git plumbing 更加底层命令解析-深入理解GIT

原文： http://rypress.com/tutorials/git/plumbing

本文详细介绍GIT Plumbing--更加底层的git命令，你将会对git在内部是如何管理和呈现一个项目repo有一个深入的理解。

除非你想通读Git源代码，你可能永远没有必要使用下面的命令。但是通过手工的操作一个repo将会让你对于GIT如何保存数据的概念细节有个深入理解，你也将对于git是如何工作的有更好的理解。

我们首先来检阅Git的object database,然后我们使用git的低级命令手工创建和commit一个snapshot

Examine Commit Details

首先我们通过git cat-file plumbing command来查看最近的一个commit:

git cat-file commit HEAD

commit参数告诉git我们需要查看一个commit对象。正如我们所知，HEAD指向最近的commit.这将输出下面的信息：

tree 552acd444696ccb1c3afe68a55ae8b20ece2b0e6
parent 6a1d380780a83ef5f49523777c5e8d801b7b9ba2
author Ryan <ryan.example@rypress.com> 1326496982 -0600
committer Ryan <ryan.example@rypress.com> 1326496982 -0600

Add .gitignore file

这是代表一个commit的完整信息：一个tree,一个parent,用户数据和一个commit message.用户信息和commit消息是非常容易理解的，但我们从来没有见过tree或者parent.

一个tree object是git对于一个"snapshot"的代表。他们保存了一个目录在特定时刻的状态，该object没有任何关于时间或者作者的信息。为了将tree和项目一贯的历史信息关联起来，GIT将每一个tree对象包装在一个commit对象中，并且指定一个parent，而这个parent实际上就是另外一个commit.通过遍历每一个commit的parent，你就可以遍历完项目的整个历史。

注意每一个commit refers to one and only one tree object，也就是说commit和tree是一一对应的。从git cat-file输出的内容看，我们可以使用SHA checksum来代表那个tree.这个SHA CHECKSUM对于GIT内部每一个变量都是适用的。

Examine a Tree

下面我们使用git cat-file命令来检阅一个TREE对象。注意将相关的id更新为你的tree的id：

git cat-file tree 552acd4

不幸的是上述命令输出的是binary数据，无法阅读。你可以通过使用下面的git ls-tree命令来输出可阅读的内容。

git ls-tree 552acd4

该命令将输出目录的列表：

100644 blob 99ed0d431c5a19f147da3c4cb8421b5566600449    .gitignore
040000 tree ab4947cb27ef8731f7a54660655afaedaf45444d    about
100644 blob cefb5a651557e135666af4c07c7f2ab4b8124bd7    blue.html
100644 blob cb01ae23932fd9704fdc5e077bc3c1184e1af6b9    green.html
100644 blob e993e5fa85a436b2bb05b6a8018e81f8e8864a24    index.html
100644 blob 2a6deedee35cc59a83b1d978b0b8b7963e8298e9    news-1.html
100644 blob 0171687fc1b23aa56c24c54168cdebaefecf7d71    news-2.html
...

通过检查上面命令的输出内容，我们可以假定"blobs"代表了我们repo里面的文件，而trees代表了repo里面的folders。继续通过git ls-tree检阅about tree,我们就可以看到是不是我们的假定是正确的了。

所以，blob对象实际上就是git保存我们文件内容的对象，可以简单理解为文件，tree对象组合了blob和其他的tree对象形成了目录列表，也就是说tree可以简单理解为目录。这些对象就是git最终形成我们在git中常用命令所操作的唯一对象。commit，tree，blob之间的关系可以用下面的图形象展示：

Examine a Blob

我们来看看和blue.html文件相对应的blob:

git cat-file blob cefb5a6

这会展示blue.html文件的整个内容，这也印证了blob本身就是存数据文件，blob本身是纯粹的content,它本身甚至没有任何关于文件名称的信息。也就是说文件名blue.html是保存在包含blob的tree对象中，而不是在blob对象中。

你可能知道SHA-1 checksum确保一个对象的内容永远不会在Git不知情的情况下被篡改。checksum的原理是通过使用对象内容来计算一个唯一的字符序列。这不仅作为一个id，而且它保证一个对象永远不会悄无声息地被修改（而git竟然不知情).当我们来谈到blob对象时，这又有另外一个好处。既然两个具有相同内容的blob永远具有相同的checksum id，那么git可以跨tree来共享一个blob对象。比如我们的blue.html文件自从被创建后就没有被修改，那么我们的repo将只有一个相关联的blob,而所有后续的tree对象都将引用它。通过不去创建重复的blob，Git可以大大降低repo的尺寸。有这个理念作为基础，我们可以修正git的对象图如下：

然而，只要你更改文件的任何一行，Git都必需创建一个新的blob对象来反映这个修改，因为内容变更，SHA-1 checksum就将变更。当然，GIT也有一些增量修改的机制来保证这个尺寸增加不是很大的问题。

Examine a Tag

第四个也是最后一个git object是tag对象.我们可以使用git cat-file命令来显示tag的detail存储信息：

git cat-file tag v2.0

上面的命令将输出和v2.0这个tag相关的commitID,以及tag的名称，作者，创建时间和附加信息。下面更新最后版本的git对象图：

Inspect Git’s Branch Representation

我们现在有了能够完全浏览git branch representation的所有工具，使用-t选项，我们可以得知git对branch使用哪种对象来表示:

git cat-file -t master
将输出commit
git cat-file commit master
将输出和git cat-file commit HEAD完全一样的信息

一个branch就是一个对一个commit对象的引用，这意味着我们可以通过git cat-file commit master来查看master branch的详细信息。master branch和HEAD都是对一个commit对象的简单引用。

我们打开.git/refs/heads/master文件，你可以看到该文件内容实际上就是最近的一个commit的checksumID(你可以通过git log -n 1来检查这个commitid)。这个文件就是git为了维护master分支所需的一切，所有其他的信息都是通过这个commit object根据上面讨论的关系图来外推得出的！(branch本身是否就等于branch tip呢？？)

另一方面，HEAD reference本身记录在.git/HEAD文件中，不像branch tips总是指向一个branch的顶端commit,

HEAD并不是任何一个commit的直接链接。反而，HEAD总是引用一个branch,GIT使用这个branch来指出当前checkout出来的是哪一个commit。记住一个detached HEAD state是在当HEAD不再和branch的tip相一致时发生的！从机理上说，这意味着.git/HEAD并没有一个Local branch。试着checkout一个老的commit：

git checkout HEAD~1

现在，.git/HEAD就包含一个commitID，而不再是一个branch。这告诉git我们进入了一个dtached HEAD state。无论你在什么状态，git checkout命令将总是将checkedout commit的引用记录在.git/HEAD中。我们继续git checkout master,返回master branch,来接着做一些其他的实验：

Explore the Object Database

当我们有一个git对象操作的基本理解，我们可以看看git将这些对象放在哪里了。在我们的my-git-repo库，打开文件夹.git/objects，那就是git的数据库！

每一个对象，无论对象的类型是什么，都被保存为一个文件，使用他的SHA-1 checksum作为文件名。但是，和传统将所有objects存放在一个文件夹的做法不同的是：他们通过将他们的ID前两个字符剔出来作为一个目录名，而id剩下的字符作为文件名。具体可以看看下面的objects输出目录格式：

00  10  28  33  3e  51  5c  6e  77  85  95  f7
01  11  29  34  3f  52  5e  6f  79  86  96  f8
02  16  2a  35  41  53  63  70  7a  87  98  f9
03  1c  2b  36  42  54  64  71  7c  88  99  fa
0c  26  30  3c  4e  5a  6a  75  83  91  a0  info
0e  27  31  3d  50  5b  6b  76  84  93  a2  pack

 

比如，一个具有如下ID的object，

7a52bb857229f89bffa74134ee3de48e5e146105

将会被保存在7a 文件架中，而剩下的(52bb8...)作为文件名，也就是说7a目录+52bb8...文件的组合来唯一标识该object

这样做的好处是检索迅速。知道了这一层，那么我们就可以重新组合出来我们的objectID，以便方便地查阅它的内容，git cat-file -t 7a52bb8 ，

git cat-file blob 7a52bb8

：该命令就是重新组合我们的object，并且如果发现它是blob对象，我们就将得到其内容，如果是tree对象，则用lstree命令

Collect the Garbage

随着repo的增长，GIT可能自动将你的object文件转换成一种被成为"pack"的压缩文件。你可以使用garbage collection的命令来强制运行该压缩过程。但是要清楚：这个命令是不可回退的。如果你希望继续explore .git/objects文件夹的内容，你就应该在执行下面的命令之前进行。

git gc

上面这条命令将会压缩各个object files形成更快更小的pack file并且删除一些不再引用的commit(比如frrom a deleted, unmerged branch)。

当然，所有相同objectID的都将可用git cat-file来访问。该git gc命令只是更改git的存储机制--而不是更改repo的内容。

Add Files to the Index

到现在，我们已经讨论过git的low-level representation of commited snapshots.这篇文章中，下面我们将各个零件转动运转起来，使用更多的"plumbing"命令来手工准备和提交一个新的snapshot。这将彻底解密GIT是如何管理working directory和staging area的。

在my-git-repo中创建一个新的文件，命名为news-4.html，并且增加一些html代码；然后修改Index.html文件的news section以便生成一个指向news-4.html的链接。

这时，正常情况下，我们将git add, git commit提交我们的变更。现在我们来试图使用更加低级的命令来手工完成这个操作。index是git的术语，代表了staged snapshot。

git status
git update-index index.html
git update-index news-4.html

后面的命令将会抛出一个错误，因为git在你不明显告诉他news-4.html是一个新文件时，他是不允许加入他不知道的文件到stage area的。相反地，我们少做修改，增加--add参数：

git update-index --add news-4.html
git status

我们通过上面的update-index命令将我们的working directory搬到了Index区，这意味着我们已经有了一个准备好的snapshot了，剩下来要做的事情就是commit了。

Store the Index in the Database

记住：所有的commits都引用到一个tree object，而这个tree object就代表了那个commit的snapshot。所以，在创建一个commit对象之前，我们需要将我们的Index（staged tree)放到git的object database中。我们可以通过下面的命令来达到目的：

git write-tree

这个命令从index创建一个tree object并且保存在.git/objects目录中。它将输出这个命令结果的tree的checksumid：

5f44809ed995e5b861acf309022ab814ceaaafd6

你可以通过git ls-tree来检查你的新创的snapshot。记住这个commit中唯一新创的blob是index.html和news-4.html，这个tree的剩余内容引用了已经存在的blobs

git ls-tree 5f44809

所以，我们已经有了我们的tree object了，但是我们必需将他放到我们项目的历史中去。

Create a Commit Object

为了commit the new tree object,我们可以手工地找到parent commit的ID:

git log --oneline -n 1

这条命令将输出下面的内容，我们将使用这个commitID来指定新的commit对象的parent

3329762 Add .gitignore file

git commit-tree命令创建一个commit object根据传入的tree和parentID参数,但是author信息却是从git的一个环境变量来读取的。

git commit-tree 5f44809 -p 3329762

这条命令将需要更多的输入： commit message.就像我们在做commit时要求输入commit message一样操作就可以了。

该命令最终输出

c51dc1b3515f9f8e80536aa7acb3d17d0400b0b5

现在你就可以在.git/objects目录下查看到这个commit了，但是无论是HEAD或者是branches都没有被自动更新而包含这个commit. 现在这就是一个dangling commit。好消息是，我们知道git在哪里保存branch信息的：

Update HEAD

既然我们并不是在一个detached HEAD state, HEAD就是一个对一个branch的引用。所以，我们要更新HEAD需要做的就是移动master branch，向前指向到我们的最新的commit object.这个工作可以通过直接在文本编辑器中修改.git/refs/heads/master为我们commit-tree命令的输出（commit objectid)来完成。

如果这个文件根本不存在，也不用烦恼，这仅仅意味着git gc命令packed up all of our branch references into single file.在这种情况下，我们无法来更新。git/refs/heads/master，但是我们应该打开.git/packed-refs，找到独一refs/heads/master的引用的那行，修改即可。

既然我们的master branch指向了新的ecommit，我们应该可以在项目历史中看到news-4.html文件了。

git log -n 2

上面的章节我们解释了当我们执行git commit -a -m "some message"时所有发送在背后的真实事情。你是否觉得还是不用超低级命令的好呢？

 commited, modified, staged

注意：在Git中，你的文件将有三个可能的状态存在：commited, modified, staged. Commited意味着数据已经安全地存储到了你的local database. Modified意味着你已经修改了这个文件但是还没有放到数据库中。staged意味着你已经标示了modified files，以便作为下一个commit的snapshot。这也导致了一个Git项目具有三个不同的section: Git directory, working directory, staging area.

Git directory是Git用于保存其metadata和objects的地方所在。这个目录是git最重要的部分，这个也是当你clone一个repo时copy的部分。working directory是你的项目的一个版本的checkout.这些文件是从git directory的compress database中抽取出来的，并且将这些内容放到磁盘中供你来修改和使用。

staging area就是一个文件，通常就放在.git目录中，这个文件保存了关于下一个commit的所有信息。有时我们又称之为index，但是更多的情况下，人们称之为staging area. 基本的GIT workflow像下面这个样子：

1.你在working directory中修改文件；

2.你stage这些修改，adding snapshots of them to your staging area;

3.你做一个commit,这个动作将把stage区中的snapshot永远存储于git directory的repo数据库中。

如果一个文件在Git directory中存在了，那么就被认为被commited了。如果文件modified，并且已经放到staging area了，那么成为it is staged.如果自从该文件被checkout出来后做了修改，但是却还没有staged，那么他就是modified状态。

.git/index这个文件实际上就是staging area,它会实时记录你准备放到下一个commit的snapshot，我们可以用ls-files来检查他的内容（他是binary文件）

git ls-files --stage

git ls-files -stage //记住：该命令实际上查看的是.git/index文件本身
//输入如下内容：
100644 e69de29bb2d1d6434b8b29ae775ad8c2e48c5391 0       anotherfile.txt
100644 303bcbd14ef854ea5ac85a4896e5f37a11dd4394 0       hotfixbranch.txt
100644 41d9b439a7c42e9f65c5382d992a0b158ce43956 0       readme.txt
100644 b64aa37a6bd9fc4f66fe86b9c1d07b821fbf3966 0       third

由于我们已经修改了readme.txt文件并且放到staging area,那么这时我们来检视这个文件的话，

git cat-file -t 41d9b4  一定输出blob

D:\gittest>git cat-file blob 41d9
readme.txt first version
second version readme
to check the index area

你可以看到最后一行就是最新的更改，但是上述命令却将整个readme.txt文件都作为blob来输出了@

 tracked and untracked

记住：在你的working directory中任何一个文件都有两种可能的状态：tracked or untracked. tracked文件是那些在最近的snapshot中存在的文件，他们可以被修改，反修改或者staged. Untracked文件是任何你的working directory中没有在你的last snapshot中并且未在staging area中的文件。也就是说只要是曾经执行过git add命令的，都是tracked file。