progit笔记：Git内部原理

progit笔记：Git内部原理

从根本上来讲 Git 是一个内容寻址（content-addressable）文件系统，并在此之上提供了一个版本控制系统的用户界面。

.git目录结构：

1. description 文件仅供 GitWeb 程序使用，我们无需关心。
2. config 文件包含项目特有的配置选项。
3. info 目录包含一个全局性排除（global exclude）文件，用以放置那些不希望被记录在 .gitignore文件中的忽略模式（ignored patterns）。
4. hooks 目录包含客户端或服务端的钩子脚本（hook scripts）。

重要：

5. objects 目录存储所有数据内容。
6. refs 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。
7. HEAD 文件指向目前被检出的分支。
8. index 文件保存暂存区信息。

Git对象

# 可将任意数据保存于 .git/objects 目录（即对象数据库）并返回指向该数据对象的唯一的键
$ echo 'test content' | git hash-object -w --stdin
d670460b4b4aece5915caf5c68d12f560a9fe3e4

# 'test content' 对应的新生成文件
$ find .git/objects -type f
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4

# git cat-file -p 选项可指示该命令自动判断内容的类型，并为我们显示大致的内容：
$ git cat-file -p d670460b4b4aece5915caf5c68d12f560a9fe3e4
test content

# git cat-file -t 命令让 Git 告诉我们其内部存储的任何对象类型
$ git cat-file -t 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a
blob
version 2

树对象

能解决文件名保存的问题，也允许我们将多个文件组织到一起。Git 以一种类似于 UNIX 文件系统的方式存储内容，但作了些许简化。 所有内容均以树对象和数据对象的形式存储，其中树对象对应了 UNIX 中的目录项，数据对象则大致上对应了 inodes 或文件内容。 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。

提交对象

提交对象的格式很简单：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。

git add 和 git commit ：Git 所做的工作实质就是将被改写的文件保存为数据对象，更新暂存区，记录树对象，最后创建一个指明了顶层树对象和父提交的提交对象。

Git引用

Git 分支的本质：一个指向某一系列提交之首的指针或引用。

git branch <branch> 这样的命令时，Git 实际上会运行 update-ref 命令， 取得当前所在分支最新提交对应的 SHA-1 值，并将其加入你想要创建的任何新引用中。

HEAD 引用
当你执行 git branch <branch> 时，Git 如何知道最新提交的 SHA-1 值呢？ 答案是 HEAD 文件。

# HEAD 文件的内容
$ cat .git/HEAD
ref: refs/heads/master

标签引用

标签对象（tag object） 非常类似于一个提交对象——它包含一个标签创建者信息、一个日期、一段注释信息，以及一个指针。 主要的区别在于，标签对象通常指向一个提交对象，而不是一个树对象。 它像是一个永不移动的分支引用——永远指向同一个提交对象，只不过给这个提交对象加上一个更友好的名字罢了。

远程引用

如果添加了一个远程版本库并对其执行过推送操作，Git 会记录下最近一次推送操作时每一个分支所对应的值，并保存在 refs/remotes 目录下。

包文件

Git 最初向磁盘中存储对象时所使用的格式被称为“松散（loose）”对象格式(每个版本保存一份文件)。

但是，Git 会时不时地将多个这些对象打包成一个称为“包文件（packfile）”的二进制文件，以节省空间和提高效率。 当版本库中有太多的松散对象，或者你手动执行 git gc 命令，或者你向远程服务器执行推送时，Git 都会这样做。

引用规范

[remote "origin"]
  url = https://github.com/schacon/simplegit-progit
  fetch = +refs/heads/*:refs/remotes/origin/*

引用规范的格式由一个可选的 + 号和紧随其后的 : 组成， 其中 是一个模式（pattern），代表远程版本库中的引用； 是本地跟踪的远程引用的位置。 + 号告诉 Git 即使在不能快进的情况下也要（强制）更新引用。

维护与数据恢复

维护

# 自动垃圾回收：
$ git gc --auto

如果你执行了 git gc 命令，refs 目录中将不会再有这些文件(refs/heads/main、 refs/heads/testing)。 为了保证效率 Git 会将它们移动到名为 .git/packed-refs 的文件中。

数据恢复

问题：删除了正在工作的分支，或者硬重置了一个分支，找回想要的提交？

使用一个名叫 git reflog 的工具。 当你正在工作时，Git 会默默地记录每一次你改变 HEAD 时它的值。 每一次你提交或改变分支，引用日志都会被更新。 引用日志（reflog）也可以通过 git update-ref 命令更新，我们在 Git 引用有提到使用这个命令而不是是直接将 SHA-1 的值写入引用文件中的原因。

$ git reflog
1a410ef HEAD@{0}: reset: moving to 1a410ef
ab1afef HEAD@{1}: commit: modified repo.rb a bit
484a592 HEAD@{2}: commit: added repo.rb

再通过创建一个新的分支指向这个提交来恢复它

$ git branch recover-branch ab1afef

或者使用 git fsck, 如果使用一个 --full 选项运行它，它会向你显示出所有没有被其他对象指向的对象：

$ git fsck --full
Checking object directories: 100% (256/256), done.
Checking objects: 100% (18/18), done.
dangling blob d670460b4b4aece5915caf5c68d12f560a9fe3e4
dangling commit ab1afef80fac8e34258ff41fc1b867c702daa24b
dangling tree aea790b9a58f6cf6f2804eeac9f0abbe9631e4c9
dangling blob 7108f7ecb345ee9d0084193f147cdad4d2998293

# 以标准日志的格式输出引用日志：
$ git log -g

移除对象

问题：某个版本引入了一个大文件，现在需要从仓库中永久删除。

警告：这个操作对提交历史的修改是破坏性的。

在.idx文件中找出大文件，

# 输出内容的第三列（即文件大小）进行排序，找出大文件：
$ git verify-pack -v .git/objects/pack/pack-29…69.idx \
  | sort -k 3 -n \
  | tail -3
dadf7258d699da2c8d89b09ef6670edb7d5f91b4 commit 229 159 12
033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5 blob 22044 5792 4977696
82c99a3e86bb1267b236a4b6eff7868d97489af1 blob 4975916 4976258 1438

# rev-list 找出具体那个文件：
$ git rev-list --objects --all | grep 82c99a3
82c99a3e86bb1267b236a4b6eff7868d97489af1 git.tgz

# 查看哪些提交对这个文件产生改动：
$ git log --oneline --branches -- git.tgz
dadf725 oops - removed large tarball
7b30847 add git tarball

从 Git 历史中完全移除这个文件

$ git filter-branch --index-filter \
  'git rm --ignore-unmatch --cached git.tgz' -- 7b30847^..

删除引用日志和其他文件对这个文件的引用

$ rm -Rf .git/refs/original
$ rm -Rf .git/logs/
$ git gc

执行git count-objects -v，可以从 size 的值看出，这个大文件还在你的松散对象中，并没有消失；但是它不会在推送或接下来的克隆中出现，这才是最重要的。

如果真的想要删除它，可以通过有 --expire 选项的 git prune 命令来完全地移除那个对象：

$ git prune --expire now