设置GitHub镜像仓库，避免重复的搜索结果。

Question

当我从我的仓库搜索文件时，第一个结果是一个随机的镜像，而官方位置（旧URL 301s）甚至官方GitHub镜像都没有出现在搜索结果中。

我知道{{link5:GitHub曾经帮助进行镜像}，但我不确定他们是否还在这样做。我们的仓库浏览器或者镜像有问题吗？

官方的GitHub镜像没有"master"分支，这是否重要？另一个镜像是否应该重命名"master"? 我们能否更加小心地进行"Syndicate"操作？我们的GitHub镜像链接回官方镜像，但只是间接地，并且仅从主存储库页面。

- Nemo

---

现在有一种方法可以向某些存储库添加“镜像”标签，如 https://github.com/GNOME/gnome-desktop 所示。这似乎并不改变规范URL，但我想这是第一步。 - Nemo

Answer 1

这是一个与搜索引擎优化有关的问题。

您会发现，在随机文件搜索中，您的存储库副本排名比主要存储库更高，原因是它的指标更好。您需要增加更多的反向链接/可见性，不仅针对主要存储库页面，还要针对单个文件。

当搜索operations-puppet时，确实会得到wikimedia github存储库。您设置的单独站点（mediawiki.org）需要更多的反向链接和其他排名指标，以增加其可见性。Github只是一个更具权威性的网站。

如果Github无法协助进行规范链接，那么您将不得不通过其他方法收集反向链接和关注。

- L Martin

Answer 2

我认为这是一个期望问题。您说您想要“小心地合作”，但开源软件基本上与此相反——允许任何人在遵守OSS许可证条款的情况下，在您无法控制的任何地方联合使用您的代码。

当您在Google上搜索某些内容时，他们会返回他们认为最权威、最相关的结果，而不一定是原始来源。Google还没有足够聪明，确切知道一条信息的“官方”或“原始”来源是什么，除非使用很多有根据的猜测（首次出现日期、反向链接、站点权威性），这有时可能导致错误答案。

即使Google知道哪个存储库/网页是信息的“官方”来源，它也可能有理由链接到算法认为更“可用”或“新鲜”的替代来源（例如：与废弃的存储库相比，最近更新的存储库，反向链接较少的存储库，只读存档，位于不受欢迎的存储库托管网站上的存储库等）。

如果这是专有代码，解决方案就是在源头或者通过Google DMCA下架非官方的代码副本。但是由于这段代码的许可证明显允许自由复制，你无法控制其转载，而Google认为最有用的结果可能不是官方来源。

我们的代码库浏览器或镜像出了问题吗？

据我所知，没有任何理由这样认为。这个排名问题是SEO奇怪世界的经典入门。

我的建议是不要过分担心你项目中随机文件搜索的结果会指向哪里。你的GitHub镜像已经成为了"wikimedia puppet"的最高搜索结果，如果用户需要查看你仓库中任何文件的最新版本，我认为这是他们首先会搜索的。

- Maximillian Laumeister

---

我认为这不是一个许可问题。即使源代码没有自由许可证，仍然有可能有多个位置提供它的原因，并且可以预期有方法来识别规范位置。 "谨慎合作" 只是 Google 关于重复内容 https://support.google.com/webmasters/answer/66359 和重复整合 https://support.google.com/webmasters/answer/139066 指南中的引用。 - Nemo

@Nemo 虽然专有代码可以在多个位置上可用，但通常只有一个所有者，因此所有者对哪个位置应视为规范具有完全控制权。相比之下，我认为开源软件从定义上来说没有规范位置，因为任何人的分支版本与其他任何人的分支版本一样“有效”，包括原始项目。 - Maximillian Laumeister

@Nemo，以OpenOffice为极端例子，我打赌如果你从那个项目中谷歌一个源代码文件，你可能会找到一个来自LibreOffice仓库的结果，因为它是一个更受欢迎的分支，即使OpenOffice是按照你的定义是“规范”的仓库。然而LibreOffice的结果对于用户可能更有用，这就是为什么谷歌会返回它的原因。 - Maximillian Laumeister

@Nemo 对于专有代码，假设您控制该代码的分发方式，则解决此问题的方法是使用规范链接或“noindex”指令，以防止每个非规范源代码位置出现在Google结果中。但是，当您无法控制源代码在互联网上弹出的位置时，同样无法控制Google索引和认为对用户相关的内容。 - Maximillian Laumeister