以下是对Medium博客文章《Dispelling Misconceptions in the Fugue Paper about GOT and OT》的正式中文翻译。文中的我指代作者(Sun Chengzheng, 协同编辑领域国际知名专家,OT技术的推动者和先驱)。
引言
在我持续探讨《Fugue论文》(The Art of the Fugue: Minimizing Interleaving in Collaborative Text Editing)[5]对操作变换(Operational Transformation, OT)所作主张的系列文章第三篇中,我将针对其关于GOT算法[1]的无根据断言进行澄清。由于GOT支持字符串级协同编辑(与 Jupiter-OT 类似),且可与多种变换函数组合使用,因此我们可以直接沿用我在第二篇关于Jupiter-OT的图示与推理,轻松驳斥《Fugue 论文》所谓 GOT 存在“字符交错”(char-interleaving)问题的说法。因此,本文将聚焦于更广泛的问题与误解,揭示GOT算法及OT技术的真实面貌。
1. GOT 算法的基本事实
GOT(Generic Operation Transformation,通用操作变换)工作的初衷是为了解决经典的 dOPT 难题。GOT 算法最初在文献 [1] 中被提出,当时并未引用任何具体的变换函数。随后,在文献 [2] 中,GOT 算法才与一组独立设计的字符串级变换函数相结合并正式发表。
1.1 GOT 的关键特性
GOT 算法具备以下关键特性:
- 作为一种分布式 OT 控制算法,无需依赖中央变换服务器;
- 引入了“操作上下文”(operation context)的概念,并基于上下文定义了确保 OT 正确性的变换条件;
- 通过保障“上下文等价性条件”(context-equivalence condition)成功解决了 dOPT 难题;
- 在不要求变换函数满足 CP1 与 CP2 变换性质的前提下,仍能实现状态收敛;
- 采用基于状态向量(state-vector)的垃圾回收机制,从历史缓冲区中移除未来不再需要的操作。
1.2 GOT 可与任意合适的变换函数集成
与 Jupiter-OT 和 adOPTed 算法类似,GOT算法满足所有 OT 控制算法所必需的基于上下文的条件(参见OTFAQ [4] 中问答 3.15–3.18);因此,它可以与任何合适的变换函数组合(不仅限于文献 [2]中所发表的那些),从而构建完整的 OT 解决方案。
1.2.1 GOT 使用包含与排除两类变换函数
与 Jupiter-OT 和 adOPTed 不同,GOT 算法采用一对“包含”(Inclusion)与“排除”(Exclusion)变换函数,且这两类函数必须满足一种“可逆性”(reversibility)变换属性。这一可逆性要求增加了变换函数的设计复杂度。后续的 OT 控制算法(如 NICE、TIBOT、COT 和 POT)已摒弃该要求,仅使用“包含”变换函数。
1.2.2 GOT 采用内部撤销-重做机制以实现收敛
GOT 算法的另一项特殊特性是其使用“撤销-重做”(undo-redo)机制来实现状态收敛,这有助于免除对变换函数满足 CP1 与 CP2 性质的要求 [3,4]。然而,后续研究发现,这种基于内部撤销-重做的并发控制机制存在效率低下问题,并可能引发面向终端用户的界面异常(注意:这与用户界面中的“撤销”功能不同)。因此,包括 NICE、TIBOT 2.0、COT 和 POT 在内的后续 OT 控制算法,均有意避免使用内部撤销/重做机制,同时仍能在不依赖变换函数满足 CP2 的前提下实现正确性 [3,4]。这体现了 OT 领域在学术研究与实际应用中持续优化解决方案的努力。
1.2.3 FT 难题的发现
GOT 算法的发展还揭示了“假绑定”(False-Tie, FT)难题——这是文本协同编辑中违反 CP2 的一个典型案例,对后续协同编辑技术的发展产生了影响。FT 难题与 CP2 违反问题已在 OT 框架内通过多种方法得到解决 [4]。
2. 字符串级变换中禁止文本交错
《Fugue 论文》声称“交错”问题“数十年来一直未被察觉”。然而,正如我在第一篇文章中指出的那样,早在 2018 年,已有研究指出某些 CRDT 算法(如 Logoot)存在字符交错问题。更重要的是,早在 1998 年设计字符串级变换函数时,就已明确处理了如何避免并发插入导致的交错问题。
文献 [2] 第 85–86 页第 9.1.3 节“验证意图保持效果的标准”(Criteria for Verifying Intention-Preserved Effects)中,对并发字符串插入与删除操作如何保持意图提供了精确规范。该规范指导了字符串级变换函数的设计,旨在实现预期的组合效果,同时明确防止并发插入产生“交错”。以下引文清晰地说明了这一点:
当上述标准得到满足时,独立的插入/删除操作的执行效果将互不干扰:一个插入操作绝不会将字符串插入到另一个独立操作所插入字符串的中间;一个删除操作也绝不会删除由独立操作插入的字符。”
其中“一个插入操作绝不会将字符串插入到另一个独立操作所插入字符串的中间”这一表述,明确表明文献 [2] 中所述的字符串级变换函数在设计上已主动禁止并发插入导致的“交错”现象。这直接驳斥了《Fugue 论文》所谓“交错问题长期被忽视”的无根据断言。
3. OT 控制算法与文本交错无关
文本交错是文本协同编辑中的特定问题。一些协同编辑文章和讨论中普遍存在一种误解,即将文本编辑问题归咎于通用的 OT 控制算法。
《Fugue 论文》将 Jupiter-OT、adOPTed 和 GOT 指认为导致文本交错问题的根源。然而,即便其所用图示有效(实际上并不成立,如本系列文章所示),将文本编辑特有的问题归因于 OT 控制算法也是错误且具有误导性的。OT 控制算法的正确性取决于其是否满足基本的基于上下文的条件,而这些条件与文本编辑本身完全无关,自然也与文本交错无关。
4. 通过灵活组合构建 OT 解决方案
4.1 OT 的模块化结构
构建完整 OT 解决方案的成熟方法是将通用的 OT 控制算法与应用特定的变换函数分离,二者之间通过变换性质与条件来规定其相互关系,如图 1 所示。

图 1. OT 解决方案的经典模块化结构
这种模块化结构的一大优势在于,可以独立设计和验证 OT 的各个组件(控制算法与变换函数),只要它们满足所需的变换条件与性质,即可灵活组合,为特定应用定制新的 OT 解决方案。这种分离与灵活组合机制极大地推动了 OT 技术的持续进步及其在现实世界中的多样化应用。
4.2 OT 组件的独立发展
过去十年中,OT 技术通过为各种数据类型开发新型变换函数,显著拓展至新的协同编辑领域,例如用于富文本协同编辑的 QuillJS OT 函数、JSON OT 函数等。许多此类变换函数由开源贡献者和工业界实践者开发。
这一扩展的成功部分归功于 OT 的模块化结构。OT 组件之间的清晰分离,使协同编辑应用开发者能够专注于为各类数据类型和应用场景设计变换函数,而无需深入控制算法的复杂细节。
另一方面,大量 OT 控制算法由学术研究人员设计 [4]。dOPT 难题的发现与解决催生了多个能确保上下文等价性条件的 OT 控制算法,并建立了基于上下文条件的理论体系 [2],该体系已成为 OT 正确性的基石。
如今,OT 领域一方面拥有众多已发表的控制算法,另一方面也积累了丰富的开源变换函数资源。这为通过灵活组合合适的控制算法与变换函数、构建面向特定应用的完整 OT 解决方案提供了丰富机会。
4.3 支持灵活的协同编辑通信拓扑
OT 技术允许开发者自由选择基于服务器或完全分布式的通信拓扑,以满足特定协同编辑需求。部分控制算法(如 Jupiter-OT、NICE 和 Google OT)属于服务器式 OT(SOT),依赖中央变换服务器;而许多其他算法(如 adOPTed、GOT、SOCT、GOTO、COT、TIBOT 和 POT)则属于分布式 OT(DOT),无需变换服务器,支持客户端之间采用灵活的通信拓扑。
然而,协同编辑社区中普遍存在一种误解,认为 OT 必须依赖中央服务器才能工作。这种广泛流传的错觉源于多重因素:Google Docs 使用了 OT 变换服务器、对分布式 OT 算法缺乏了解,以及错误信息的传播。
即使是一些经验丰富的工业界工程师和开源实践者——他们已开发出实用的基于 OT 的协同编辑产品或设计了有效的变换函数——似乎也对“OT 完全可以在无中央服务器的情况下运行”这一事实缺乏认知或了解有限。这导致他们误以为自己的 OT 系统或函数只能在中央变换服务器下运行,从而低估了自身工作的真正价值。
事实上,现有大多数协同编辑系统采用客户端-服务器架构,主要是为了支持共享文档存储、会话管理、消息通信等协同编辑功能;仅在使用服务器式 OT 时,才可选地在服务器端运行 OT 算法。如有必要,现有的 SOT 系统也可通过采用分布式 OT 控制算法,转变为无服务器的 DOT 系统。这种转换既无需修改现有应用的变换函数,也无需重新设计新的 OT 控制算法,因为已有大量现成选项可供使用。
认为 OT 不适用于点对点(P2P)协同编辑的说法纯属谬误。关于此话题的深入探讨,请参阅文献 [3] 第 4 节“关于点对点协同编辑的迷思与事实”。
4.4 分布式 OT 与协同编辑的悠久传统
准确而深刻地理解历史,是规划成功未来的关键。
历史上,首个 OT 解决方案 dOPT(distributed OPerational Transformation)于 1989 年提出,即是一种用于纯文本协同编辑的分布式乐观并发控制方案。随后虽出现了基于服务器的 OT 方案(如 1995 年的 JUPITER-OT、2002 年的 NICE、2008 年的 GOOGLE-OT),但大多数后续 OT 方案(包括 1996 年的 dOPTed、1997 年的 GOT、1997 年的 SOCT、1998 年的 GOTO、2004 年的 TIBOT、2006 年的 COT 和 2016 年的 POT)均延续了 dOPT 的分布式特性。在 OT 支持分布式协同编辑已有三十多年历史的背景下,将 OT 标签化为“依赖服务器”,并声称自己开创了分布式协同编辑的未来,是毫无根据且具有误导性的。
在我三十年的协同编辑研究生涯中,我与合作者设计并发表了多种 OT 解决方案,涵盖分布式与服务器式两类,包括通用控制算法(如分布式 GOT、GOTO、COT、TIBOT、POT,以及服务器式 NICE)和面向各类数据类型(从纯文本到富文本、图形、二维电子表格、三维数字媒体图形、分层云存储系统等)的应用特定变换函数。
尤为重要的是,我们已将这些 OT 解决方案应用于构建多个公开演示的协同编辑系统。从第一手经验来看,协同编辑器实现的主要挑战在于如何运用 OT 解决各类协同编辑问题并构建完整系统,而非仅仅实现 OT 核心算法——后者在整个系统中仅占相对较小的部分。
我们实现的系统包括 1990 年代开创性的基于 Web 的纯文本协同编辑器 REDUCE、桌面办公工具 CoWord 与 CoPowerPoint、2000 年代初的数字设计工具 CoMaya,以及多种基于 Web 的富文本协同编辑产品——Codox Apps。值得强调的是,所有这些系统均基于分布式 OT 解决方案构建。
5. 谨慎使用 OT 的组合能力
尽管控制算法与变换函数的灵活组合极大促进了有效 OT 解决方案的创建,但这种能力也已被(不幸地)滥用,用于生成错误的解决方案,甚至被用来支持对 OT 的无端批评。此类滥用可能源于对 OT 基础知识的缺乏,但其后果深远:它扭曲了人们对 OT 的认知,阻碍了协同编辑领域的整体进步。
5.1 对 TTF 与 dOPT 类算法的错误组合
《Fugue 论文》中的一个典型误用案例(我在本系列第一篇文章中已详细讨论)是:试图通过将 adOPTed 算法与“墓碑变换函数”(Tombstone Transformation Function, TTF)组合,来证明 adOPTed 存在字符交错问题。然而,该论文错误地将 adOPTed 描绘为类似 dOPT 的算法。这种将 TTF 与 dOPT 类算法组合的做法,产生了一个有缺陷的解决方案,导致不一致和交错的结果,并被《Fugue 论文》用作 adOPTed 和 TTF 存在交错问题的“证据”。
5.2 关于 TTF 的误解
事实上,TTF 本身与字符交错问题并无关联。但围绕 TTF 仍存在其他误解。例如,在某些文章和演讲中,TTF 被描绘为“唯一正确的 OT 解决方案”,同时将OT控制算法(如 adOPTed)贬低为“错误”的算法。
然而,这种比较从根本上就是错误的,因为 TTF 仅是一组变换函数,必须与合适的 OT 控制算法结合才能构成完整解决方案。即便如此,TTF 本身也不能保证最终方案的正确性。《Fugue 论文》正是典型案例:将 TTF 与 dOPT 类控制算法组合后,得出了一个有缺陷的解决方案。
5.3 正确与错误组合的区分
《Fugue 论文》中的另一个值得注意的案例是:将 Jupiter-OT 控制算法与一个虚构的字符级变换函数组合,以此“证明”原始 Jupiter-OT 存在字符交错问题。
相比之下,我在本系列第二篇文章中展示了另一种方法:将 Jupiter-OT 控制算法与字符串级变换函数组合,得到了一致且无交错的结果。此外,我还构建了另一个新 OT 解决方案:将 Jupiter-OT 与另一种字符级变换函数结合,同样成功实现了并发字符插入的一致性与非交错性。
这个故事的启示显而易见:在协同编辑领域,组合 OT 控制算法与变换函数的能力极为强大,但必须建设性且负责任地使用。要有效驾驭这一能力,必须对 OT 的基本原理有更全面、更深入的理解。唯有如此,我们才能避免潜在陷阱,加速开发出正确、有价值且鲁棒的协同编辑解决方案,推动该领域的实质性进步。
系列文章目录
-
第二篇:Fugue 论文关于 adOPTed 与 OT 的错误何在?
参考文献
[1] C. Sun, X. Jia, Y. Zhang and Y. Yang: “A Generic Operation Transformation Scheme for Consistency Maintenance in Real-time Cooperative Editing Systems,” Proc. of ACM Conf. on Supporting Group Work, pp. 425–434, Nov. 16–19, 1997.
[2] C. Sun, X. Jia, Y. Zhang, Y. Yang and D. Chen: “Achieving convergence, causality-preservation, and intention-preservation in real-time cooperative editing systems,” ACM Transactions on Computer-Human Interaction, Vol. 5, No. 1, pp.63–108, 1998.
[3] D. Sun, C. Sun, Agustina, W. Cai. “Real differences between OT and CRDT in building co-editing systems and real-world applications,” May 2, 2019.
[4] C. Sun, “OTFAQ: Operational Transformation Frequently Asked Questions and Answers.”, https://www3.ntu.edu.sg/computing/staff/czsun/projects/otfaq/
[5] Weidner, M., & Kleppmann, M. (2025). The art of the fugue: Minimizing interleaving in collaborative text editing. IEEE Transactions on Parallel and Distributed Systems.
826



被折叠的 条评论
为什么被折叠?



