکتکننده موثر بوده و نشان میدهد که مدل میتواند در شرایط گوناگون تکرار شود. 🚀
