MediaWiki 是用于创建和运营维基这类协作式网站的自由软件,也是开源软件。它最初为维基百科开发,为维基百科及其他维基媒体项目提供底层发布系统,也被独立运营的百科全书、文档网站和组织知识库所采用。其主要功能包括基于浏览器的编辑、持久保存的修订历史、页面间的相互链接、可复用的模板、讨论空间,以及可配置的用户权限。
MediaWiki 主要使用 PHP 编写,集 Web 应用、以数据库为支撑的内容模型、文本处理系统和可扩展框架于一体。其开发方向受到大型、多语言、允许公众编辑的网站需求的影响:保存贡献、展示更改以供审查、防范滥用,以及高效提供访问量巨大的内容。软件本身与运营具体维基网站的组织和社群并不相同。安装 MediaWiki 并不意味着复制了维基百科的编辑方针、内容许可协议、志愿者组织体系或生产环境基础设施。
起源与发展
维基百科最初使用 UseModWiki,这是一款用 Perl 编写的维基引擎。随着百科全书在 2001 年不断发展,其需求日益超出了当时这套系统的承载能力。马格努斯·曼斯克使用 PHP 和 MySQL 开发了替代系统,通常称为“第二阶段”(Phase II)软件。该软件于 2002 年 1 月 25 日在英语维基百科上投入使用。与早期系统相比,其以数据库为后端的架构能够更有效地支持不断增加的条目和日益频繁的编辑活动。
随后,李·丹尼尔·克罗克重写了该应用程序的大量代码,以提高性能和可扩展性。这套“第三阶段”(Phase III)软件于 2002 年 7 月部署,成为 MediaWiki 的直接前身。这次转变不仅仅是实现语言或存储格式的变化,还奠定了应用程序的发展方向:围绕页面历史、变更追踪和维基百科的运行需求,日益专注于大规模协作出版。
2003 年,项目采纳丹尼尔·迈尔的建议,采用了 MediaWiki 这一名称。这个名称有意与同年成立的维基媒体基金会的名称相近,但这些名称所指的事物并不相同。MediaWiki 是软件;Wikimedia 指与基金会相关的运动及其旗下的一系列项目;Wikipedia 则是使用这款软件的一个百科全书项目。这些名称之间的相似性一直是人们经常混淆它们的原因。
开发工作逐渐不再局限于最初专为百科全书服务的场景。MediaWiki 1.0 于 2003 年 12 月发布,为独立部署提供了一个有明确版本标识的软件发行版。后续开发拓展了扩展接口、语言支持、媒体处理、身份验证以及供自动化访问使用的接口。在更广泛的软件生态中,重要的新增组件包括可视化编辑器 VisualEditor、基于 Lua 的 Scribunto 扩展,以及通过 Wikibase 实现的结构化数据集成。
该项目由维基媒体基金会员工、其他组织和独立开发者共同贡献和维护。其源代码公开可用,大量工程技术讨论和问题追踪工作也在公开环境中进行。该软件依据 GNU 通用公共许可证第 2 版或后续版本发布。这一许可允许在遵守其条款的前提下修改和再分发软件,但并不决定某个具体部署实例中所存储条目或上传文件的版权状态。
因此,MediaWiki 的历史体现了两条相互关联却又各自独立的发展脉络:一是为维基媒体规模极大的公共网站构建基础设施,二是维护一款可复用、能在小得多的服务器上运行的应用程序。一个环境所需的功能,并不总会成为另一个环境的必备组件。
应用架构与存储
MediaWiki 主要是一款遵循客户端—服务器模型的服务器端应用程序。网页浏览器请求页面或提交编辑后,Web 服务器会将请求交给 PHP;MediaWiki 随后检索并处理相关数据,再由服务器返回相应的表示形式,通常为 超文本标记语言。浏览器端的行为主要通过 JavaScript 实现,呈现方式则由层叠样式表控制。服务器始终负责权威内容的存储、权限检查和编辑处理。
关系数据库保存有关页面、修订版本、用户、链接、分类以及其他应用状态的信息。MediaWiki 支持 MySQL 和 MariaDB,也支持 PostgreSQL 和 SQLite,但须遵循各发行版本的具体要求和限制。扩展对数据库兼容性的要求可能比核心应用程序更严格。上传的媒体文件通常保存在文件存储系统中,而不是直接存入主要的关系数据库表,不过也可以集成其他存储系统。
页面和修订版本是不同的实体。页面具有标识、标题、命名空间和当前状态;修订版本则记录页面内容的某个已保存版本,以及时间戳、贡献者署名等相关信息。现代 MediaWiki 还将贡献者身份、编辑摘要、内容引用等不同方面的数据分别存入专门的数据结构。这些安排有助于提高存储效率,并支持数据库结构的演进,而不必在每条历史贡献记录中重复保存所有相关数据。
自 MediaWiki 1.32 起,多内容修订机制提供了一种模型,使一个修订版本可以包含多个具名的内容槽位。主槽位通常保存常见的页面内容,但这一架构也允许将关联内容存入其他槽位。这样,逻辑上的修订版本就不再等同于单个不加区分的文本字段,也能满足需要多种相关表示形式或内容类型的应用需求。
配置通常保存在 LocalSettings.php 中。该文件最初由安装过程生成,之后由网站运营者维护。它指定数据库访问、启用的扩展、语言、上传行为和权限变更等设置。一些配置和站点界面消息也可以通过指定的维基页面管理,但这些机制不能取代服务器端管理。
维护脚本负责执行不适合通过普通 Web 请求完成的操作,包括数据库更新、导入和修复任务。作业队列则处理延后执行的工作,例如在模板变更后刷新依赖该模板的页面。这些机制十分重要,因为一次编辑可能影响数千个页面:如果保存编辑时同步完成由此引发的所有后续处理,响应时间就会变得难以预测,还可能造成服务器过载。
页面、命名空间与协作工作流程
基本的组织单位是具有标题的页面。标题归属于命名空间,命名空间用于区分不同类别的内容。典型的 MediaWiki 站点会将普通内容页面与用户页、讨论页、上传文件的说明页、模板、分类和系统消息分开。User: 或 Template: 等命名空间前缀决定了如何解读标题,而不只是传统文件系统中的目录名。
许多内容命名空间都有对应的讨论命名空间。例如,百科全书条目可以有单独的讨论页,供贡献者讨论来源、措辞或拟议修改,而不必将这些讨论放入条目正文中。同样,用户讨论页为围绕某个账户或编辑身份进行交流提供了场所。维基媒体网站部署的 DiscussionTools 扩展在这种基于页面的模式上增添了回复界面及其他面向讨论的功能。
每次保存编辑通常都会产生一个修订版本。历史界面列出各次修订,差异视图则显示所选版本之间的变化。若要恢复早先的内容,可以以旧版本为基础保存一个新修订版本。这是一种专为网页文档设计的版本控制形式,并不直接等同于源代码仓库:系统侧重于清晰易读的历史记录、贡献者署名,以及在共同维护、即时发布的内容中快速纠错。
最近更改、监视列表和贡献列表从不同角度呈现编辑活动。最近更改概览整个维基的活动;监视列表跟踪用户选定的页面;贡献列表则汇总某个编辑身份所做的编辑。这些界面支持分散进行的审查,但软件并不保证某次编辑一定有人检查。具体的审查方式取决于站点的社群、人员配置及所用扩展。
分类可以将页面组织成彼此交叉的集合。在页面中加入分类声明,就会将其列入相应的分类列表,而分类本身也可以归入其他分类。由此形成的结构是图,而非严格强制的层级体系。在启用子页面功能的情况下,子页面提供了另一种组织方式;重定向则允许其他标题指向目标页面。对于不同拼写形式、名称变更以及页面移动等情况,重定向尤其有用。
页面删除和修订版本删除属于受控的管理操作,并不一定意味着立即从所有存储介质中实际清除数据。根据具体操作和配置,获得授权的用户可能仍能访问已删除的内容。同样,移动页面通常会保留其历史记录,并可在原有标题处留下重定向。这些行为体现了一项核心设计取舍:日常编辑操作应保留内容的来源记录,并允许纠错;对于不应继续向公众开放的内容,系统则仍提供更严格的限制措施。
维基文本、模板与渲染
MediaWiki 的传统编辑语言是维基文本,这是一种轻量级标记语法,用于表示链接、标题、列表、表格、格式及其他页面结构。内部链接可以写成 [[article-title|条目标题]],而标题则用等号包围标题文字。与 Markdown 标记语言不同,MediaWiki 维基文本是围绕特定的维基引擎及其不断演变的发布需求发展起来的。其完整行为取决于解析器、已启用的扩展和本地配置。
可复用内容通常通过模板嵌入提供。像 {{Infobox}} 这样的结构,会将另一个页面经求值后的内容插入当前页面。借助参数,同一个模板可以为不同条目生成不同的输出。这种机制可用于导航框、引文格式、维护提示和标准化信息框。模板页面始终是各引用页面共同依赖的来源:修改模板,可能会改变所有使用该模板的页面的渲染效果。
嵌入并不是在编辑时执行一次的简单文本复制。渲染过程会展开模板,对适用的解析器函数求值,同时跟踪缓存和后续更新所需的依赖关系。替换引用则采用另一种方式:它会将展开后的内容写入保存的页面文本。这一区别对维护工作很重要,因为嵌入的提示会随后续模板修改而变化,而替换引用生成的文本通常会独立于其原始来源。
尽管模板采用面向文档的语法,却也可能演变成复杂的程序。条件逻辑、嵌套调用和字符串操作能够实现复杂功能,但也可能产生难以维护的结构。Scribunto 扩展通过允许维基文本调用以 Lua编程语言编写的模块来执行计算,满足了其中一部分需求。Scribunto 对执行过程施加了适合共享式 Web 应用的限制,并不允许不受约束地访问服务器的操作环境。
可视化编辑器提供图形化编辑界面,让贡献者直接操作渲染后的页面,而不必直接处理所有源代码标记。它的运行与 Parsoid 密切相关,后者负责在维基文本与结构化 HTML 表示之间进行转换。Parsoid 会保留往返编辑所需的信息,包括普通显示用 HTML 会丢弃的某些区别。当编辑者修改页面的某一部分,而页面其他位置又包含复杂模板时,这一点尤为重要。
因此,渲染远不只是将标题和链接转换成 HTML。MediaWiki 必须兼顾模板依赖关系、语言规则、扩展、参考文献、分类、媒体以及编辑器的特定需求。解析器限制会约束资源开销较大的操作,例如过度展开或高开销查询。这些限制有助于防止看似简短的页面源代码,通过深层嵌套或分支繁多的模板调用,消耗过多的服务器资源。
扩展、皮肤与专门应用
MediaWiki 核心提供通用的维基功能,扩展则用于增添或修改功能。扩展可以注册事件处理程序、特殊页面、内容类型、权限、解析器标签、应用程序编程接口及其他组件。钩子允许扩展代码在应用程序执行过程中的特定节点介入。这种设计支持深度定制,而不必让每个部署实例都单独维护一份经过修改的核心源代码。
扩展的规模差异很大。有些只增加一个标记元素,有些则引入庞大的子系统。Cite 实现了 <ref> 等与参考文献有关的标记,以及参考文献列表。Math 用于渲染以类似 TeX排版系统的记法输入的数学表达式。AbuseFilter 根据规则检查编辑操作,ConfirmEdit 则提供验证码相关的集成功能。列举这些例子并不意味着每个 MediaWiki 部署实例都启用了相应功能:实际可用的功能由软件打包方式和本地配置决定。
皮肤控制内容外围的界面,包括导航、页面布局和操作选项的呈现方式。皮肤既不同于内容,也不同于实现编辑功能的扩展。Vector 于 2010 年在维基媒体网站上推出,后来成为最具辨识度的 MediaWiki 界面之一。其后续的 Vector 2022 设计调整了导航和阅读布局。维基运营者可以选择其他皮肤,也可以允许用户在已安装的皮肤中自行选择。
ResourceLoader 负责管理浏览器端资源的加载。它并非要求每个页面各自加载所有脚本和样式,而是将资源组织成模块,并为其设置依赖关系、缓存行为和适当的加载规则。这对扩展和皮肤都很重要,因为它们往往需要浏览器端代码,却不应让每位读者访问每个页面时都承担相同的下载开销。
两类扩展展示了 MediaWiki 在传统条目之外的用途。语义 MediaWiki 增加了注释和查询功能,使维基内容能够更像结构化的知识库那样运作。Wikibase 是支撑维基数据的软件,提供项目、属性和陈述等数据实体。两者是独立的项目,采用不同的数据模型;安装其中一个,并不会自动复现另一个的行为或内容。
可扩展性也带来了兼容性方面的要求。某个扩展可能需要特定的 MediaWiki 分支、PHP 版本、数据库后端或其他扩展。内部接口的变化可能要求扩展随之更新,而无人维护的扩展则可能使升级变得复杂。因此,MediaWiki 的扩展生态在提供灵活性的同时,也带来了运维上的依赖:已部署维基的行为和可维护性取决于所选整个软件栈的兼容性,而不仅仅取决于核心版本。
API、搜索与外部数据交换
MediaWiki 提供多种程序化交互机制。Action API 通常通过 api.php 提供访问,支持查询页面内容、获取历史记录、列出分类成员、上传文件和提交编辑等操作。请求通常会收到 JSON 格式的响应。写入操作需要相应的凭据和权限,其中许多操作还需要令牌,以帮助防范跨站请求伪造攻击。
编辑工具、移动端界面、管理工具和自动化代理都会使用 API。更新链接或导入结构化信息的机器人,可以使用与人工账户相同的底层权限系统。机器人身份及其标记可能会影响更改在审核界面中的显示方式,但并不意味着它们天然可以绕过所有访问控制。自动化任务同样受到请求大小、并发量和资源使用方面的限制。
REST 接口提供了另一种开放资源访问的方式,可提供页面与修订信息以及渲染后的内容。具体有哪些端点可用,取决于 MediaWiki 的版本、扩展和部署方式。需要区分 MediaWiki 自带的接口与维基媒体运营的服务;后者会跨项目聚合、缓存或转换信息。小型独立站点并不会自动拥有维基媒体所有公开的 API。
应用程序内置了基本搜索功能,但规模较大的站点通常会采用专门的搜索基础设施。CirrusSearch 将 MediaWiki 与基于 Elasticsearch 的搜索引擎服务集成,提供更丰富的全文检索功能及额外的索引处理能力。搜索索引是由页面内容衍生的数据表示,而非页面内容的权威记录。索引更新可能滞后于编辑,而且重建索引是一项独立的维护操作,与保存或恢复主数据库不同。
MediaWiki 还支持以 XML 格式导出和导入页面内容及历史记录。根据所用工具和选项的不同,导出文件可以包含选定的页面,也可以涵盖更大范围的页面集合。这类文件可用于迁移、研究和内容复用,但未必构成完整的站点备份。上传的二进制文件、账户信息、本地配置、扩展、日志及其他运行数据,可能需要另行保存。
维基之间的链接可以通过跨维基前缀管理,而语言链接和共享媒体库则提供了更多整合方式。例如,如果一个维基配置为使用维基共享资源作为外部文件库,就可以显示托管在那里的符合条件的文件,而无须在本地保留副本。这些机制将独立部署的站点连接起来,同时保留了架构上的一个重要区别:跨维基链接或远程媒体引用,并不会让参与其中的站点变成同一个数据库或同一套管理系统。
性能与大规模运行
MediaWiki 的工作负载往往极不对称:已发布页面的读取次数可能远多于编辑次数。与反复解析页面源代码、展开模板并查询所有关联数据相比,直接提供已渲染的页面所需的开销要小得多。因此,缓存在性能优化中起着核心作用。不同层级的缓存可以存储渲染后的内容、解析结果、对象数据、本地化信息,以及供浏览器使用的资源。
解析器缓存通过保留开销较大的渲染操作的输出,减少重复工作。不过,缓存内容必须与其依赖项保持一致。如果某个模板发生变化,嵌入该模板的页面可能就需要刷新其缓存结果。MediaWiki 会记录页面之间的关系,并通过延后执行的任务将这些变化的影响传递到相关页面。因此,缓存失效机制不仅与经过的时间有关,也与维基的内容关系图有关。
超大规模部署会在应用前端增设反向代理和共享缓存服务。它们无需执行完整的 PHP 请求处理流程,就能响应大量请求。登录会话、个性化内容、受权限限制的输出以及非常规请求参数都会增加缓存的复杂性,因为对于同一个地址,未必能向所有访客安全地返回完全相同的响应。因此,正确隔离缓存既关乎性能,也关乎信息安全。
数据库复制和负载均衡将工作分摊到多台服务器上。只读副本可以承担大量读取操作,而写入操作则交给相应的主服务器。复制延迟会带来一致性问题:用户保存一次编辑后,随后访问的副本可能尚未收到这次更新。MediaWiki 提供了数据库抽象层和请求处理机制来应对这类情况,但分布式运行仍然需要根据具体部署环境进行细致配置。
达到维基媒体规模的部署还依赖核心应用之外的服务,包括搜索集群、媒体转换系统、监控系统、作业执行基础设施及其他组件。图片可能需要生成多种尺寸的缩略图,而访问量很大的页面可能会让新上传文件的需求突然激增。软件支持这些任务,并不意味着它们都在同一个 PHP 进程中或同一台服务器上运行。
规模较小的部署可以在单台机器上运行,使用常规的 Web 服务器和数据库即可。其性能瓶颈可能来自存储速度慢、内存不足、开销较大的扩展,或大量使用模板的页面。仅凭条目数量多,并不能全面衡量运行成本。修订版本数量、编辑频率、媒体处理、搜索需求、依赖关系结构,以及匿名访问流量与个性化访问流量的比例,都会影响维基所需的资源。
权限、滥用防控与安全
MediaWiki 将执行某项操作的能力与何时适合执行该操作的社群判断区分开来。权限通过用户组和配置分配。常见操作包括编辑页面、移动页面、删除页面、封禁贡献者、保护页面标题,以及查看受限内容。因此,管理员是拥有一组特定技术权限的用户,并不一定是服务器的所有者,也不一定对编辑争议拥有最终裁决权。
页面保护根据用户身份或其他配置规则,限制特定操作。封禁则限制账户、地址或其他受支持对象的操作。更精细的机制,包括部分封禁和基于扩展的限制,可以限制特定活动,而不必禁止其作出所有贡献。这些控制措施用于应对破坏、垃圾信息和扰乱行为,但其具体含义取决于各维基自身的方针与技术配置。
MediaWiki 采用常见的 Web 安全措施,包括输出转义、数据库查询防护、会话控制,以及对更改状态的请求进行检查。其中,对维基文本的处理尤为重要:允许用户协作编写标记文本,并不意味着允许不受限制地运行 JavaScript 或任意服务器端代码。引入新标记、上传处理程序或身份验证系统的扩展,会扩大涉及安全的攻击面,因此必须正确遵循核心软件的权限与输出规则。
上传文件会带来一类独特的风险。文件可能包含主动内容、具有误导性的媒体类型信息,或会使外部处理软件出现问题的内容。因此,MediaWiki 会区分允许上传的文件类型、校验上传内容,并针对特定格式应用相应的处理规则。生成缩略图或转换文档可能涉及 MediaWiki 本身之外的软件,因此,安全性不仅取决于应用程序,也取决于更广泛的服务器环境。
MediaWiki 可以限制阅读和编辑,但其主要设计目标并不是充当具有细粒度权限控制的机密文档管理系统。若某个部署环境试图实现复杂的逐页面保密机制,就必须考虑搜索、分类、嵌入引用、API、缓存和扩展等途径造成的间接泄露。为公开可读的百科全书开发的功能,在私有部署环境中可能需要格外审查。软件权限也不能替代组织内部管理敏感信息的规章制度。
修订历史还带来了另一项安全与隐私方面的考量:从当前页面删除文本,通常并不会将其从早期修订版本中移除。修订版本删除功能和更严格的监督隐藏机制可以限制对特定历史信息的访问,但外部镜像、导出的数据集、浏览器缓存和独立副本可能早已存在。同样,删除账户标识或更改公开显示的贡献者署名,并不等于抹除所有运行记录。当信息不宜持续公开时,MediaWiki 强大的存档能力也意味着必须有明确的管理机制来加以处理。
国际化、维护与独立部署
国际化是MediaWiki的一项基础能力,因为维基媒体项目使用多种语言和文字系统。界面消息与应用程序逻辑相分离,并通过包括translatewiki.net在内的社区协作流程进行翻译。网站的内容语言可以与用户个人的界面语言不同,因此,导航和控件可以使用一种语言,而正在阅读的页面则使用另一种语言。
语言支持不只是翻译界面标签。MediaWiki使用Unicode统一码文本,并支持从右向左书写的文字、本地化的命名空间、语法变化,以及因语言而异的数字和日期格式。有些语言还需要针对分词、排序规则或文字转换进行额外处理。例如,LanguageConverter系统支持按配置在某些语言的不同书写变体之间进行转换;它并不是通用的机器翻译服务。
无障碍访问和界面一致性既涉及核心应用程序,也涉及其周边组件。皮肤决定导航方式和视觉结构,编辑器、媒体查看器和扩展则提供额外的控件。即使软件本身具备良好的无障碍支持,网站仍可能因模板结构不当、配色不合适或自定义脚本不支持无障碍访问而削弱这些能力。因此,区分平台与本地内容,对易用性和编辑治理同样重要。
MediaWiki按受维护的分支发布版本,其中包括指定的长期支持版本。各分支的支持期限和运行要求,必须与维基媒体持续部署的开发环境所使用的版本号区分开来。独立运营者通常安装打包发布的版本,并在维护流程中应用更新。数据库结构变更由更新机制处理,而扩展和皮肤可能需要同步升级。
完整的运行备份不只是导出条目,通常还包括数据库、上传文件、本地配置,以及已安装的扩展、皮肤和自定义修改的记录。恢复时必须确保这些组件相互兼容:如果恢复旧数据库时使用了不兼容的应用程序代码,或者遗漏了媒体文件存储,即使条目文本得以保留,网站仍可能不完整。配置中的凭据和其他机密信息需要单独保护。
在维基媒体之外,MediaWiki还用于公共参考资料、游戏和兴趣爱好社区、技术文档以及机构知识库。在文档需要长期保留修订历史、建立密集的内部链接、复用内容并由众多编辑者共同参与的场景中,它的优势尤为明显。以严格的文档审批、复杂细致的保密权限或高度定制的事务处理界面为核心的应用,则可能需要大量额外开发。因此,最终部署的系统是核心软件、选定的扩展、托管基础设施和本地编辑实践的组合,而不是维基百科的固定翻版。