虽然一直使用git 作为版本管理工具,但是对git内部到底是如何储存一直没有去研究过,对git也只限于知其然的阶段,这总归不是一种好的状态,所以这段时间断断续续看了一些关于git内部的知识,本文用以记录和交流
存储方案
git内部存储是采用key-value的形式。
value代表git内部数据结构,不代表文件真正的内容,这一点尤其要注意。以blob为例,其结构如下图所示:
value数据结构包含了:
标识符,blob是git针对单个文件的数据结构
size,文件内容的大小
\0,分隔符
content,单个文件真正的内容
key代表将value经过加密后得到的值,git采用的加密方式是SHA-1。
key包含以及几个特点:
是长度为40位十六进制的字符串
相同的value总是产生相同的key
存储位置
当我们使用git init
时,通常会用这么一段文字:Initialized empty Git repository in /**/**/.git/
,由此可见,git在所有的数据都存储在.git的文件夹里,而.git是隐藏文件,所有通常是不显示出来的,而文件存储是在.git下的objects目录中, objects的文件结构是:
.git
├── objects
│ ├── 04
│ │ └── 4d4024553293e6e8edee445c477ffc9129bc95
│ ├── 0d
│ │ └── 21313c5cd81c608f3413deb2004e1276046add
│ ├── info
│ └── pack
其中类似于04
,0d
这种文件夹就是以key的前两位作为文件夹文字,文件夹名加上文件名刚好是40位长度的key
info
,pack
文件夹是git用于优化存储所生成的
其他数据结构
git在使用blob存储后,虽然我们得到了文件内容的存储,但是这还是不够的,我们还需要把文件名,文件夹结构等等信息存储起来,所以我们还要用其他数据结构,git使用tree来存储这些数据
tree
tree的数据结构如图所示:
tree主要包含了:
标识符tree
size,大小
\0,分隔符
对其他的tree或者blob的指针,包括了(标识符,key,文件或文件夹名)
通过blob和tree,git就能够将项目中真正的文件结构,文件名,以及文件内容存储起来,blob与tree的关系如图所示:
需要注意的是:相同的文件内容只会出存储一次。举例说明:如果我们项目中有一个叫hello.txt, 如果对应的blob是8ab68,当我们复制一份hello.txt后,我们存储的指针对应的blob还是8ab68,其实这些很好理解,我们之前说过SHA-1的特点就是相同的value总是产生相同的key,示意图如下:
commit
虽然tree和blob已经达到了存储的功能,但是还没有和版本管理挂钩,我们需要知道每一个提交更改了哪些文件夹,哪些文件,以及更改历史。所以我们还要一个版本管理的数据结构,git使用commit来存储。
commit的结构如图:
commit主要包含了:
标识符commit
size,大小
tree,指向对应的tree的指针
parent,指向上一个commit得指针
auther,提交的人
message,提交的message
所以.git/objects里面的那一堆的文件最后可以以下图的方式可视化:
查看命令
当我们直接打开.git/objects里面某个文件时,我们无法直接看出有效信息,因为每一个文件内容都是被压缩过的,但是我们可以通过以下命令查看:
git cat-file -t [file name] #t -> 会打印出标识符
git cat-file -p [file name] #p -> 会打印出内容
例如:某一个项目中只有一个first.txt的文件,first.txt的内容是"1",当我们做了一次提交后:
# objects包含内容
$ tree .git/objects
.git/objects
├── 56
│ └── a6051ca2b02b04ef92d5150c9ef600403cb1de
├── cf
│ └── 58af35d755cf6d8416d2ec341cfc85f05321ed
├── ed
│ └── 20a2c52efb48d3281e255e4a54b5d428689c8b
├── info
└── pack
5 directories, 3 files
# first.txt
$ git cat-file -t 56a60
blob
$ git cat-file -p 56a60
1%
# 文件结构tree
$ git cat-file -t cf58a
tree
$ git cat-file -p cf58a
100644 blob 56a6051ca2b02b04ef92d5150c9ef600403cb1de first.txt
# 提交commit
$ git cat-file -t ed20a
commit
$ git cat-file -p ed20a
tree cf58af35d755cf6d8416d2ec341cfc85f05321ed
author wjXu <wjxu.com> 1548078881 +0800
committer wjXu <wjxu.com> 1548078881 +0800
master commit
需要注意的是:实际的commit包含了了auther以及committer两个内容,关于两者的区别,简单做一个解释:auther是指最早提交的人,由于git拥有修改历史的功能,所有后续可能还要其他的人对这个历史作修改,所以committer是指上一个修改该提交的人
官方解释:You may be wondering what the difference is between author and committer. The author is the person who originally wrote the patch, whereas the committer is the person who last applied the patch. So, if you send in a patch to a project and one of the core members applies the patch, both of you get credit — you as the author and the core member as the committer.
总结
到此,我们大概梳理了一下git内部的存储,简单总结一下,git内部包含了三种数据结构:blob,tree,commit;其中blob用于储存文件内容,tree用于存储文件名字以及文件结构,commit用于存储每一次提交的改变;三者相互配合,就能够实现版本记录的基本功能,当然我们也要知道这只是最基础的部分,git在这之上还做了很多其他的优化。
希望这篇文件能够让大家了解git的一些内部的原理,在日后的使用中,能更加的心中有数,如果对本文有什么意见和建议,欢迎讨论和指正!!!