這才是真正的Git——Git內部原理揭秘!
來源:湖北國菱計算機科技有限公司-荊州網站建設-荊州軟件開發-政府網站建設公司
時間:2020-09-17
近幾年技術發展十分迅猛,讓部分同學養成了一種學習知識停留在表面,只會調用一些指令的習慣。我們時常有一種“我會用這個技術、這個框架”的錯覺,等到真正遇到問題,才發現事情沒有那么簡單。
而Git也是一個大部分人都知道如何去使用它,知道有哪些命令,卻只有少部分人知道具體原理的東西。了解一些底層的東西,可以更好的幫你理清思路,知道你真正在操作什么,不會迷失在Git大量的指令和參數上面。
Git是怎么儲存信息的
這里會用一個簡單的例子讓大家直觀感受一下git是怎么儲存信息的。
首先我們先創建兩個文件
$ git init
$ echo '111'> a.txt
$ echo '222'> b.txt
$ git add *.txt
Git會將整個數據庫儲存在.git/目錄下,如果你此時去查看.git/objects目錄,你會發現倉庫里面多了兩個object。
$ tree .git/objects
.git/objects
├──58
│└── c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c
├── c2
│└──00906efd24ec5e783bee7f23b5d7c941b0c12c
├── info
└── pack
好奇的我們來看一下里面存的是什么東西
$ cat .git/objects/58/c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c
xKOR0a044K%
怎么是一串亂碼?這是因為Git將信息壓縮成二進制文件。但是不用擔心,因為Git也提供了一個能夠幫助你探索它的api git cat-file [-t] [-p], -t可以查看object的類型,-p可以查看object儲存的具體內容。
$ git cat-file -t 58c9
blob
$ git cat-file -p 58c9
111
可以發現這個object是一個blob類型的節點,他的內容是111,也就是說這個object儲存著a.txt文件的內容。
這里我們遇到第一種Git object,blob類型,它只儲存的是一個文件的內容,不包括文件名等其他信息。然后將這些信息經過SHA1哈希算法得到對應的哈希值 58c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c,作為這個object在Git倉庫中的唯一身份證。
也就是說,我們此時的Git倉庫是這樣子的:
我們繼續探索,我們創建一個commit。
$ git commit -am '[+] init'
$ tree .git/objects
.git/objects
├──0c
│└──96bfc59d0f02317d002ebbf8318f46c7e47ab2
├──4c
│└── aaa1a9ae0b274fba9e3675f9ef071616e5b209
...
我們會發現當我們commit完成之后,Git倉庫里面多出來兩個object。同樣使用cat-file命令,我們看看它們分別是什么類型以及具體的內容是什么。
$ git cat-file -t 4caaa1
tree
$ git cat-file -p 4caaa1
100644 blob 58c9bdf9d017fcd178dc8c0... a.txt
100644 blob c200906efd24ec5e783bee7... b.txt
這里我們遇到了第二種Git object類型——tree,它將當前的目錄結構打了一個快照。從它儲存的內容來看可以發現它儲存了一個目錄結構(類似于文件夾),以及每一個文件(或者子文件夾)的權限、類型、對應的身份證(SHA1值)、以及文件名。
此時的Git倉庫是這樣的:
$ git cat-file -t 0c96bf
commit
$ git cat-file -p 0c96bf
tree 4caaa1a9ae0b274fba9e3675f9ef071616e5b209
author lzane 李澤帆1573302343+0800
committer lzane 李澤帆1573302343+0800
[+] init
接著我們發現了第三種Git object類型——commit,它儲存的是一個提交的信息,包括對應目錄結構的快照tree的哈希值,上一個提交的哈希值(這里由于是第一個提交,所以沒有父節點。在一個merge提交中還會出現多個父節點),提交的作者以及提交的具體時間,最后是該提交的信息。
此時我們去看Git倉庫是這樣的:
到這里我們就知道Git是怎么儲存一個提交的信息的了,那有同學就會問,我們平常接觸的分支信息儲存在哪里呢?
$ cat .git/HEAD
ref: refs/heads/master
$ cat .git/refs/heads/master
0c96bfc59d0f02317d002ebbf8318f46c7e47ab2
在Git倉庫里面,HEAD、分支、普通的Tag可以簡單的理解成是一個指針,指向對應commit的SHA1值。
其實還有第四種Git object,類型是tag,在添加含附注的tag(git tag -a)的時候會新建,這里不詳細介紹,有興趣的朋友按照上文中的方法可以深入探究。
至此我們知道了Git是什么儲存一個文件的內容、目錄結構、commit信息和分支的。其本質上是一個key-value的數據庫加上默克爾樹形成的有向無環圖(DAG)。這里可以蹭一下區塊鏈的熱度,區塊鏈的數據結構也使用了默克爾樹。
Git的三個分區
接下來我們來看一下Git的三個分區(工作目錄、Index 索引區域、Git倉庫),以及Git變更記錄是怎么形成的。了解這三個分區和Git鏈的內部原理之后可以對Git的眾多指令有一個“可視化”的理解,不會再經常搞混。
接著上面的例子,目前的倉庫狀態如下:
這里有三個區域,他們所儲存的信息分別是:
工作目錄 ( working directory ):操作系統上的文件,所有代碼開發編輯都在這上面完成。
索引( index or staging area ):可以理解為一個暫存區域,這里面的代碼會在下一次commit被提交到Git倉庫。
Git倉庫( git repository ):由Git object記錄著每一次提交的快照,以及鏈式結構記錄的提交變更歷史。
我們來看一下更新一個文件的內容這個過程會發生什么事。
運行echo "333" > a.txt將a.txt的內容從111修改成333,此時如上圖可以看到,此時索引區域和git倉庫沒有任何變化。
運行git add a.txt將a.txt加入到索引區域,此時如上圖所示,git在倉庫里面新建了一個blob object,儲存了新的文件內容。并且更新了索引將a.txt指向了新建的blob object。
運行git commit -m 'update'提交這次修改。如上圖所示
Git首先根據當前的索引生產一個tree object,充當新提交的一個快照。
創建一個新的commit object,將這次commit的信息儲存起來,并且parent指向上一個commit,組成一條鏈記錄變更歷史。
將master分支的指針移到新的commit結點。
至此我們知道了Git的三個分區分別是什么以及他們的作用,以及歷史鏈是怎么被建立起來的?;旧螱it的大部分指令就是在操作這三個分區以及這條鏈??梢試L試的思考一下git的各種命令,試一下你能不能夠在上圖將它們“可視化”出來,這個很重要,建議嘗試一下。
如果不能很好的將日常使用的指令“可視化”出來,推薦閱讀 圖解Git
一些有趣的問題
有興趣的同學可以繼續閱讀,這部分不是文章的主要內容
問題1:為什么要把文件的權限和文件名儲存在tree object里面而不是blob object呢?
想象一下修改一個文件的命名。
如果將文件名保存在blob里面,那么Git只能多復制一份原始內容形成一個新的blob object。而Git的實現方法只需要創建一個新的tree object將對應的文件名更改成新的即可,原本的blob object可以復用,節約了空間。
問題2:每次commit,Git儲存的是全新的文件快照還是儲存文件的變更部分?
由上面的例子我們可以看到,Git儲存的是全新的文件快照,而不是文件的變更記錄。也就是說,就算你只是在文件中添加一行,Git也會新建一個全新的blob object。那這樣子是不是很浪費空間呢?
這其實是Git在空間和時間上的一個取舍,思考一下你要checkout一個commit,或對比兩個commit之間的差異。如果Git儲存的是問卷的變更部分,那么為了拿到一個commit的內容,Git都只能從第一個commit開始,然后一直計算變更,直到目標commit,這會花費很長時間。而相反,Git采用的儲存全新文件快照的方法能使這個操作變得很快,直接從快照里面拿取內容就行了。
當然,在涉及網絡傳輸或者Git倉庫真的體積很大的時候,Git會有垃圾回收機制gc,不僅會清除無用的object,還會把已有的相似object打包壓縮。
問題3:Git怎么保證歷史記錄不可篡改?
通過SHA1哈希算法和哈系樹來保證。假設你偷偷修改了歷史變更記錄上一個文件的內容,那么這個問卷的blob object的SHA1哈希值就變了,與之相關的tree object的SHA1也需要改變,commit的SHA1也要變,這個commit之后的所有commit SHA1值也要跟著改變。又由于Git是分布式系統,即所有人都有一份完整歷史的Git倉庫,所以所有人都能很輕松的發現存在問題。