9.2 Git 內部原理 - Git 對象

Git 對象

Git 是一套內容尋址文件系統。很不錯。不過這是什麼意思呢？ 這種說法的意思是，Git 從核心上來看不過是簡單地存儲鍵值對（key-value）。它允許插入任意類型的內容，並會返回一個鍵值，通過該鍵值可以在任何時候再取出該內容。可以通過底層命令 hash-object 來示範這點，傳一些數據給該命令，它會將數據保存在 .git 目錄並返回表示這些數據的鍵值。首先初使化一個 Git 倉庫並確認 objects 目錄是空的：

$ mkdir test
$ cd test
$ git init
Initialized empty Git repository in /tmp/test/.git/
$ find .git/objects
.git/objects
.git/objects/info
.git/objects/pack
$ find .git/objects -type f
$

Git 初始化了 objects 目錄，同時在該目錄下創建了 pack 和 info 子目錄，但是該目錄下沒有其他常規文件。我們往這個 Git 數據庫裏存儲一些文本：

$ echo 'test content' | git hash-object -w --stdin
d670460b4b4aece5915caf5c68d12f560a9fe3e4

參數 -w 指示 hash-object 命令存儲 (數據) 對象，若不指定這個參數該命令僅僅返回鍵值。--stdin 指定從標準輸入設備 (stdin) 來讀取內容，若不指定這個參數則需指定一個要存儲的文件的路徑。該命令輸出長度爲 40 個字符的校驗和。這是個 SHA-1 哈希值──其值爲要存儲的數據加上你馬上會瞭解到的一種頭信息的校驗和。現在可以查看到 Git 已經存儲了數據：

$ find .git/objects -type f
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4

可以在 objects 目錄下看到一個文件。這便是 Git 存儲數據內容的方式──爲每份內容生成一個文件，取得該內容與頭信息的 SHA-1 校驗和，創建以該校驗和前兩個字符爲名稱的子目錄，並以 (校驗和) 剩下 38 個字符爲文件命名 (保存至子目錄下)。

通過 cat-file 命令可以將數據內容取回。該命令是查看 Git 對象的瑞士軍刀。傳入 -p 參數可以讓該命令輸出數據內容的類型：

$ git cat-file -p d670460b4b4aece5915caf5c68d12f560a9fe3e4
test content

可以往 Git 中添加更多內容並取回了。也可以直接添加文件。比方說可以對一個文件進行簡單的版本控制。首先，創建一個新文件，並把文件內容存儲到數據庫中：

$ echo 'version 1' > test.txt
$ git hash-object -w test.txt
83baae61804e65cc73a7201a7252750c76066a30

接着往該文件中寫入一些新內容並再次保存：

$ echo 'version 2' > test.txt
$ git hash-object -w test.txt
1f7a7a472abf3dd9643fd615f6da379c4acb3e3a

數據庫中已經將文件的兩個新版本連同一開始的內容保存下來了：

$ find .git/objects -type f
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4

再將文件恢復到第一個版本：

$ git cat-file -p 83baae61804e65cc73a7201a7252750c76066a30 > test.txt
$ cat test.txt
version 1

或恢復到第二個版本：

$ git cat-file -p 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a > test.txt
$ cat test.txt
version 2

需要記住的是幾個版本的文件 SHA-1 值可能與實際的值不同，其次，存儲的並不是文件名而僅僅是文件內容。這種對象類型稱爲 blob 。通過傳遞 SHA-1 值給 cat-file -t 命令可以讓 Git 返回任何對象的類型：

$ git cat-file -t 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a
blob

tree (樹) 對象

接下去來看 tree 對象，tree 對象可以存儲文件名，同時也允許存儲一組文件。Git 以一種類似 UNIX 文件系統但更簡單的方式來存儲內容。所有內容以 tree 或 blob 對象存儲，其中 tree 對象對應於 UNIX 中的目錄，blob 對象則大致對應於 inodes 或文件內容。一個單獨的 tree 對象包含一條或多條 tree 記錄，每一條記錄含有一個指向 blob 或子 tree 對象的 SHA-1 指針，並附有該對象的權限模式 (mode)、類型和文件名信息。以 simplegit 項目爲例，最新的 tree 可能是這個樣子：

$ git cat-file -p master^{tree}
100644 blob a906cb2a4a904a152e80877d4088654daad0c859      README
100644 blob 8f94139338f9404f26296befa88755fc2598c289      Rakefile
040000 tree 99f1a6d12cb4b6f19c8655fca46c3ecf317074e0      lib

master^{tree} 表示 branch 分支上最新提交指向的 tree 對象。請注意 lib 子目錄並非一個 blob 對象，而是一個指向另一個 tree 對象的指針：

$ git cat-file -p 99f1a6d12cb4b6f19c8655fca46c3ecf317074e0
100644 blob 47c6340d6459e05787f644c2447d2595f5d3a54b      simplegit.rb

從概念上來講，Git 保存的數據如圖 9-1 所示。

圖 9-1. Git 對象模型的簡化版

你可以自己創建 tree 。通常 Git 根據你的暫存區域或 index 來創建並寫入一個 tree 。因此要創建一個 tree 對象的話首先要通過將一些文件暫存從而創建一個 index 。可以使用 plumbing 命令 update-index 爲一個單獨文件 ── test.txt 文件的第一個版本 ──　創建一個 index　。通過該命令人爲的將 test.txt 文件的首個版本加入到了一個新的暫存區域中。由於該文件原先並不在暫存區域中 (甚至就連暫存區域也還沒被創建出來呢) ，必須傳入 --add 參數;由於要添加的文件並不在當前目錄下而是在數據庫中，必須傳入 --cacheinfo 參數。同時指定了文件模式，SHA-1 值和文件名：

$ git update-index --add --cacheinfo 100644 \
  83baae61804e65cc73a7201a7252750c76066a30 test.txt

在本例中，指定了文件模式爲 100644，表明這是一個普通文件。其他可用的模式有：100755 表示可執行文件，120000 表示符號鏈接。文件模式是從常規的 UNIX 文件模式中參考來的，但是沒有那麼靈活 ── 上述三種模式僅對 Git 中的文件 (blobs) 有效 (雖然也有其他模式用於目錄和子模塊)。

現在可以用 write-tree 命令將暫存區域的內容寫到一個 tree 對象了。無需 -w 參數 ── 如果目標 tree 不存在，調用 write-tree 會自動根據 index 狀態創建一個 tree 對象。

$ git write-tree
d8329fc1cc938780ffdd9f94e0d364e0ea74f579
$ git cat-file -p d8329fc1cc938780ffdd9f94e0d364e0ea74f579
100644 blob 83baae61804e65cc73a7201a7252750c76066a30      test.txt

可以這樣驗證這確實是一個 tree 對象：

$ git cat-file -t d8329fc1cc938780ffdd9f94e0d364e0ea74f579
tree

再根據 test.txt 的第二個版本以及一個新文件創建一個新 tree 對象：

$ echo 'new file' > new.txt
$ git update-index test.txt
$ git update-index --add new.txt

這時暫存區域中包含了 test.txt 的新版本及一個新文件 new.txt 。創建 (寫) 該 tree 對象 (將暫存區域或 index 狀態寫入到一個 tree 對象)，然後瞧瞧它的樣子：

$ git write-tree
0155eb4229851634a0f03eb265b69f5a2d56f341
$ git cat-file -p 0155eb4229851634a0f03eb265b69f5a2d56f341
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a      test.txt

請注意該 tree 對象包含了兩個文件記錄，且 test.txt 的 SHA 值是早先值的 "第二版" (1f7a7a)。來點更有趣的，你將把第一個 tree 對象作爲一個子目錄加進該 tree 中。可以用 read-tree 命令將 tree 對象讀到暫存區域中去。在這時，通過傳一個 --prefix 參數給 read-tree，將一個已有的 tree 對象作爲一個子 tree 讀到暫存區域中：

$ git read-tree --prefix=bak d8329fc1cc938780ffdd9f94e0d364e0ea74f579
$ git write-tree
3c4e9cd789d88d8d89c1073707c3585e41b0e614
$ git cat-file -p 3c4e9cd789d88d8d89c1073707c3585e41b0e614
040000 tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579      bak
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a      test.txt

如果從剛寫入的新 tree 對象創建一個工作目錄，將得到位於工作目錄頂級的兩個文件和一個名爲 bak 的子目錄，該子目錄包含了 test.txt 文件的第一個版本。可以將 Git 用來包含這些內容的數據想象成如圖 9-2 所示的樣子。

圖 9-2. 當前 Git 數據的內容結構

commit (提交) 對象

你現在有三個 tree 對象，它們指向了你要跟蹤的項目的不同快照，可是先前的問題依然存在：必須記往三個 SHA-1 值以獲得這些快照。你也沒有關於誰、何時以及爲何保存了這些快照的信息。commit 對象爲你保存了這些基本信息。

要創建一個 commit 對象，使用 commit-tree 命令，指定一個 tree 的 SHA-1，如果有任何前繼提交對象，也可以指定。從你寫的第一個 tree 開始：

$ echo 'first commit' | git commit-tree d8329f
fdf4fc3344e67ab068f836878b6c4951e3b15f3d

通過 cat-file 查看這個新 commit 對象：

$ git cat-file -p fdf4fc3
tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579
author Scott Chacon <[email protected]> 1243040974 -0700
committer Scott Chacon <[email protected]> 1243040974 -0700

first commit

commit 對象有格式很簡單：指明瞭該時間點項目快照的頂層樹對象、作者/提交者信息（從 Git 設置的user.name 和 user.email中獲得)以及當前時間戳、一個空行，以及提交註釋信息。

接着再寫入另外兩個 commit 對象，每一個都指定其之前的那個 commit 對象：

$ echo 'second commit' | git commit-tree 0155eb -p fdf4fc3
cac0cab538b970a37ea1e769cbbde608743bc96d
$ echo 'third commit'  | git commit-tree 3c4e9c -p cac0cab
1a410efbd13591db07496601ebc7a059dd55cfe9

每一個 commit 對象都指向了你創建的樹對象快照。出乎意料的是，現在已經有了真實的 Git 歷史了，所以如果運行 git log 命令並指定最後那個 commit 對象的 SHA-1 便可以查看歷史：

$ git log --stat 1a410e
commit 1a410efbd13591db07496601ebc7a059dd55cfe9
Author: Scott Chacon <[email protected]>
Date:   Fri May 22 18:15:24 2009 -0700

    third commit

 bak/test.txt |    1 +
 1 files changed, 1 insertions(+), 0 deletions(-)

commit cac0cab538b970a37ea1e769cbbde608743bc96d
Author: Scott Chacon <[email protected]>
Date:   Fri May 22 18:14:29 2009 -0700

    second commit

 new.txt  |    1 +
 test.txt |    2 +-
 2 files changed, 2 insertions(+), 1 deletions(-)

commit fdf4fc3344e67ab068f836878b6c4951e3b15f3d
Author: Scott Chacon <[email protected]>
Date:   Fri May 22 18:09:34 2009 -0700

    first commit

 test.txt |    1 +
 1 files changed, 1 insertions(+), 0 deletions(-)

真棒。你剛剛通過使用低級操作而不是那些普通命令創建了一個 Git 歷史。這基本上就是運行　git add和 git commit 命令時 Git 進行的工作　──保存修改了的文件的 blob，更新索引，創建 tree 對象，最後創建 commit 對象，這些 commit 對象指向了頂層 tree 對象以及先前的 commit 對象。這三類 Git 對象 ── blob，tree 以及 commit ── 都各自以文件的方式保存在 .git/objects 目錄下。以下所列是目前爲止樣例中的所有對象，每個對象後面的註釋裏標明瞭它們保存的內容：

$ find .git/objects -type f
.git/objects/01/55eb4229851634a0f03eb265b69f5a2d56f341 # tree 2
.git/objects/1a/410efbd13591db07496601ebc7a059dd55cfe9 # commit 3
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a # test.txt v2
.git/objects/3c/4e9cd789d88d8d89c1073707c3585e41b0e614 # tree 3
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30 # test.txt v1
.git/objects/ca/c0cab538b970a37ea1e769cbbde608743bc96d # commit 2
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 # 'test content'
.git/objects/d8/329fc1cc938780ffdd9f94e0d364e0ea74f579 # tree 1
.git/objects/fa/49b077972391ad58037050f2a75f74e3671e92 # new.txt
.git/objects/fd/f4fc3344e67ab068f836878b6c4951e3b15f3d # commit 1

如果你按照以上描述進行了操作，可以得到如圖 9-3 所示的對象圖。

圖 9-3. Git 目錄下的所有對象

對象存儲

之前我提到當存儲數據內容時，同時會有一個文件頭被存儲起來。我們花些時間來看看 Git 是如何存儲對象的。你將看來如何通過 Ruby 腳本語言存儲一個 blob 對象 (這裏以字符串 "what is up, doc?" 爲例) 。使用irb 命令進入 Ruby 交互式模式：

$ irb
>> content = "what is up, doc?"
=> "what is up, doc?"

Git 以對象類型爲起始內容構造一個文件頭，本例中是一個 blob。然後添加一個空格，接着是數據內容的長度，最後是一個空字節 (null byte)：

>> header = "blob #{content.length}\0"
=> "blob 16\000"

Git 將文件頭與原始數據內容拼接起來，並計算拼接後的新內容的 SHA-1 校驗和。可以在 Ruby 中使用require 語句導入 SHA1 digest 庫，然後調用 Digest::SHA1.hexdigest() 方法計算字符串的 SHA-1 值：

>> store = header + content
=> "blob 16\000what is up, doc?"
>> require 'digest/sha1'
=> true
>> sha1 = Digest::SHA1.hexdigest(store)
=> "bd9dbf5aae1a3862dd1526723246b20206e5fc37"

Git 用 zlib 對數據內容進行壓縮，在 Ruby 中可以用 zlib 庫來實現。首先需要導入該庫，然後用Zlib::Deflate.deflate() 對數據進行壓縮：

>> require 'zlib'
=> true
>> zlib_content = Zlib::Deflate.deflate(store)
=> "x\234K\312\311OR04c(\317H,Q\310,V(-\320QH\311O\266\a\000_\034\a\235"

最後將用 zlib 壓縮後的內容寫入磁盤。需要指定保存對象的路徑 (SHA-1 值的頭兩個字符作爲子目錄名稱，剩餘 38 個字符作爲文件名保存至該子目錄中)。在 Ruby 中，如果子目錄不存在可以用FileUtils.mkdir_p() 函數創建它。接着用 File.open 方法打開文件，並用 write() 方法將之前壓縮的內容寫入該文件：

>> path = '.git/objects/' + sha1[0,2] + '/' + sha1[2,38]
=> ".git/objects/bd/9dbf5aae1a3862dd1526723246b20206e5fc37"
>> require 'fileutils'
=> true
>> FileUtils.mkdir_p(File.dirname(path))
=> ".git/objects/bd"
>> File.open(path, 'w') { |f| f.write zlib_content }
=> 32

這就行了 ── 你已經創建了一個正確的 blob 對象。所有的 Git 對象都以這種方式存儲，惟一的區別是類型不同 ── 除了字符串 blob，文件頭起始內容還可以是 commit 或 tree 。不過雖然 blob 幾乎可以是任意內容，commit 和 tree 的數據卻是有固定格式的。

本文來自 http://git-scm.com/ 保存下來，方便自己查閱。