Git底层原理和结构

基础

• 参见另一篇Git基础

一、数据结构

• Git的底层存储时以文件快照实现的，对版本的存储是通过文件快照整体进行存储，重复的文件通过指针索引源文件，不重复存储；而SVN/CVS存储的是各版本之间的差异。

  文件快照（snapshot）：概念上的复制+物理上的引用

  • git会把出现变更的文件直接拷贝（但不是复制粘贴这么简单，git会处理、压缩），形成新的blob，而不是与上一个版本的差异diff；（切换速度快， 其他版本控制需要做merge，空间换时间）
    (快照的作用就相当于将旧文件所占的空间保留下来，并且保存一个引用，而新文件中会继续使用与旧文件内容相同部分的磁盘空间，不同部分则写入新的磁盘空间。总的来说git其实也算是保存diff的方式，只不过是在文件系统层次上实现的。)
  • 如果没有改变，快照其实是链接上一个版本。
  • git gc是一个打包指令，打包之前变动的文件，会保存当前最新版本的整个文件，之前的版本只保存diff（因为最新版本用得多）。这个指令可以主动触发，也可以在git push，或者变动文件过多的时候自动触发。通过git的底层指令能够还原出打包之前的信息。

git object

• Git是一个内容寻址文件系统，Git的核心部分是一个键值对数据库；向 Git 仓库中插入任意类型的内容，它会返回一个唯一的键，通过该键可以在任意时刻再次取回该内容。

• .git/object目录即对象数据库。

  右键打开Git Bash：
  

  初始化一个版本库，Git会对object目录初始化，创建pack,info子目录，均为空。

1. blob对象

echo "contents" > a.txt会在工作目录创建a.txt，写入contents。即在数据结构中创建blob对象节点。
echo "222" | git hash-object -w --stdin会返回存储在Git库中的唯一键。（-w 选项会指示该命令不要只返回键，还要将该对象写入数据库中。）

git会根据文件内容生成校验和（SHA-1哈希值,40位），以校验和为索引。

将待存储的数据外加一个头部信息（header）一起做 SHA-1 校验运算而得的校验和。
SHA-1算法(Secure Hash Algorithm 1)：一种密码散列函数。

git cat-file -t 前六位哈希 可以让 Git 告诉我们其内部存储的任何对象类型，只要给定该对象的 SHA-1 值。
git cat-file -p 前六位哈希 查看文件内容

blob数据对象中，并没有保存文件名，仅保存了文件内容。

为什么要把文件的权限和文件名储存在Tree object 里面而不是Blob object呢？
节省空间，因为相同的文件内容在Git仓库里面只有一个Blob Object， 不管有多少个指针指向他。

2. tree对象

• tree object可以解决文件名保存的问题，一个树对象包含了一条或多条树对象记录（tree entry），每条记录含有一个指向数据对象或者子树对象的 SHA-1 指针，以及相应的模式、类型、文件名信息。
  
• 通常，Git 根据某一时刻暂存区（即 index 区域，下同）所表示的状态创建并记录一个对应的树对象， 如此重复便可依次记录（某个时间段内）一系列的树对象。

3. commit对象

• commit对象存储的是提交信息，可以保存作者信息，快照时间，已经为什么保存快照等信息。

  commit对象内容
  
  每次commit的时候，都生成一个commit的对象。它先指定一个顶层树对象，代表当前项目快照； 然后是可能存在的父提交（前面描述的提交对象并不存在任何父提交）； 之后是作者/提交者信息（依据你的 user.name 和 user.email 配置来设定，外加一个时间戳）； 留空一行，最后是提交注释。
  tree对象保存当前暂存区所有文件的blob对象，每个blob对象都通过SHA1生成一个索引作为key，指向该文件的压缩（保存整个文件）。

也可以通过git命令创建blob,tree,commit对象，建立他们的指向关系，不需要借助上层命令（git add/commit），同样可以提交文件。

Git 内部原理 - Git 对象

总结，blob类型只是存储文件的内容，不包括文件名等其他信息。将这些信息经过SHA1哈希算法得到对应的哈希值，作为这个object在Git仓库的唯一标识。tree对象

二、执行命令时的结构变化

新建文件后，Git会创建blob object：

git add

• 将新添加的文件或者改动放入Git的暂存区（Index）。

git commit

• git commit -am '[+] init' 后，会多出来两个object。
• tree object，从它存储的内容来看可以发现它存储了一个目录结构（类型文件夹），以及每一个文件（或者子文件夹）的权限、类型、对应身份证（SHA1值）以及文件名。
  
• 提交后会生成commit object，存储提交信息，包括对应目录结构的快照tree的哈希值，上一个提交的哈希值，提交的作者以及提交的具体时间，该提交的信息。
  
• 此时Git仓库是这样的：
  
• 在Git仓库中，HEAD、分支、普通的Tag可以理解成一个指针，指向对应commit的SHA1值。

  HEAD：当前分支版本顶端的别名，也就是在当前分支最近的一个提交
  
  本质上是一个key-value的数据库加上默克尔树形成的有向无环图（DAG）。
  整体的仓库状态：
  

修改本地文件

• 将本地文件a.txt由111改为333。
  
• git add a.txt，在git仓库中新建了一个blob object，并且更新索引指向新建的blob object。
  
• git commit -m 'update' 提交修改，Git首先根据当前索引生成一个tree object。然后创建新的commit object，将这次的提交信息存储，父提交只想上一个commit，组成一条链记录变更历史。最后将master分支的指针移到新的commit。
  

常用命令及结构变化

• git checkout：移动HEAD指针

  • git checkout -b dev ：创建分支dev并切换到这个分支(HEAD指向这个分支)
    

  • git checkout branchname：切换到某个分支（HEAD指针指向该分支的commit节点，索引指向也相应更新，然后由索引内容更新到本地工作目录）。

• git reset：回滚，会移动HEAD和master。

  • git reset --soft HEAD~： 将Git仓库的提交回滚到前一个（移动HEAD和master），暂存区和工作目录不变；HEAD~是前一个，HEAD~2是第二个祖先提交…HEAD~n；
    
  • git reset HEAD~ ：等价于git reset --mixed HEAD~默认选项，暂存区和Git仓库回滚到前一个提交，工作目录不变。（将你当前的改动从缓存区中移除，但是这些改动还留在工作目录中。）
    
  • git reset --hard HEAD~：工作目录也回到指定的提交。
    

• checkout和reset区别：

  git reset soft,hard,mixed之区别深解

• git revert：撤销一个提交的同时会创建一个新的提交。这是一个安全的方法，因为它不会重写提交历史。比如，git revert HEAD~2会找出倒数第二个提交，然后创建一个新的提交来撤销这些更改，然后把这个提交加入项目中。

其他命令

• git status
• git log
• git cat-file -t xxxxxx git cat-file -p xxxxxx：查看二进制压缩
  head指针的变化

三、分支合并

• 三向合并
• 合并策略：fast-forward、recursive递归、ours&therirs、octopus

四、实用技巧

• 误删分支：git rebase 节点哈希值（）

• 获得干净的工作目录：git stash push [-u]，能用git stash pop恢复。

  git reset --hard HEAD，git checkout -f都会丢失文件。

• git log：可以显示所有提交过的版本信息

• git reflog：可以查看所有分支的所有操作记录（包括已经被删除的 commit 记录和 reset 的操作）