Git 设计原理
概括的讲,Git 就是一个基于快照的内容寻址文件系统。 往下慢慢看。
Git vs SVN
Git 出现前,主流版本控制系统(SVN…)一般为基于增量(delta-based)的系统,如下图:
Git 则是基于快照(snapshot),即针对每一个被修改的文件生成一个快照,没被修改的则不再重新生成快照,如下图:
直觉上讲,似乎基于增量的方式要更好些?
毕竟针对被修改的文件,Git 生成的是完全的快照,而其他系统只是生成增量文件。没错,但是当需要回滚版本或者比对多个版本间的差异时,Git 只需要取出对应版本的快照文件进行对比即可,而基于增量的系统则需要从头开始一步步应用增量文件来回溯,Git 的速度优势就很明显了。
Git 存储模型
.git 目录结构
当用git init
或者 git clone
获取一个 git 仓库时,可以发现目录下有一个隐藏目录.git,它的基本结构类似如下:
├── COMMIT_EDITMSG 仓库最后一次commit的message
├── FETCH_HEAD 每个分支的最后一次commit的SHA1值
├── HEAD 记录了HEAD指针的指向位置
├── ORIG_HEAD 针对某些危险操作,该指针记录了上一次安全版本的HEAD指针的位置,方便回退
├── config git的相关配置
├── index 暂存区,索引文件
├── packed-refs 已经压缩的分支,记录了每个分支的最后一次commit的SHA1
├── logs/ 操作日志,包括本地远程的
├── objects/ 对象存储文件夹
| ├── ... 文件夹名称根据object的SHA1值的前2个字符确定
| ├── ...
| ├── info/
| ├── pack/ 压缩后的数据
└── refs/ 记录本地和远程的最后一次commit的SHA1值
├── heads/ 分支引用
├── remotes/ 远程地址
└── tags/ 标签引用
这个目录下包含了 Git 所有信息,且都是用文件的形式存储,所以说 Git 是一个文件系统。
Git 基本数据对象
- blob(二进制大对象):也就是前面说的基于快照存储的文件
- tree:目录,代表了 blob 对象的集合
- commit:提交,包含了 blob、tree 的集合
- tag:标签对象(指 annotation 标签),还有一种轻量标签不记录创建标签人等额外信息,不需要再单独创建标签对象
上述 4 种数据对象均存储在.git/object/目录下,git 会对每一种数据对象计算哈希值来确定具体的存储路径,下面来举个例子。
> echo 'test content' | git hash-object -w --stdin
d670460b4b4aece5915caf5c68d12f560a9fe3e4
//40位的SHA-1哈希值,前2位位目录名,其他38位为文件名,存储路径即.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
> git cat-file -p d670460b4b4aece5915caf5c68d12f560a9fe3e4
test content
> git cat-file -p master^{tree} // 输出master最新提交包含内容
100644 blob a906cb2a4a904a152e80877d4088654daad0c859 README
100644 blob 8f94139338f9404f26296befa88755fc2598c289 Rakefile
040000 tree 99f1a6d12cb4b6f19c8655fca46c3ecf317074e0 lib
// 包含了2个文件的修改和1个目录的修改
> git cat-file -p 99f1a6d12cb4b6f19c8655fca46c3ecf317074e0
100644 blob 47c6340d6459e05787f644c2447d2595f5d3a54b simplegit.rb
git hash-object 命令可以用于计算文件的哈希值
-w 表示把将对象写入到 git 数据库中
–stdin 表示从标准输入读取内容
git cat-file 命令可以根据传入哈希值取出 git 存储的对象
-p 自动判断内容的类型
一次提交的数据结构可以用下图来概括:
Git 包文件
可能有的小伙伴通过上述方式在自己项目中尝试时,发现在.git/objects/下找不到对应文件,这是什么原因呢?
可能真的不是操作出了问题,而是 Git 进行了压缩操作。
Git 最初存储对象时使用的时"松散(loose)"对象格式,即保存在.git/objects/下。
但是,Git 会时不时(或者当你手动执行git gc
命令后)地将这些对象打包成一个称为“包文件(packfile)”的二进制文件(存储在.git/objects/pack),以节省空间和提高效率。
Git 引用
引用类似于指针,除了 HEAD 存储在.git/HEAD 以外,其他指针存储在.git/refs 目录下
- 分支
- HEAD:一种特殊的指针,用于指向目前所在的 commit,.git/HEAD 文件里存储的就是引用的 commit 的哈希值
- 标签(轻量标签)
可以看出,所谓的引用只是一个记录了 commit 哈希值的文件,非常的轻量,这也是为什么分支/标签的创建、删除速度能这么快的原因。