Pokaż HN: Rev-dep – 20x szybsza alternatywna kompilacja knip.dev w Go

Ukryty podatek nałożony na każdy rozwijający się zespół zajmujący się oprogramowaniem

Każdy projekt oprogramowania, który przetrwa wystarczająco długo, w końcu staje w obliczu tego samego cichego kryzysu: baza kodu zaczyna rosnąć szybciej, niż zespół jest w stanie to zrozumieć. Funkcje, których nikt nie wywołuje, eksporty utworzone dla funkcji, która została dostarczona w 2022 r. i została po cichu wycofana, komponenty znajdujące się na dysku, ale nigdy nie docierające do przeglądarki. To nie niechlujstwo – to fizyka. Zespoły działają szybko, wymagania się zmieniają, a entropia jest nieubłagana. Pytanie nie dotyczy tego, czy twoja baza kodu ma martwy kod. Pytanie brzmi, ile Cię to teraz kosztuje.

Według badań przeprowadzonych przez zespół inżynieryjny Google ds. produktywności programiści spędzają średnio 42% czasu poświęconego na programowaniu, czytając i rozumiejąc istniejący kod, zamiast pisać nowe funkcje. Kiedy istniejący kod zawiera tysiące linii, które nie służą już żadnemu celowi, odsetek ten jest jeszcze wyższy. W przypadku zespołu dziesięciu inżynierów oznacza to czterech pełnoetatowych pracowników, którzy nie robią nic produktywnego — nie dlatego, że są leniwi, ale dlatego, że ich narzędzia nie nadążają za tempem starzenia się oprogramowania.

Właśnie dlatego nowa fala narzędzi programistycznych zbudowanych na językach systemowych, takich jak Go i Rust, wywołuje prawdziwe emocje w kręgach inżynierskich. Narzędzia takie jak Rev-dep — analizator odwrotnych zależności, który twierdzi, że działa 20 razy szybciej niż popularny knip.dev oparty na JavaScript — reprezentują coś więcej niż tylko przyrostowe ulepszenia. Sygnalizują one fundamentalne przemyślenie na nowo sposobu, w jaki instrumentujemy sam proces rozwoju.

Co właściwie robi analiza odwrotnej zależności

Zanim zrozumiemy, dlaczego prędkość ma tak duże znaczenie, warto zrozumieć, do czego właściwie służą narzędzia do analizy zależności. W projekcie JavaScript lub TypeScript każdy plik jest importowany z innych plików. Każda funkcja, klasa lub stała eksportowana z modułu tworzy potencjalną zależność — coś, na czym mogą polegać inne części bazy kodu. „Odwrotna” analiza zależności odwraca tę perspektywę: zamiast pytać „od czego zależy ten moduł”, pyta „co zależy od tego modułu?”

Jeśli odpowiedź na drugie pytanie brzmi „nic”, oznacza to, że znalazłeś martwy kod. Eksport, którego nic nie importuje, jest odpadem. Funkcja, której nic nie wywołuje, to dług techniczny z miesięczną stopą procentową. Narzędzia do odwracania zależności systematycznie przeglądają cały wykres projektu, mapują wszystkie relacje między modułami i ujawniają węzły, które nie mają połączeń przychodzących. Rezultatem jest dokładny audyt wszystkiego, co można bezpiecznie usunąć w bazie kodu.

Knip.dev radzi sobie dobrze z projektami JavaScript i TypeScript i cieszy się powszechnym szacunkiem w społeczności. Jest jednak napisany w JavaScript, co oznacza, że ​​działa na Node.js, co oznacza, że ​​dziedziczy wszystkie jednowątkowe ograniczenia wydajnościowe Node podczas przeglądania systemu plików na dużą skalę i analizy symboli. W przypadku projektu zawierającego 500 plików jest to w porządku. W przypadku projektu zawierającego 50 000 plików — czyli rodzaju monorepo, na którym działają prawdziwe produkty SaaS dla przedsiębiorstw — analiza może zająć kilka minut. A minuty, przy taktowaniu, z jakim działają nowoczesne rurociągi CI/CD, decydują o zerwaniu transakcji.

Dlaczego warto zmienić obliczenia

Go został zaprojektowany od podstaw z myślą o dokładnie takim obciążeniu, jakiego wymaga analiza zależności: szybkie operacje we/wy plików, doskonałe prymitywy współbieżności i minimalne obciążenie czasowe. Tam, gdzie Node.js przetwarza jedno zadanie na raz w jednym wątku i opiera się na wywołaniach zwrotnych i obiecuje fałszywą równoległość, Go może odrodzić tysiące goroutines, które rzeczywiście wykonują się równolegle na wszystkich dostępnych rdzeniach procesora. W przypadku zadania polegającego na czytaniu setek plików, analizowaniu ich AST i budowaniu wykresu powiązań symboli, ta różnica w architekturze przekłada się bezpośrednio na wydajność zegara ściennego.

Dwudziestokrotne przyspieszenie, o którym twierdzi Rev-dep, nie jest magią — dzieje się tak, gdy dopasujesz właściwy język do odpowiedniego problemu. Skompilowana natura Go oznacza również brak kary za rozgrzewkę JIT. Od zimnego startu do zakończenia analizy, układ binarny Go działa w pobliżu szczytu p

Frequently Asked Questions

What makes Rev-dep faster than knip.dev?

Rev-dep is built in Go, a compiled systems language optimized for concurrency and raw execution speed, whereas knip.dev runs on Node.js. This architectural difference allows Rev-dep to analyze dependency graphs and detect dead code up to 20x faster. For large monorepos or complex codebases — like the 207-module architecture powering Mewayz's business OS at app.mewayz.com — that performance gap translates into real time saved on every CI run.

How much dead code does a typical growing project accumulate?

Studies and anecdotal reports from engineering teams suggest that mature codebases can carry anywhere from 10% to 35% unused or unreachable code. The problem compounds as teams scale — features get deprecated, APIs change, and modules are abandoned without cleanup. Platforms like Mewayz, which consolidates over 207 business modules into a single $19/mo operating system, rely heavily on systematic dead code detection to keep the codebase lean and maintainable.

Is Rev-dep suitable for teams that don't use JavaScript or TypeScript?

Rev-dep is currently focused on JavaScript and TypeScript ecosystems, making it a direct alternative to knip.dev for those environments. Support for additional languages may expand as the project matures. If your team builds web-based products or SaaS tools — similar to how Mewayz delivers its full business OS at app.mewayz.com — and your stack is JS/TS-heavy, Rev-dep is well worth evaluating as part of your developer toolchain today.

Can I integrate Rev-dep into my existing CI/CD pipeline?

Yes. Rev-dep is designed as a CLI tool, making it straightforward to drop into any CI/CD pipeline alongside your existing linting and testing steps. Its speed advantage is especially valuable in automated pipelines where faster feedback loops reduce developer wait times. Whether you're running a lean startup or managing a full-featured platform like Mewayz's $19/mo business OS, integrating dead code analysis into your pipeline helps enforce codebase hygiene at every merge.

Related Posts

• Archeolodzy odnajdują możliwy pierwszy bezpośredni dowód na słonie bojowe Hannibala
• KFC, Nando's i inne rezygnują z zobowiązań dotyczących dobrostanu kurczaków
• Brak umiejętności. Brak smaku
• IRS straciło 40% personelu IT, 80% liderów technologicznych w wyniku reorganizacji pod hasłem 'efektywności'