git 查看hash_用了5年的Git，你竟然还不晓得它的实现原理！

最新推荐文章于 2023-01-05 17:24:52 发布

weixin_39765695

最新推荐文章于 2023-01-05 17:24:52 发布

阅读量2k

点赞数 2

文章标签： git 查看hash

本文链接：https://blog.csdn.net/weixin_39765695/article/details/113451605

版权

越了解事物的本质就越接近真相。我发现学习Git内部是如何工作的以及Git的内部数据结构这部分内容，对于理解 Git 的用途和强大至关重要。若你理解了 Git 的思想和基本工作原理，用起来就会知其所以然，游刃有余。这是Git系列的第一篇，主要会介绍Git的特点以及内部数据结构设计，和完成一次完整提交流程的时候数据是如何变化的。

git有什么特点？

fast, scalable, distributed revision control system(快速，可扩展的分布式版本控制系统)
- 几乎所有操作都是本地执行
- 每一个clone都是整个生命周期的完整副本
the stupid content tracker (只是一个内容追踪器)
- Git 追踪的是内容而不是文件
- 如果两个文件的内容相同，无论是否在相同的目录，Git在对象库里只保存一份blob对象
Immutable (不可变性)
- Git版本库中存储的数据对象均为不可变的，一旦创建数据对象并放入了数据库中，它们便不可修改。这也意味着存储在版本数据库中的整个历史也是不可变的。
Porcelain(高层命令)
- init, add, commit, branch, merge.
Plumbing(底层命令)
- hash-object, update-index, write-tree.

git Version Database 是什么?

Git 是一个内容寻址文件系统。这意味着，Git 的核心部分是一个简单的键值对数据库(key-value data store)。你可以向该数据库插入任意类型的内容，它会返回一个键值，通过该键值可以在任意时刻再次检索该内容。而这些数据全部是存储在objects目录里。key是一个hash, hash前两个字符用于命名子目录，余下的 38 个字符则用作文件名。如果了解tree 树的朋友应该会想明白之所以这样处理是因为检索优化策略，提高文件系统效率(如果把太多的文件放入同一个目录中，一些文件系统会变慢)。而这个hash的内容(即hash对应的Value)有四种对象类型，commit(提交)，tree(目录树),，blob(块)，tag(标签)。

Git基本概念:

Content addressable filesystem(内容寻址文件系统)
Simple key-value data store (键值对数据)
Key: SHA-1 散列(hash，哈希)
- Everything is hash
- 这是一个由 40 个十六进制字符(0-9 和 a-f)组成字符串
Value: binary files
- Commit: Actual git commits (提交)
- Tree: Directoy(目录树)
- Blob: file content (文件内容)

note: 可以理解成Commit = Tree + Blob 的snapshot

什么是 SHA-1：SHA-1(安全散列函数)，是一种密码散列函数，美国国家安全局设计，并由美国国家标准技术研究所发布为联邦数据处理标准。SHA-1可以生成一个被称为消息摘要的160位(20字节)散列值，散列值通常的呈现形式为40个十六进制数。用js来理解就是一个纯函数，输入一定输出也一定，相同的输入一定有相同的输出。不相同的输入一定有不同的输出(不考虑碰撞，比彗星撞击地球的概率还低)

Git 到底是如何工作呢 ?

我们知道最简单的git flow主要有三步

在工作目录中修改文件。
暂存文件，将文件的快照放入暂存区域。
提交更新，找到暂存区域的文件，将快照永久性存储到 Git 仓库目录。

对应高层命令是这样的

$ git init
$ git add .
$ git commit

在我们看这三个命令到底做了什么之前，先来了解一下几个概念

Working Directory ：工作区(工作目录)
Stageing Area (Index): 暂存区
Repository：仓库区(本地仓库)

git init

我们先用Git init来初始化一个项目，并查看项目的目录结构

$ git init demo1 && cd demo1
$ tree .git
.git
├── HEAD
├── config
├── description
├── hooks
│   ├── applypatch-msg.sample
│   ├── commit-msg.sample
│   ├── fsmonitor-watchman.sample
│   ├── post-update.sample
│   ├── pre-applypatch.sample
│   ├── pre-commit.sample
│   ├── pre-push.sample
│   ├── pre-rebase.sample
│   ├── pre-receive.sample
│   ├── prepare-commit-msg.sample
│   └── update.sample
├── info
│   └── exclude
├── objects
│   ├── info
│   └── pack
└── refs
    ├── heads
    └── tags

description 文件仅供 GitWeb 程序使用。 config 文件包含项目特有的配置选项。info 目录包含一个全局性排除文件，用以放置那些不希望被记录在 .gitignore 文件中的忽略模式。 hooks 目录包含客户端或服务端的钩子脚本，这些我们暂时都无需关心。最重要的是：HEAD 文件、(尚待创建的)index 文件，和 objects 目录、refs 目录。这些条目是 Git 的核心组成部分。 objects 目录存储所有数据内容(hash)；refs 目录存储指向数据(分支)的提交对象的指针(commit hash)；HEAD 文件指示目前被检出的分支(refs目录内的分支名)；index 文件保存暂存区信息(git ls-files --stage命令查看当前暂存区信息)。

下面我们就用底层命令来实现git init 指令(另创建一个demo2目录)

mkdir -p参数是能直接创建一个不存在的目录下的子目录

$ mkdir -p .git/refs/heads .git/refs/tags .git/objects
$ echo 'ref: refs/heads/master' > .git/HEAD

可以看到已经成功初始化了一个git项目。

git add

$ echo 'hello git' > index.txt
$ git add index.txt

执行完这两句指令后我们再来看.git 文件夹发生了什么变化(为了显示效果，简化目录结构，之后tree 都忽略hooks文件夹)

.git
├── HEAD
├── config
├── description
├── index
├── info
│   └── exclude
├── objects
│   ├── 8d
│   │   └── 0e41234f24b6da002d962a26c2495ea16a425f
│   ├── info
│   └── pack
└── refs
    ├── heads
    └── tags

可以看到多了一个index文件，并且objects 目录里面多了一个8d的文件夹,里面有一个0e41开头的文件、那这个8d0e4这个是什么呢？其实这个就是index.txt文件内容的hash,。还记得嘛，刚才写入文件内容是hello git, 我们来手动输出这个内容的hash

$ echo 'hello git' | git hash-object --stdin
$ 8d0e41234f24b6da002d962a26c2495ea16a425f

可以通过 cat-file 命令从 Git 那里取回数据。为 cat-file 指定 -p 选项可指示该命令自动判断内容的类型，并为我们显示格式友好的内容：

$ git cat-file -p 8d0e
$ hello git

为 cat-file 指定 -t 选项可以查看文件的类型

$ git cat-file -t 8d0e
$ blob

git add 做了两件事情

文件内容做一个hash 存成blob object
把index 放入到Staging Area

当为index.txt 创建一个对象的时候，git并不关心index.txt的文件名，git 只关心文件里面的内容。

按照这个思路，我们用底层命令来实现一下git add 指令

$ echo 'hello git' | git hash-object -w --stdin

$ git update-index --add --cacheinfo 100644 8d0e41234f24b6da002d962a26c2495ea16a425f index.txt

-w 选项指示 hash-object 命令存储数据对象；若不指定此选项，则该命令仅返回对应的键值。

我们指定的文件模式为 100644，表明这是一个普通文件。其他选择包括：100755，表示一个可执行文件；120000，表示一个符号链接。

因为并没有去创建这个index.txt 文件，所以这边提示已经删除了，执行git checkout -- index.txt取出文件

可以看到已经成功用底层命名实现了git add 的功能。

到这里，我们自然就会有个疑问了，那文件名怎么办？

Git是通过tree对象来跟踪文件的路径名的。当使用git add命令时，git会给添加的文件内容创建一个blob对象，但是这个时候并不会创建tree对象。而只是更新索引，索引在.git/index中，它跟踪文件的路径名和相对应 blob，每次执行git add 、git rm 、 git mv 的时候，git 都会更新索引，我们可以通过命令git ls-files --stage来查看当前的索引信息。

$ git ls-files --s
$ 100644 8d0e41234f24b6da002d962a26c2495ea16a425f 0 index.txt

git commit

执行git commit -m 'init-1' 后，查看tree结构，发现object 多出了两个文件

.git
├── COMMIT_EDITMSG
├── HEAD
├── config
├── description
├── index
├── info
│   └── exclude
├── logs
│   ├── HEAD
│   └── refs
│       └── heads
│           └── master
├── objects
│   ├── 75
│   │   └── 0d7c0f7f998d3e2ce2d71ec801902f69bf6a39
│   ├── 88
│   │   └── bc066ebf3d864e34297f7051a0ded16e49813a
│   ├── 8d
│   │   └── 0e41234f24b6da002d962a26c2495ea16a425f
│   ├── info
│   └── pack
└── refs
    ├── heads
    │   └── master
    └── tags
$ git log
$ commit 750d7c0f7f998d3e2ce2d71ec801902f69bf6a39 (HEAD -> master)

查看这个commit 的文件类型, 可以看到这是一个commit

$ git cat-file -t 750d
$ commit

$ git cat-file -p 750d
$ tree 88bc066ebf3d864e34297f7051a0ded16e49813a

但是多出来的88bc 是什么呢, 其实就是当前目录的tree对象，所以git是在commit的时候才创建tree 对象的(其实是把索引转化成tree 对象)。

$ git cat-file -t 88bc
$ tree

$ git cat-file -p 88bc
$ 100644 blob 8d0e41234f24b6da002d962a26c2495ea16a425f  index.txt

这个时候再看HEAD

$ cat .git/HEAD
$ ref: refs/heads/master

继续查看refs/heads/master

$ cat .git/refs/heads/master
$ 750d7c0f7f998d3e2ce2d71ec801902f69bf6a39

所以整个指向关系就是：HEAD里面的内容是当前的ref, 而当前ref的内容是commit hash, commit 对象内容是tree hash, tree对象的内容是文件夹/文件信息，而blob对象存储着文件的具体内容。这样当完成一次提交的时候，整个状态的对应关系也是确定的，所以说commit对象就是当前系统的snapshot