Git 内幕（一）

2023年11月4日 266次阅读 来源: 算法小白

前言

git 是一种程序员几乎每天都会用到的工具，给我们代码管理带去了极大的方便。以往的 git 介绍，多是介绍git 的高级命令，如git rebse、git cherry-picker、git bisect等，少有看到剖析git 内部原理的。原因也很简单，即使对 git 的原理不甚了解，也并不会影响我们熟练使用 git。但是很多事我们不光要知其然，更要知其所以然，方能举一反三。

概念

在介绍 git 的原理之前，先介绍几个基本概念和会用到的命令，以便大家在阅读文章时能更加轻松地理解。

  • BLOB (binary large object)：二进制大对象，是一个可以存储二进制文件的容器。
  • three git status：
  1. Untracked：文件还未被git add，对应工作区（Working Directory）。
  2. Staged：git add 后所处的状态， 对应暂存区（Stage）。
  3. Committed：git commite后所处的状态，对应版本库（Commit History）。
  • git cat-file：查看 git 对象的瑞士军刀，能转译二进制文件为可读文件。
  • git hash-object -w filename：查看到 git 已存储的数据
  • hexdump -C filename：查看二进制文件的十六进制编码

.git 内幕

当你在一个新目录或已有目录内执行 git init 时，git 会创建一个 .git 目录，几乎所有 git 存储和操作的内容都位于该目录下。记得在刚接触 git 时，因为对 stage、branch 等概念不够了解，还做出过备份整个项目的蠢事。其实如果真要做备份，备份当前的 .git 文件即可。

下图为刚初始化的 .git 的目录结构（不同版本的 git 会有所不同），几乎所有的 git 操作和存储都位于该目录下。本次真要介绍四个核心文件或目录：HEAD 及 index 文件，objects 及 refs 目录。

《Git 内幕（一）》

简而言之，git 从核心上来看不过是简单地存储键值对（key-value）。它允许插入任意类型的内容，并会返回一个键值，通过该键值可以在任何时候再取出该内容。

git add

先抛出一个问题：一个空的文件夹是否能添加到 git 项目中？很多人可能都知道答案，但是为什么呐？通过对 git add 背后原理的解析，相信你可以得出一个确切的答案。

  1. 初始化
$ mkdir alpha && cd alpha
$ git init
$ mkdir data
复制代码

通过执行上面的命令，我们创建了一个名为 alpha 的文件夹，并且将其初始化为一个 git 项目，再新建一个 data 空文件夹。通过执行 git add data 命令希望把 data 空文件夹添加到暂存区中，发现执行后并没有发生任何变化，执行 git status 查看仓库的状态，抛出这样一段提示：

$ git status
On branch master
No commits yet
nothing to commit (create/copy files and use "git add" to track)
复制代码

如果在 data 文件夹内再新建一个空文件夹又会如何呐，发现还是没有任何变化。这样就得出了开头那个问题的答案，空的文件夹是无法添加到 git 项目中的。再查看一下 .git 目录，也没有发生任何变化。

  1. 添加文件夹到暂存区
$ echo 'a' > data/letter.txt
$ git status
Untracked files:
  (use "git add <file>..." to include in what will be committed)

	data/

nothing added to commit but untracked files present (use "git add" to track)
复制代码

在 data 目录下新建一个名为 letter.text 的文件，写入 a。发现仓库的状态发生了变化，但是 .git 目录并没有发生变化，说明在工作区的操作并不会产生 git 历史记录。 执行 git add data 命令，发现 .git 目录终于发生变化了。 分别多了 index 文件和 objects/78/...文件。

《Git 内幕（一）》

之前说过，git 的存储其实是以键值对的形式存在的。index是一个列表，每一行维护一个文件名到 BLOB 哈希值的映射。objects 目录下存放的就是 value，这个BLOB文件包含了data/letter.txt 文件压缩后的内容，并以内容的哈希值作为文件名。哈希是一段算法，它将给定内容转换为更小的，且能唯一确定原内容的值。 我曾经尝试直接打开这些文件，但是打开都是一串乱码。可以通过十六进制编码的方式打开这些文件，但是毕竟不是机器，想要看明白还是有一些难度的🤣。 《Git 内幕（一）》

《Git 内幕（一）》

幸好 git 提供了一把瑞士军刀（git cat-file）给我们使用，可以将数据内容取回。 打印出 data/letter.txt 中的内容为 a。

$ git cat-file -p 78981922613b2afb6025042ff6bd878ac1994e85
a
复制代码

至于 git/index 中的内容，可以通过 git ls-file 查看。

$ git ls-file --stage
100644 78981922613b2afb6025042ff6bd878ac1994e85 0	data/letter.txt
复制代码

正如之前所说的，index 文件存放的是一个列表，记录了哈希值对应的文件。7898 这个 BLOB 文件存储的是 data/letter.txt 中的内容。objects目录下的结点是不可变的。这意味着它的内容可以编辑，但不能删除。添加的文件内容和创建的提交都保存在 objects 目录下。（注：git prune 删除所有不能被ref访问到的对象，执行此命令可能会丢失数据。）

git commit

$ git commit -m 'a1'
[master (root-commit) b83b660] a1
 1 file changed, 1 insertion(+)
 create mode 100644 data/letter.txt
$ git status
On branch master
nothing to commit, working tree clean
复制代码

执行 git commit 命令后，文件被保存到了版本库中，仓库处于 clean 的状态。再看看 .git 目录，发现多了 logs 目录和 objects 下的三个文件。

《Git 内幕（一）》

提交命令其实包含了三个步骤：

  1. 创建提交版本对应文件的 tree 对象 什么是 tree 对象，tree 对象可以存储文件名，同时也允许存储一组文件。一个单独的 tree 对象包含一条或多条 tree 记录，每一条记录含有一个指向 BLOB 或子 tree 对象的哈希值。 创建新提交后，对应data目录的tree对象如下：记录了 data/letter.txt 文件的所有信息，我们可以使用这些信息来恢复 data/letter.txt 文件。空格分隔的第一部分表示该文件的权限，表明是一个普通文件；第二部分表示该记录对应的是一个 BLOB 对象，第三部分是该BLOB 的哈希值，第四部分记录了文件名。
$ git cat-file -p e908cfc6e086c91a073c55a6882adebfc9c4520c

100644 blob 78981922613b2afb6025042ff6bd878ac1994e85	letter.txt
复制代码

用图示表式即为：data目录对应的 tree 对象指向对应data/letter.txt

《Git 内幕（一）》

那么问题来了，data 并非根目录，文件的指向肯定是从根目录开始。

$ git cat-file -p master^{tree}
040000 tree e908cfc6e086c91a073c55a6882adebfc9c4520c	data
 $ git cat-file -p 9745002f161a1be75bf65f869ab16743da2a6fda

040000 tree e908cfc6e086c91a073c55a6882adebfc9c4520c	data

复制代码

master^{tree} 表示 master （当前）分支上最新提交指向的 tree 对象。从给出的结果中可以看到根目录（root）指向了 data 目录，图示如下：

《Git 内幕（一）》

  1. 创建一个提交对象 我们在提交时输入了 commit message 等信息，这些信息自然也存放在objects 目录下：
$ git cat-file -p b83b66096fb5b5225ec0c5741f45d334ceb94046

tree 9745002f161a1be75bf65f869ab16743da2a6fda
author Bill Qiu <fanglaiq@gmail.com> 1536220281 +0800
committer Bill Qiu <fanglaiq@gmail.com> 1536220281 +0800
a1
复制代码

第一行指向一个tree对象。通过这里的哈希值，我们可以找到对应工作区根目录（即 alpha 目录）的 tree 对象，最后一行是提交信息。

《Git 内幕（一）》

  1. 将当前分支指向新提交 到了这里还存在最后一个问题，分支。 git 怎么知道现在的提交应该指向哪个分支？答案在 HEAD 文件中：ref: refs/heads/master。HEAD 指向 master，master 就是我们当前分支。因为是第一个提交，代表master引用的文件还不存在。git 会自动创建 .git/refs/heads/master ，并写入提交对象的哈希值：b83b66096fb5b5225ec0c5741f45d334ceb94046。

《Git 内幕（一）》

最后，所有 BLOB 文件所存储的信息都通过 tree 对象串联了起来，就好比 key-value 的形式。

再来回答下开头提出的问题吧，一个空的文件夹是否能添加到 git 项目中？ 答：不可以。因为 git 使用的索引机制，是以文件为最小单位存储内容，跟踪变化的。 那么怎么做才可以使这个文件夹存在呐？通常的做法是在里面新建一个名为 .gitkeep 的文件。

参考链接

    原文作者：算法小白
    原文地址: https://juejin.im/post/5b9238135188255c7c653e01
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞