Git内部原理
内部原理
初始化一个Git目录
$ git init
Initialized empty Git repository in D:/VSCode/testGit/.git/
## 新初始化的 .git 目录的典型结构如下:
$ ls -Fl
total 7
-rw-r--r-- 1 xuyuansheng 197121 130 10月 10 21:44 config
-rw-r--r-- 1 xuyuansheng 197121 73 10月 10 21:44 description
-rw-r--r-- 1 xuyuansheng 197121 23 10月 10 21:44 HEAD
drwxr-xr-x 1 xuyuansheng 197121 0 10月 10 21:44 hooks/
drwxr-xr-x 1 xuyuansheng 197121 0 10月 10 21:44 info/
drwxr-xr-x 1 xuyuansheng 197121 0 10月 10 21:44 objects/
drwxr-xr-x 1 xuyuansheng 197121 0 10月 10 21:44 refs/
description
文件仅供 GitWeb 程序使用,我们无需关心。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(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)。hooks
目录包含客户端或服务端的钩子脚本(hook scripts), 在 Git 钩子 中这部分话题已被详细探讨过。
剩下的四个条目很重要:
HEAD
文件、(尚待创建的)index
文件,和objects
目录、refs
目录。 它们都是 Git 的核心组成部分。
objects
目录存储所有数据内容;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;HEAD
文件指向目前被检出的分支;index
文件保存暂存区信息。
objects目录中的Git对象
概述
Git 是一个内容寻址文件系统,听起来很酷。但这是什么意思呢? 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 Git 仓库中插入任意类型的内容,它会返回一个唯一的键,通过该键可以在任意时刻再次取回该内容。
可以通过底层命令 git hash-object
来演示上述效果——该命令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。
首先,我们需要初始化一个新的 Git 版本库,并确认 objects
目录为空:可以看到 Git 对 objects
目录进行了初始化,并创建了 pack
和 info
子目录,但均为空。
$ git init
Initialized empty Git repository in D:/VSCode/test/.git/
$ find .git/objects
.git/objects
.git/objects/info
.git/objects/pack
user@NAME MINGW64 /d/VSCode/test (master)
$ find .git/objects -type f
写入数据到Git中 git hash-object
我们用 git hash-object
创建一个新的数据对象并将它手动存入你的新 Git 数据库中:
user@NAME MINGW64 /d/VSCode/test (master)
$ echo 'test content' | git hash-object -w --stdin
d670460b4b4aece5915caf5c68d12f560a9fe3e4
在这种最简单的形式中,git hash-object
会接受你传给它的东西,而它只会返回可以存储在 Git 仓库中的唯一键。
-w
选项会指示该命令不要只返回键,还要将该对象写入数据库中。
--stdin
选项则指示该命令从标准输入读取内容;若不指定此选项,则须在命令尾部给出待存储文件的路径。
此命令输出一个长度为 40 个字符的校验和。 这是一个 SHA-1 哈希值——一个将待存储的数据外加一个头部信息(header)一起做 SHA-1 校验运算而得的校验和。后文会简要讨论该头部信息。
查看 Git 是如何存储数据的:
## 发现在目录中已经有一个文件了
$ find .git/objects/ -type f
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
如果你再次查看 objects
目录,那么可以在其中找到一个与新内容对应的文件。 这就是开始时 Git 存储内容的方式——一个文件对应一条内容, 以该内容加上特定头部信息一起的 SHA-1 校验和为文件命名。 校验和的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。
cat-file查看Git文件
一旦你将内容存储在了对象数据库中,那么可以通过 cat-file
命令从 Git 那里取回数据。 这个命令简直就是一把剖析 Git 对象的瑞士军刀。 为 cat-file
指定 -p
选项可指示该命令自动判断内容的类型,并为我们显示大致的内容:
user@NAME MINGW64 /d/VSCode/test (master)
## -p 查看Git文件内容
$ git cat-file -p d670460b4b4aece5915caf5c68d12f560a9fe3e4
test content
对Git中文件进行操作
至此,你已经掌握了如何向 Git 中存入内容,以及如何将它们取出。 我们同样可以将这些操作应用于文件中的内容。 例如,可以对一个文件进行简单的版本控制。 首先,创建一个新文件并将其内容存入数据库:
新建文件,写入Git中
## 新建文件
user@NAME MINGW64 /d/VSCode/test (master)
$ echo 'version 1' > test.txt
## 写入Git中
user@NAME MINGW64 /d/VSCode/test (master)
$ git hash-object -w test.txt
warning: LF will be replaced by CRLF in test.txt.
The file will have its original line endings in your working directory
83baae61804e65cc73a7201a7252750c76066a30
## 更新文件内容
user@NAME MINGW64 /d/VSCode/test (master)
$ echo 'version 2' > test.txt
## 再次写入Git中
user@NAME MINGW64 /d/VSCode/test (master)
$ git hash-object -w test.txt
warning: LF will be replaced by CRLF in test.txt.
The file will have its original line endings in your working directory
1f7a7a472abf3dd9643fd615f6da379c4acb3e3a
查看objects中的Git对象
$ find .git/objects -type f
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
## 现在可以在删掉 `test.txt` 的本地副本,然后用 Git 从对象数据库中取回它的第一个版本:
$ git cat-file -p 83baae61804e65cc73a7201a7252750c76066a30 > test.txt
$ cat test.txt
version 1
## 或者第二个版本:
$ git cat-file -p 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a > test.txt
$ cat test.txt
version 2
数据对象(blob object)
然而,记住文件的每一个版本所对应的 SHA-1 值并不现实;另一个问题是,在这个(简单的版本控制)系统中,文件名并没有被保存——我们仅保存了文件的内容。 上述类型的对象我们称之为 数据对象(blob object)。 利用 git cat-file -t
命令,可以让 Git 告诉我们其内部存储的任何对象类型,只要给定该对象的 SHA-1 值:
$ git cat-file -t 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a
blob
树对象
准备数据
## 在Git仓库中添加如下结构文件,.git目录除外。
$ find . ! -path "./.git/*"
.
./.git
./lib
./lib/simplegit.rb
./Rakefile
./README
概述
接下来要探讨的 Git 对象类型是树对象(tree object),它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。 例如,某项目当前对应的最新树对象可能是这样的:
user@NAME MINGW64 /d/VSCode/test (master)
$ git cat-file -p "master^{tree}"
100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a README
100644 blob e81307b7ab679109c26d10e9aa95f661d5be82e5 Rakefile
040000 tree e8b3a5262abc80e4cebaeab256f90f6f5a7d25f9 lib
master^{tree}
语法表示master
分支上最新的提交所指向的树对象。 请注意,lib
子目录(所对应的那条树对象记录)并不是一个数据对象,而是一个指针,其指向的是另一个树对象:你可能会在某些 shell 中使用
master^{tree}
语法时遇到错误。在 Windows 的 CMD 中,字符^
被用于转义,因此你必须双写它以避免出现问题:git cat-file -p master^^{tree}
。 在 PowerShell 中使用字符 {} 时则必须用引号引起来,以此来避免参数解析错误:git cat-file -p 'master^{tree}'
。在 ZSH 中,字符
^
被用在通配模式(globbing)中,因此你必须将整个表达式用引号引起来:git cat-file -p "master^{tree}"
。
$ git cat-file -p e8b3a5262abc80e4cebaeab256f90f6f5a7d25f9
100644 blob ffeec7aa12599e6ba43b19db8a6440114e136362 simplegit.rb
目录结构
从概念上讲,Git 内部存储的数据有点像这样:
创建自己的树对象
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。 因此,为创建一个树对象,首先需要通过暂存一些文件来创建一个暂存区。
创建暂存区 git update-index
可以通过底层命令 git update-index
为一个单独文件——我们的 test.txt 文件的首个版本——创建一个暂存区。 利用该命令,可以把 test.txt
文件的首个版本人为地加入一个新的暂存区。
必须为上述命令指定 参数
--add
选项,因为此前该文件并不在暂存区中(我们甚至都还没来得及创建一个暂存区呢); 同样必需的还有--cacheinfo
选项,因为将要添加的文件位于 Git 数据库中,而不是位于当前目录下。- 文件模式: 100644
- SHA-1: Git库中Blob对象,83baae61804e65cc73a7201a7252750c76066a30、这是前面例子中的内容为"version 1" 的版本
- 文件名: test.txt
## 添加文件
user@NAME MINGW64 /d/VSCode/test (master)
git cat-file -p 83baae61804e65cc73a7201a7252750c76066a30 > test.txt
## 添加到暂存区
$ git update-index --add --cacheinfo 100644 83baae61804e65cc73a7201a7252750c76066a30 test.txt
## 仓库状态
$ git status
On branch master
Changes to be committed:
(use "git restore --staged <file>..." to unstage)
new file: test.txt
本例中,我们指定的文件模式为 :
100644
,表明这是一个普通文件。100755
,表示一个可执行文件;120000
,表示一个符号链接。这里的文件模式参考了常见的 UNIX 文件模式,但远没那么灵活——上述三种模式即是 Git 文件(即数据对象)的所有合法模式(当然,还有其他一些模式,但用于目录项和子模块)。
将暂存区内容写入一个树对象
现在,可以通过 git write-tree
命令将暂存区内容写入一个树对象。 此处无需指定 -w
选项——如果某个树对象此前并不存在的话,当调用此命令时, 它会根据当前暂存区状态自动创建一个新的树对象:
$ git write-tree
2ea0cbfea85132056156e6613383fb9d52211eb5
$ git cat-file -t 2ea0cbfea85132056156e6613383fb9d52211eb5
tree
user@NAME MINGW64 /d/VSCode/test (master)
$ git cat-file -p 2ea0cbfea85132056156e6613383fb9d52211eb5
100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a README
100644 blob e81307b7ab679109c26d10e9aa95f661d5be82e5 Rakefile
040000 tree e8b3a5262abc80e4cebaeab256f90f6f5a7d25f9 lib
100644 blob 83baae61804e65cc73a7201a7252750c76066a30 test.txt
接着我们来创建一个新的树对象,它包括 test.txt
文件的第二个版本,以及一个新的文件:
$ git update-index --add --cacheinfo 100644 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a test.txt
## 本地目录中的文件不需要 --cacheinfo
user@NAME MINGW64 /d/VSCode/test (master)
$ git update-index --add new.txt
暂存区现在包含了 test.txt
文件的新版本,和一个新文件:new.txt
。 记录下这个目录树(将当前暂存区的状态记录为一个树对象),然后观察它的结构:
user@NAME MINGW64 /d/VSCode/test (master)
$ git write-tree
cf6d62e6207872255144f487d580616eba46cc2d
user@NAME MINGW64 /d/VSCode/test (master)
$ git cat-file -p cf6d62e6207872255144f487d580616eba46cc2d
100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a README
100644 blob e81307b7ab679109c26d10e9aa95f661d5be82e5 Rakefile
040000 tree e8b3a5262abc80e4cebaeab256f90f6f5a7d25f9 lib
100644 blob fa49b077972391ad58037050f2a75f74e3671e92 new.txt
100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a test.txt
我们注意到,新的树对象包含 test.txt 的 SHA-1 值(1f7a7a
)是先前值的“第二版”。 只是为了好玩:你可以将第一个树对象加入第二个树对象,使其成为新的树对象的一个子目录。 通过调用 git read-tree
命令,可以把树对象读入暂存区。 本例中,可以通过对该命令指定 --prefix
选项,将一个已有的树对象作为子树读入暂存区: