理解Git

理解Git

——《Git版本控制管理（第2版）》读书笔记一

Git特点或设计理念

• 有助于分布式开发
• 能够胜任上千开发人员的规模
• 性能优异（压缩技术、差异比较技术）
• 保持完整性和可靠性（安全散列函数）
• 强化责任（对所有改动可追踪）
• 不可变性
• 原子事务（Git通过记录完整、离散的版本库状态来实现原子事务。）
• 支持并且鼓励基于分支的开发（分支、合并）
• 完整的版本库（每个人的版本库中都有一份关于每个文件的完整的历史修订信息）
• 一个清晰的内部设计（对象模型）
• 免费自由

基本概念

git版本库：一个简单的数据库，其中包含所有用来维护与管理项目的修订版本和历史的信息。

两个主要数据结构：

• 对象库：Git版本库实现的心脏。包含你的原始数据文件、所有日志信息、日期等等。它包括4中对象类型：
  • 块（blob）：二进制大对象。文件的每一个版本表示为一个块。一个blob只保存一个文件的数据。
  • 目录树（tree）：一个tree对象代表一层目录信息。它记录blob标识符、路径名和一个目录里所有文件的一些元数据。可递归引用其他目录树或子树对象。
  • 提交（commit）：一个commit对象保存版本中每一次变化的元数据，包括作者、提交者、提交日期和日志消息。
  • 标签（tag）：一个tag对象分配一个任意的且人类可读的名字给一个特定对象。
• 索引：一个临时的、动态的二进制文件，它描述整个版本库的目录结构。更具体具体地说，索引捕获项目在某个时刻的整体结构的一个版本。

其中，对象库描述了Git的数据存储结构，索引描述了Git的目录索引结构。

对象之间的关系：

• blob对象是数据结构的“底端”。只能被树对象引用。
• 树对象指向若干blob对象，也可能指向其他树对象。
• 每一个提交对象指向一个目录树对象。
• 每个标签可以指向最多一个提交对象。

图说：
状态1：一个版本库在添加了两个文件的初始提交后的状态。

状态2：添加一个包含一个文件的新子目录。

SHA1散列值：160位的数，表示为40位的16进制。（Git中，SHA1 == 散列码 == 对象ID）

Git追踪的是内容而不是文件。
理解：如果两个文件的内容完全一样，无论是否在相同的目录，Git在对象库中只保存一份blob形式的内容副本。其中，Git根据文件的内容计算每个文件的散列值，根据散列值来判断文件的内容是否一样。当文件内容发送变化，Git会为它计算一个新的SHA1值，并把新的blob加到对象库里。
注意到，文件变更时，Git内部数据库有效地存储每个文件的每个版本，而不是它们的差异。

对此，我们需要进一步理解两个问题。

• 不同的文件内容对应的散列值是否存在相同的可能？
• 每次变更文件内容时Git都会存储一个新的blob到对象库中，存储效率是不是太低？

对于第一个问题，确实，从理论上来说存在这种可能，但概率极小。“这里有一个强大的推论，在互联网上，文件或任意大小的blob都可以通过仅比较它们的SHA1标识符来判断是否相同。”因此，不用太过担忧。

对于第二个问题，Git使用了一种叫做打包文件的更有效的存储机制。
打包文件：Git使用的一种高效的存储机制。Git首先定位内容非常相似的全部文件，然后为它们之一存储整个内容，之后基于该内容计算其他相似文件的差异。这是一种更高级的打包技巧。事实上，Git有更复杂的打包算法。

配置文件：.ini文件风格的文本文件。

Git中的文件分类：

• 已追踪的（Tracked）：指已经在版本库中的文件，或是已暂存到索引中的文件。
• 被忽略的（Ignored）：在版本库中被明确声明为不可见或被忽略的文件。可通过.gitignore文件配置。
• 未追踪的（Untracked）：不在版本库中的文件，但在工作目录中文件。

理解Git中的文件分类，或者说文件的不同状态，将会对Git中命令的使用非常有帮助。后续会整理Git中一个文件不同状态之间的关系，以及如何通过Git命令来进行状态之间的转换。