Git的存储原理

Git 设计原理

概括的讲，Git 就是一个基于快照的内容寻址文件系统。 往下慢慢看。

Git vs SVN

Git 出现前，主流版本控制系统（SVN...）一般为基于增量（delta-based）的系统，如下图：

img

Git 则是基于快照（snapshot），即针对每一个被修改的文件生成一个快照，没被修改的则不再重新生成快照，如下图：

img

直觉上讲，似乎基于增量的方式要更好些？

毕竟针对被修改的文件，Git 生成的是完全的快照，而其他系统只是生成增量文件。没错，但是当需要回滚版本或者比对多个版本间的差异时，Git 只需要取出对应版本的快照文件进行对比即可，而基于增量的系统则需要从头开始一步步应用增量文件来回溯，Git 的速度优势就很明显了。

Git 存储模型

.git 目录结构

当用git init 或者 git clone 获取一个 git 仓库时，可以发现目录下有一个隐藏目录.git，它的基本结构类似如下：

├── COMMIT_EDITMSG 仓库最后一次commit的message
├── FETCH_HEAD  每个分支的最后一次commit的SHA1值
├── HEAD 记录了HEAD指针的指向位置
├── ORIG_HEAD 针对某些危险操作，该指针记录了上一次安全版本的HEAD指针的位置，方便回退
├── config git的相关配置
├── index 暂存区，索引文件
├── packed-refs 已经压缩的分支，记录了每个分支的最后一次commit的SHA1
├── logs/ 操作日志，包括本地远程的
├── objects/ 对象存储文件夹
|   ├── ... 文件夹名称根据object的SHA1值的前2个字符确定
|   ├── ...
|   ├── info/
|   ├── pack/ 压缩后的数据
└── refs/ 记录本地和远程的最后一次commit的SHA1值
    ├── heads/ 分支引用
    ├── remotes/ 远程地址
    └── tags/ 标签引用

这个目录下包含了 Git 所有信息，且都是用文件的形式存储，所以说 Git 是一个文件系统。

Git 基本数据对象

• blob（二进制大对象）：也就是前面说的基于快照存储的文件
• tree：目录，代表了 blob 对象的集合
• commit：提交，包含了 blob、tree 的集合
• tag：标签对象（指 annotation 标签），还有一种轻量标签不记录创建标签人等额外信息，不需要再单独创建标签对象

上述 4 种数据对象均存储在.git/object/目录下，git 会对每一种数据对象计算哈希值来确定具体的存储路径，下面来举个例子。

> echo 'test content' | git hash-object -w --stdin
d670460b4b4aece5915caf5c68d12f560a9fe3e4 
//40位的SHA-1哈希值，前2位位目录名，其他38位为文件名，存储路径即.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
> git cat-file -p d670460b4b4aece5915caf5c68d12f560a9fe3e4
 test content 
> git cat-file -p master^{tree} // 输出master最新提交包含内容
100644 blob a906cb2a4a904a152e80877d4088654daad0c859      README  
100644 blob 8f94139338f9404f26296befa88755fc2598c289      Rakefile  
040000 tree 99f1a6d12cb4b6f19c8655fca46c3ecf317074e0      lib
// 包含了2个文件的修改和1个目录的修改
> git cat-file -p 99f1a6d12cb4b6f19c8655fca46c3ecf317074e0
100644 blob 47c6340d6459e05787f644c2447d2595f5d3a54b      simplegit.rb    

git hash-object <file> 命令可以用于计算文件的哈希值

-w 表示把将对象写入到 git 数据库中

--stdin 表示从标准输入读取内容

git cat-file <hashid> 命令可以根据传入哈希值取出 git 存储的对象

-p 自动判断内容的类型

一次提交的数据结构可以用下图来概括：

img

Git 包文件

可能有的小伙伴通过上述方式在自己项目中尝试时，发现在.git/objects/下找不到对应文件，这是什么原因呢？

可能真的不是操作出了问题，而是 Git 进行了压缩操作。

Git 最初存储对象时使用的时"松散（loose）"对象格式，即保存在.git/objects/下。

但是，Git 会时不时（或者当你手动执行git gc命令后）地将这些对象打包成一个称为“包文件（packfile）”的二进制文件（存储在.git/objects/pack），以节省空间和提高效率。

Git 引用

引用类似于指针，除了 HEAD 存储在.git/HEAD 以外，其他指针存储在.git/refs 目录下

• 分支
• HEAD：一种特殊的指针，用于指向目前所在的 commit，.git/HEAD 文件里存储的就是引用的 commit 的哈希值
• 标签（轻量标签）

可以看出，所谓的引用只是一个记录了 commit 哈希值的文件，非常的轻量，这也是为什么分支/标签的创建、删除速度能这么快的原因。