Git是如何存储对象的

原文： http://gitbook.liuhui998.com/7_1.html

一、前言

所有的对象都以 SHA 值为索引用 gzip格式 压缩存储, 每个对象都包含了 对象类型 ,  大小 和 内容 .

Git 中存在两种对象 -  松散对象(loose object) 和 打包对象(packed object) .

二、松散对象

松散对象 是一种比较简单格式. 它就是磁盘上的一个存储压缩数据的文件. 每一个对象都被写入一个单独文件中.

如果你对象的 SHA 值是 ab04d884140f7b0cf8bbf86d6883869f16a46f65 , 那么对应的文件会被存储在:

GIT_DIR/objects/ab/04d884140f7b0cf8bbf86d6883869f16a46f65

Git 使用 SHA 值的前两个字符作为子目录名字, 所以一个目录中永远不会包含过多的对象. 文件名则是余下的38个字符 .

可以用下面的Ruby代码说明对象数据是如何存储的:

   
   

    
    def
    
     put_raw_object
    
    (
    
    content
    
    ,
    
     type
    
    )
   
   
   
   

    
      size 
    
    =
    
     content
    
    .
    
    length
    
    .
    
    to_s
   
   
   
   

    
      header 
    
    =
    
     
    
    "#{type} #{size}\0"
    
     
    
    # type(space)size(null byte)
   
   
   
   

    
      store = header + content
   
   
   
   

    
      sha1 = Digest::SHA1.hexdigest(store)
   
   
   
   

    
      path = @git_dir + '/' + sha1[0...2] + '/' + sha1[2..40]
   
   
   
   

    
      if !File.exists?(path)
   
   
   
   

    
        content = Zlib::Deflate.deflate(store)
   
   
   
   

    
        FileUtils.mkdir_p(@directory+'/'+sha1[0...2])
   
   
   
   

    
        File.open(path, 'w') do |f|
   
   
   
   

    
          f.write content
   
   
   
   

    
        end
   
   
   
   

    
      end
   
   
   
   

    
      return sha1
   
   
   
   

    
    end
   
   

三、打包对象

另外一种对象存储方式是使用 打包文件(packfile) . 由于Git把每个文件的每个版本都作为一个单独的对象, 它的效率可能会十分的低. 设想一下在一个数千行的文件中改动一行, Git会把修改后的文件整个存储下来, 很浪费空间.

Git 使用打包文件(packfile)去节省空间. 在这个格式中, Git只会保存第二个文件中改变了的部分, 然后用一个指针指向相似的那个文件(译注: 即第一个文件).

对象通常是以松散格式写到磁盘上, 因为这个格式的访问代价比较低. 然后, 你最终会需要把对象存放到 打包格式 中去节省磁盘空间 - 这个工作可以通过 git gc 来完成. 它使用一个相当复杂的启发式算法去决定哪些文件是最相似的, 然后基于此分析去计算差异. 可以存在多个打包文件, 在必要情况下, 它们可被解包(git unpack-objects)成为松散对象或者重新打包(git repack).

Git会为每一个打包文件创建一个较小的索引文件.  索引文件 中包含了对象在打包文件中的偏移, 以便于通过SHA值来快速找到特定的对象.

关于打 包对象的更多内容请阅读《 Git打包文件》