【Missing Semester L6】Git背后的data model及常用git命令

link

Git的数据模型

快照

git会把文件和文件夹的历史建模为一系列快照（snapshots），其中文件又叫"blob"，就是一堆字节；文件夹又叫"tree"，包含对文件和文件夹名字的映射（毕竟文件夹里也可以有文件夹）。
某一时刻的一个快照可以看作是：

最顶层的tree包含一个叫foo的文件夹和一个叫baz.txt的文件，然后foo下面又包含了一个叫bar.txt的文件。

历史

git通过相关的快照来建模历史。最简单的想法，自然是顺序的历史，按时间顺序包含一系列快照。不过Git没有采用如此简单的模型。
事实上，在Git种，历史建模为快照的有向无环图。
可以把一个个快照看作是一个个节点，区别于线性模型的是，在图里，一个节点可以有多个父节点。比如在git种，分支合并后得到的快照节点就会有多个父节点。
Git种把这些快照叫做“Commit”，对一个commit的历史进行可视化展示，可能会长这样：

图里每个“o"代表一个快照，箭头指向父节点，拿第一排来说，现有坐起第一个o，然后才有第二个o这样。第三个快照之后，出现了分支，比如说有两个不同的功能要进行平行的开发，最后可能进行分支合并得到新的快照，比如：

Git中的commit是不可变的，改动后只会生成新的commit。

数据模型

用伪代码来表示Git的数据模型可以如下图所示：

对象和content-addressing

Object，对象，在Git里指的是一个blog、一个tree或者一个commit。

type object = blob | tree | commit

在Git的数据存储中，所有的object是通过哈希(SHA-1 hash)来进行内容寻址的（content-addressing）。

可以理解为每个object通过哈希算出一个ID，然后根据这个ID来获得object。这个ID其实就是我们查看GIt历史的时候那一个个很长的字符串。而且blob tree commit都可以看作是object,当object引用其他object的时候，只要引用哈希后的ID就行。

比如，在这个结构里，可视化一下最顶层的结构（git cat-file -p 698281bc680d1995c5f4caaf3359721a5a58d48d），

可以看到类似这样的结果：

顶层结构包含指向baz.txt和foo文件夹的指针。如果继续去看baz.txt的ID所指向的内容（git cat-file -p 4448adbf7ecd394f42ae135bbeed9676e894af8），可以看到这样的内容：

references

现在，所有的commit都可以用一串哈希之后的ID来标识，但是对人而言，很难记住40位的16进制字符串。
对此，Git提出reference，将这串ID再映射为人类可读的名字。reference是可变的，通常会指向最新的提交

这样就可以用人类可读的名字标识一串哈希ID了，而标识“我们当前在哪”的是HEAD

repositories

这个repository指的就是Git的objects和references,Git所有在磁盘上的存储就是objects和references，git命令就是操纵commits的DAG，实现增加objects或者修改/增加references。在进行命令操作的时候，可以想一想会对这个DAG产生怎样的操作；同理，想要实现对DAG的某种操作，往往也有对应的git命令。

Staging area

通过staging area可以明确哪些改变需要提交成为shapshot哪些不用

Git命令行接口

更详细的部分可以看Pro git

基础

• git help <command>: get help for a git command

• git init: creates a new git repo, with data stored in the .git directory

• git status: tells you what’s going on

• git add <filename>: adds files to staging area

• git commit: creates a new commit. Write good commit messages!

• git log: shows a flattened log of history

• git log --all --graph --decorate: visualizes history as a DAG

• git diff <filename>: show changes you made relative to the staging area

• git diff <revision> <filename>: shows differences in a file between snapshots

• git checkout <revision>: updates HEAD and current branch

分支和合并

• git branch: shows branches
• git branch <name>: creates a branch
• git checkout -b <name>: creates a branch and switches to it
  same as git branch <name>; git checkout <name>
• git merge <revision>: merges into current branch
• git mergetool: use a fancy tool to help resolve merge conflicts
• git rebase: rebase set of patches onto a new base

远程

• git remote: list remotes
• git remote add <name> <url>: add a remote
• git push <remote> <local branch>:<remote branch>: send objects to remote, and update remote reference
• git branch --set-upstream-to=<remote>/<remote branch>: set up correspondence between local and remote branch
• git fetch: retrieve objects/references from a remote
• git pull: same as git fetch; git merge
• git clone: download repository from remote

undo

• git commit --amend: edit a commit’s contents/message
• git reset HEAD <file>: unstage a file
• git checkout -- <file>: discard changes

高级git

• git config: Git is highly customizable
• git clone --depth=1: shallow clone, without entire version history
• git add -p: interactive staging
• git rebase -i: interactive rebasing
• git blame: show who last edited which line
• git stash: temporarily remove modifications to working directory
• git bisect: binary search history (e.g. for regressions)
  .- gitignore: specify intentionally untracked files to ignore

其他

• GUI git是有GUI的，不过不是太推荐
• shell 集成：最好是在shell里集成git，一般zsh好像自动会有
• editor集成：也很方便，典型的有fugitive.vim
• 工作流：在大型项目中的实践有很多方法
• github:有很多优值项目可以pull request
• 除了github，还有gitlab bitbucket等
• 非常推荐阅读Pro git
• Oh shit git提供了一个简单的教程，从常见的git问题中恢复
• Git for computer scientists简单解释了Git的数据模型，比本博客有跟多的图示
• Git from the bottom up详细介绍了Git的机制，适合更好奇的人去了解
• How to explain git in simple words
• Learn git branching一个基于浏览器的游戏，可以教你git

练习

1、如果之前完全没用过Git的话，先看一下Pro git的前几章或者Learn git brnching
2、clone project，可视化看看历史，谁是最后修改README.md的（提示，用git log加上argument）？最后修改collections中_config.yml这行的提交的message是什么？（提示，用git blame和git show）

git clone https://github.com/missing-semester/missing-semester.git
git log --all --graph --decorate
git log README.md
git blame _config.yml # 查看collections那一行是谁改的
git show a88b4eac # 对照差出来的ID看Message

3、Git中常常出现的一个错误是不小心把特别大或者敏感文件。试着添加一个文件到repositority，做一些提交，然后把这个文件从历史里删掉

wget bfg的地址
 java -jar bfg-1.14.0.jar -D sensifile.py

4、对一个项目进行修改，然后进行git stash,运行git log --all --oneline,运行git stash pop来撤销

5、在~/.gitconfig中加上别名，运行git graph得到git log --all --graph --decorate --oneline的结果。

6、可以运行git config --global core.excludesfile ~/.gitignore_global后在~/.gitignore_global中定义忽略的文件，设定忽略一些系统文件
创建文件后加上*.DS_Store
7、提交一个pull request