Software Heritage

Software Heritage to międzynarodowa inicjatywa non-profit rozwijająca uniwersalne archiwum publicznie dostępnego kodu źródłowego. System automatycznie pozyskuje projekty z platform programistycznych, repozytoriów pakietów i innych źródeł, zachowując nie tylko pliki, ale również strukturę katalogów, commity, wydania, snapshoty i historię rozwoju projektu. Użytkownicy mogą przeszukiwać archiwum, przeglądać zachowane wersje kodu, zgłaszać repozytoria do archiwizacji oraz uzyskiwać trwałe identyfikatory SWHID pozwalające jednoznacznie wskazać konkretną wersję programu, katalog, plik, a nawet fragment kodu.

Software Heritage zostało uruchomione przez Inria i jest rozwijane we współpracy między innymi z UNESCO. Na koniec 2025 roku archiwum obejmowało ponad 27 mld unikalnych plików źródłowych z ponad 421 mln projektów i około 5 mld commitów.

Najlepsze do:

• odnajdywania zachowanych wersji kodu źródłowego projektów programistycznych,
• odzyskiwania kodu z repozytoriów, które zostały usunięte, przeniesione albo przestały być dostępne,
• przeglądania historii rozwoju projektu, commitów, wydań, katalogów i plików,
• archiwizowania oprogramowania badawczego wykorzystywanego w publikacji naukowej,
• trwałego cytowania konkretnej wersji programu lub fragmentu kodu,
• sprawdzania, czy określony projekt lub repozytorium zostało już zarchiwizowane,
• badania historii oprogramowania, ewolucji projektów i rozwoju ekosystemów programistycznych,
• zapewniania odtwarzalności badań naukowych zależnych od konkretnej wersji oprogramowania,
• pobierania i analizowania danych o kodzie oraz historii projektów poprzez API,
• zachowywania starszego i historycznie istotnego oprogramowania, które może zniknąć z pierwotnych serwerów,
• identyfikowania kodu za pomocą SWHID; identyfikator może wskazywać snapshot, wydanie, commit, katalog, plik lub konkretny fragment pliku i od 2025 roku jest objęty standardem ISO/IEC 18670,
• prowadzenia szerszej kwerendy razem z GitHub, GitLab, Zenodo, HAL, Figshare, swMATH, OpenAIRE i SourceForge. GitHub i GitLab służą przede wszystkim do bieżącego rozwoju projektów, Zenodo i Figshare dobrze nadają się do publikowania konkretnych wersji oprogramowania wraz z danymi badawczymi, a Software Heritage jest szczególnie przydatne do długoterminowego zachowania kodu i trwałego wskazywania jego dokładnej wersji.

Na co uważać?

• Software Heritage nie jest platformą do rozwijania oprogramowania taką jak GitHub czy GitLab; nie służy przede wszystkim do pracy nad kodem, obsługi issue czy pull requestów, lecz do jego zachowania i udostępniania,
• obecność projektu w archiwum nie oznacza, że jest on nadal rozwijany ani że jego pierwotne repozytorium nadal istnieje,
• archiwum przechowuje publicznie dostępny kod niezależnie od jego znaczenia naukowego, jakości technicznej czy popularności,
• zarchiwizowanie kodu nie zmienia jego licencji. Możliwość przeglądania kodu w Software Heritage nie oznacza automatycznie prawa do dowolnego kopiowania, modyfikowania lub dalszego rozpowszechniania; warunki wynikają z licencji konkretnego projektu,
• metadane projektów pochodzą z różnych źródeł i mogą mieć różny poziom kompletności,
• wyszukiwanie koncentruje się przede wszystkim na pochodzeniu repozytorium i strukturze archiwum, dlatego do wyszukiwania oprogramowania według funkcji lub dziedziny przydatne mogą być również specjalistyczne katalogi, np. swMATH,
• publiczne API nie jest przeznaczone do masowego pobierania całego archiwum; Software Heritage udostępnia inne rozwiązania do badań wymagających analizy dużych części zbioru.
• Software Heritage może przechowywać wiele snapshotów tego samego projektu, dlatego przy cytowaniu kodu należy wskazać dokładną wersję za pomocą SWHID zamiast podawać wyłącznie adres pierwotnego repozytorium.