揭开git的面纱--git 原理

一、Git对象

Git对象一共有4种：blob数据对象、tree树对象、commit提交对象、tag标签对象;

1. blob对象会把二进制文件进行压缩存储，并输出一个（唯一的）40位hash值作为key
2. git会把压缩内容存储在 objects 文件夹下，并以对应的key值40位的前两位hash值作为文件夹名,后38位作为文件名；
3. git是全量快照存储，而非增量存储；
4. blob对象的hash值与文件名无关; 故blob对象无法存储文件信息；
5. tree对象可以解决文件名保存的问题, 并且使得项目的多个文件也组织到一起；
6. tree对象虽然可以表示我们想要跟踪的快照,但是无法记录快照的信息,操作者信息；
7. commit对象还可以指明它的父提交对象;从而形成一系列的log记录; 我们执行git log查看的就是一条条互相链接的提交对象。

二、Git 储存原理&&实操

1.创建新项目git-demo；cd git-demo && git init

mkdir git-demo
cd git-demo
git init // 初始化git仓库，项目中多出.git文件夹

2.在项目中add的2个文件

echo '111' > a.txt
echo '222' > b.txt
git add .

使用git cat-file来查看git object的信息

git cat-file -t 查看版本库对象类型（blob、tree、commit、tag）
git cat-file -p 查看版本库对象详细内容
git cat-file -s 查看版本库对象大小

前面git对象中第二点，我们有介绍到"git会把压缩内容存储在 objects 文件夹下，并以对应的key值40位的前两位hash值作为文件夹名,后38位作为文件名"。因此，我们这里要查看git object信息，需要使用hash值：即所在的文件夹名+文件名。

Git cat-file [-t] [-s] [-p] 58c9 
Git cat-file [-t] [-s] [-p] c200 
// 一般使用hash的前6位就可以定位到对象，我们这里文件少使用4位也可以的。

查看.git/objects中新增的2个对象信息，类型：blob对象、size: 4byte（算上了换行符）、内容: 文件具体内容。不难发现Blob是object的最小单位，储存文件的具体内容。

3.git commit暂存区的2个文件

git commit -m 'first commit'

同样通过git cat-file 查看新增2个对象信息

每次commit都会多出一个commit与一个tree对象。

commit对象详情内容中，可查看对应的tree对象、作者、提交信息以及上一次提交的commit（我们这里是第一次提交就没有显示了）。

tree对象的详情内容中，可查看到这次快照的目录结构、文件权限、文件名（即上一步执行git add，新增的 储存blob对象的文件信息）。

object之间的关联图（一）

4.修改a.txt文件并执行git add && git commit

echo '333' > a.txt  
git add a.txt
git commit –m "2nd commit"

会发现此时又多出3个对象，分别是blob、commit、tree对象。
blob对象，是修改a.txt文件新增的blob对象，修改前的a.txtd的blob对象无变动。
tree对象，关联修改后的a.txt对应blob对象以及未修改的b.txt对应的blob对象。证明git是全量快照存储，而非增量存储，每次快照都记录着，项目中当前git所追溯的所有文件。
commit对象，可查看对应的tree对象、作者、提交信息以及上一次提交的commit。

object之间的关联图（二）

5.打个标签git tag

git tag -a "V1.0.0" -m "V1.0.0"
// git tag –a –m 会生成一个tag objects，但直接git tag 不会生成

多出一个tag 对象，可查看对应commit、作者、tag标注，同时.git/refs/tags中也会多出一个文件

object之间的关联图（三）

6. 查看.git/HEAD文件

cat .git/HEAD 
// 文件内容：.git/refs/heads/master
cat .git/refs/heads/master
// 文件内容：最新commit记录

object之间的关联图（四）

HEAD、分支、普通的Tag可以简单的理解成是一个指针，指向对应commit的SHA1值

变更文件时工作区域变动

三、.git目录结构

文件夹	类型	文件夹里面的内容
objects	文件夹	这就是实际意义上的 git数据库, 存数据的地方; 并且存了所有的历史记录;
refs	文件夹	目录存储指向数据（分支、远程仓库和标签等）的提交对象的指针；
HEAD	文件	它文件通常是一个符号引用（symbolic reference），指向目前所在的分支。
hooks	文件夹	目录包含客户端或服务端的钩子脚本;我们最常用的就是pre-commit钩子了;
FETCH_HEAD	文件	git fetch将更新git remote 中所有的远程repo 所包含分支的最新commit-id, 将其记录到.git/FETCH_HEAD文件中
ORIG_HEAD	文件	当前分支，前一次commit-id
config	文件	包含项目特有的配置选项;
index	文件	文件保存暂存区信息;
description	文件	用来显示对仓库的描述信息,文件仅供 GitWeb 程序使用，我们无需关心;
info	文件夹	包含一个全局性排除文件;

FQA

1. Git为啥是全量快照存储, 而非增量存储?
   Git做了取舍，以空间换时间，把复杂度从O(n)降为O(1)。
   全量快照存储：diff两次commit为O(1)复杂度，获取commit节点下的tree object，再把对应文件取出来做对比。
   增量存储：diff两次commit为O(n)复杂度，去到每个文件第一个commit，叠加之后的变更记录，才能做对比

2. Blob对象的hash值为啥不保存文件名信息？
   假如git把文件名信息存放在blob对象中，我们仅仅修改文件名，git会全量快照创建一份blob对象，
   但是文件名储存在tree objects，git只要新建一份tree对象。大部分blob对象要比tree对象大很多，blob记录是文件内容，而tree对象只记录了文件同层信息。

3. Git怎么保证历史记录不可篡改？
   Git和区块链的数据结构非常相似，都是基于哈希式和分布式，一个文件改动，都应的object、tree、commit都会改变。可以进行追溯。

参考链接：https://www.lzane.com/slide/git-under-the-hood/#/3/19