git 底层
blob
tree
其它优化
commit
references
标签 tag
分支 branch
Tips
参考

深入理解git

August 12, 2020

深入探索git底层原理以及常用操作

git (分布式版本管理系统) 是目前使用最广泛的一个版本控制系统,知其然以及知其所以然能帮助我们在开发过程中快速定位问题。

git 底层

git 是一个内容寻址文件系统,核心部分就是一个简单的 key-value 键值数据库,key 是一个 sha1 计算后的 hash 串,value 是压缩后的数据文件(blob)。

blob

git 仓库的所有文件都是用 blob(二进制数据文件)存储的,文件内容存储在.git/objects, 以文件内容的hash值前两位作为目录名,hash2位后作为文件名

image

git 以 blob ${文件大小} \0 ${文件内容} 来计算 hash,通过以下验证

echo 'test' | git hash-object --stdin
9daeafb9864cf43055ae93beb0afd6c7d144bfa4

echo 'blob 5\0test' | openssl sha1
9daeafb9864cf43055ae93beb0afd6c7d144bfa4

可以看到文本 test 通过 git 计算的 hash 和文本blob 5\0test 在 sha1 计算的 hash 值一样

tree

把文件cat出来,发现是一堆乱码,那是因为blob文件是被压缩过的,文件的头stat信息以及文件组织结构都被丢失了。

git用tree来保存这些信息,一个tree包括了

  • 指向其它tree或者blob的指针
  • 指针类型(它是tree还是blob)
  • 文件名
  • 文件权限(可读,可些,可执行)

可以把master分支上最新提交所指向的树对象打印出来看看

git cat-file -p master^{tree}

100644 blob 87adace1aa1660900f66db4db04afceb1c9973cd	.gitignore
100644 blob 5312291951904c9402e5b2ef79f3e7d5591e60df	TODO.md
040000 tree d5633113208cb719f0756b122b049f0fb0e1fc6c	dist
040000 tree ba509bd56e0c77ed2581e78c754535d323f7c47b	example
100644 blob bc3140ee20e132f81fbe67c49f4cfdffcbb7d7e3	package-lock.json
100644 blob 15861951236a4b10137918c87bbde51553e50c4b	package.json
040000 tree f27cd1e5968a1d240c3779ee4fd0bcb588f388b5	src
100644 blob e18e7f8d08f47ea47c97725b3eac5d0df80dcbdd	tsconfig.json

其实tree就是我们理解数据结果的那个tree,tree的中间节点指向其它的tree,叶子节点指向blob

image

其它优化

  1. 如果git仓库中的存在文件出现多次,比如file-A被拷贝到dir-B/fiel-C,那么这个文件在git里面只会被保存一次,因为它的文件内容是一样,不一样的只是文件名以及文件位置,只要把这些信息保存在tree里面,就可以定位到具体的内容
  2. git object 是压缩后的数据,如果 object 过多,git 会把资源数据打包成有个 Packfile,Packfile 保存文件内容,以及每次增量更新的修改。

commit

每次的commit都指向一个tree,并且包含一些头信息

  • 代码修改者以及提交者
  • 日期
  • commit message
  • 当前commit的上一次提交,如果是merge操作,可能会有多个parent commit

git 会根据以上信息计算一个sha1,作为commit的唯一key

image

每个commit都是当前代码的一次快照

可以通过一下操作验证

# 打印objects下的文件
tree .git/objects

objects/
├── 4b
│   └── 825dc642cb6eb9a060e54bf8d69288fbee4904
├── 9d
│   └── aeafb9864cf43055ae93beb0afd6c7d144bfa4
├── 9e
│   └── a265b576f105b3c7515c691fd6bd2d202d68a8
├── c0
│   └── 7b19257d9414174748d121caf7e6e09c753a6b
├── info
└── pack

# 通过git cat-file -t 找到上次commit提交的sha1
git cat-file -t 9ea265
commit

# 查看上次commit的信息
git cat-file -p 9ea265

tree c07b19257d9414174748d121caf7e6e09c753a6b
author feikerwu <feikerwu@gmail.com> 1576226621 +0800
committer feikerwu <feikerwu@gmail.com> 1576226621 +0800

init

## 可以看到一个commit的包含的所有信息

references

head, 标签以及分支都只是一个commit的引用,或者别名。引用信息存储在 .git/refs 文件夹下

tree .git/refs
.git/refs
├── heads
│   ├── master
│   └── test
└── tags
    └── tag-1


git log --oneline
9ea265b (HEAD -> master, tag: tag-1, test) init

# 查看文件内容
cat .git/refs/heads/master
9ea265b576f105b3c7515c691fd6bd2d202d68a8

通过以上,可以看到refs/heads/master 存储hash值和当前commit hash值相同

标签 tag

git tag 给某个commit打标签,用于快速或检出有里程碑意义的commit。注意,tag确定,其指向的commit就不会变。

# 给最新的提交添加一个tag
git tag `tag-name`

# 给某个特定的commit添加一个tag
git tag `tag-name` `hash{8}`

# 给最新的提交添加一个tag,并且添加一些信息
git tag `tag-name` -m `message`

分支 branch

branch 也是commit的引用,和tag不同的是,branch指向的commit会随着提交更新

Tips

  1. 如果有人在本地误操作将某条分支删除,并且没有推送到远程仓库,如何恢复

    注意到,分支只是commit的一个引用,只要commit没有被删除,提交内容都可以恢复 ,具体操作 如下

    ## 列出所有分支的提交记录,找到被删除分支的commit
    git relog
    ## 签出恢复
    git checkout `找到的commit`
  2. 列出所有已经合入到 master 的分支git branch —merged master
  3. 列出所有没有合入到 master 的分支 git branch --no-merged maste
  4. 查看某个文件每一行的所有操作记录 git blame ${filename}
  5. git cherry-pick commitId[s],挑好看的樱桃,相对比于直接merge,cherry-pick可以只挑选部分commit到当前分支内容
参考

Git-内部原理-对象


feiker 少年起而行之