用 git diff 审 meta 变更，我把 8 万行差异压到了 200 行

我们仓库里每个数据表目录下挂一个 meta.yaml，描述字段类型、脱敏级别、下游依赖。表数量不大，四百多张，但单个 meta 文件平均两百多行——下游依赖那个数组占了大头。问题出在评审阶段：有人改一个字段的脱敏级别，PR 里 diff 显示几百行，因为数组顺序被序列化工具重排了。评审的人看不过来，最后基本是点通过。

我的做法是先把结构稳下来，再让 diff 只暴露语义变化。第一步固定序列化，用 ruamel.yaml 保留顺序，提交前跑一次归一化：

from ruamel.yaml import YAML
import sys

yaml = YAML()
yaml.preserve_quotes = True
yaml.indent(mapping=2, sequence=4, offset=2)

for path in sys.argv[1:]:
    with open(path) as f:
        data = yaml.load(f)
    with open(path, "w") as f:
        yaml.dump(data, f)

第二步更关键：给下游依赖数组加排序键，归一化时按 name 排。这样重排类改动在提交前就被吃掉了，进 PR 的只有真正的新增、删除和值变更。

第三步是评审侧。我在 CI 里加了一步，对 meta 文件单独跑 git diff --word-diff=porcelain，按字段名切块，输出每个变更字段的旧值和新值。四百多张表一次全量改版时，原始 diff 八万多行，这步之后落到两百行左右，评审能在半小时内过完。

为什么这样做：meta 的 diff 噪音来自两个地方，序列化不稳定和集合无序。这两个都不是语义，但会淹没语义。固定序列化和排序是把「表示层」压平，代价是归一化会改写文件，所以得约定归一化必须在提交前跑，不能挂 pre-commit 自动改——自动改会让工作区在 commit 中途变脏，我踩过，git commit -a 直接漏掉了归一化后的内容。

失效的地方得说清楚。排序键只对 name 唯一的数组成立，我们有一张表的下游依赖里出现了同名不同版本的条目，排序后相对顺序不稳定，diff 又开始抖，最后只能给这类数组加 sort: false 的注释标记跳过。另外 word-diff 对多行字符串字段基本没用，脱敏规则描述那种长文本一改还是整段红绿，这部分我放弃自动切块，靠人工看。还有个反例：归一化脚本对 YAML 锚点和别名处理不好，展开后文件变大，我们干脆在仓库规范里禁用了锚点。

现在还剩一个没解决的问题：跨文件的 meta 引用变更，比如一张表改名，所有引用它的 meta 都会变，单个文件的 diff 很干净，但 PR 整体还是几十个文件。你们审这类连锁变更时是按文件看还是先聚合出一张引用图？