展开
湖北国联计算机科技有限公司
  • 首页HOME
  • 公司简介INTRODUCTION
  • 安全防御DEFENSE
  • 软件开发SOFTWARE
  • 物联网IOT
  • 运行维护SRE
  • 成功案例CASE
  • 联系我们CONTACT
  • Software Event |业界动态

    这才是真正的Git——Git内部原理揭秘!
    来源:湖北国菱计算机科技有限公司-荆州网站建设-荆州软件开发-政府网站建设公司 时间:2020-09-17


    近几年技术发展十分迅猛,让部分同学养成了一种学习知识停留在表面,只会调用一些指令的习惯。我们时常有一种“我会用这个技术、这个框架”的错觉,等到真正遇到问题,才发现事情没有那么简单。

    而Git也是一个大部分人都知道如何去使用它,知道有哪些命令,却只有少部分人知道具体原理的东西。了解一些底层的东西,可以更好的帮你理清思路,知道你真正在操作什么,不会迷失在Git大量的指令和参数上面。

    Git是怎么储存信息的

    这里会用一个简单的例子让大家直观感受一下git是怎么储存信息的。

    首先我们先创建两个文件

    1. $ git init

    2. $ echo '111'> a.txt

    3. $ echo '222'> b.txt

    4. $ git add *.txt

    Git会将整个数据库储存在.git/目录下,如果你此时去查看.git/objects目录,你会发现仓库里面多了两个object。

    1. $ tree .git/objects

    2. .git/objects

    3. ├──58

    4. │└── c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c

    5. ├── c2

    6. │└──00906efd24ec5e783bee7f23b5d7c941b0c12c

    7. ├── info

    8. └── pack

    好奇的我们来看一下里面存的是什么东西

    1. $ cat .git/objects/58/c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c

    2. xKOR0a044K%

    怎么是一串乱码?这是因为Git将信息压缩成二进制文件。但是不用担心,因为Git也提供了一个能够帮助你探索它的api git cat-file [-t] [-p], -t可以查看object的类型,-p可以查看object储存的具体内容。

    1. $ git cat-file -t 58c9

    2. blob

    3. $ git cat-file -p 58c9

    4. 111

    可以发现这个object是一个blob类型的节点,他的内容是111,也就是说这个object储存着a.txt文件的内容。

    这里我们遇到第一种Git object,blob类型,它只储存的是一个文件的内容,不包括文件名等其他信息。然后将这些信息经过SHA1哈希算法得到对应的哈希值 58c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c,作为这个object在Git仓库中的唯一身份证。

    也就是说,我们此时的Git仓库是这样子的:

    我们继续探索,我们创建一个commit。

    1. $ git commit -am '[+] init'

    2. $ tree .git/objects

    3. .git/objects

    4. ├──0c

    5. │└──96bfc59d0f02317d002ebbf8318f46c7e47ab2

    6. ├──4c

    7. │└── aaa1a9ae0b274fba9e3675f9ef071616e5b209

    8. ...

    我们会发现当我们commit完成之后,Git仓库里面多出来两个object。同样使用cat-file命令,我们看看它们分别是什么类型以及具体的内容是什么。

    1. $ git cat-file -t 4caaa1

    2. tree

    3. $ git cat-file -p 4caaa1

    4. 100644 blob 58c9bdf9d017fcd178dc8c0...     a.txt

    5. 100644 blob c200906efd24ec5e783bee7...    b.txt

    这里我们遇到了第二种Git object类型——tree,它将当前的目录结构打了一个快照。从它储存的内容来看可以发现它储存了一个目录结构(类似于文件夹),以及每一个文件(或者子文件夹)的权限、类型、对应的身份证(SHA1值)、以及文件名。

    此时的Git仓库是这样的:

    1. $ git cat-file -t 0c96bf

    2. commit

    3. $ git cat-file -p 0c96bf

    4. tree 4caaa1a9ae0b274fba9e3675f9ef071616e5b209

    5. author lzane 李泽帆1573302343+0800

    6. committer lzane 李泽帆1573302343+0800

    7. [+] init

    接着我们发现了第三种Git object类型——commit,它储存的是一个提交的信息,包括对应目录结构的快照tree的哈希值,上一个提交的哈希值(这里由于是第一个提交,所以没有父节点。在一个merge提交中还会出现多个父节点),提交的作者以及提交的具体时间,最后是该提交的信息。

    此时我们去看Git仓库是这样的:

    到这里我们就知道Git是怎么储存一个提交的信息的了,那有同学就会问,我们平常接触的分支信息储存在哪里呢?

    1. $ cat .git/HEAD

    2. ref: refs/heads/master


    3. $ cat .git/refs/heads/master

    4. 0c96bfc59d0f02317d002ebbf8318f46c7e47ab2

    在Git仓库里面,HEAD、分支、普通的Tag可以简单的理解成是一个指针,指向对应commit的SHA1值。

    其实还有第四种Git object,类型是tag,在添加含附注的tag(git tag -a)的时候会新建,这里不详细介绍,有兴趣的朋友按照上文中的方法可以深入探究。

    至此我们知道了Git是什么储存一个文件的内容、目录结构、commit信息和分支的。其本质上是一个key-value的数据库加上默克尔树形成的有向无环图(DAG)。这里可以蹭一下区块链的热度,区块链的数据结构也使用了默克尔树。

    Git的三个分区

    接下来我们来看一下Git的三个分区(工作目录、Index 索引区域、Git仓库),以及Git变更记录是怎么形成的。了解这三个分区和Git链的内部原理之后可以对Git的众多指令有一个“可视化”的理解,不会再经常搞混。

    接着上面的例子,目前的仓库状态如下:

    这里有三个区域,他们所储存的信息分别是:

    我们来看一下更新一个文件的内容这个过程会发生什么事。



    运行echo "333" > a.txt将a.txt的内容从111修改成333,此时如上图可以看到,此时索引区域和git仓库没有任何变化。



    运行git add a.txt将a.txt加入到索引区域,此时如上图所示,git在仓库里面新建了一个blob object,储存了新的文件内容。并且更新了索引将a.txt指向了新建的blob object。



    运行git commit -m 'update'提交这次修改。如上图所示

    至此我们知道了Git的三个分区分别是什么以及他们的作用,以及历史链是怎么被建立起来的。基本上Git的大部分指令就是在操作这三个分区以及这条链。可以尝试的思考一下git的各种命令,试一下你能不能够在上图将它们“可视化”出来,这个很重要,建议尝试一下。

    如果不能很好的将日常使用的指令“可视化”出来,推荐阅读 图解Git

    一些有趣的问题

    有兴趣的同学可以继续阅读,这部分不是文章的主要内容

    问题1:为什么要把文件的权限和文件名储存在tree object里面而不是blob object呢?

    想象一下修改一个文件的命名。

    如果将文件名保存在blob里面,那么Git只能多复制一份原始内容形成一个新的blob object。而Git的实现方法只需要创建一个新的tree object将对应的文件名更改成新的即可,原本的blob object可以复用,节约了空间。

    问题2:每次commit,Git储存的是全新的文件快照还是储存文件的变更部分?

    由上面的例子我们可以看到,Git储存的是全新的文件快照,而不是文件的变更记录。也就是说,就算你只是在文件中添加一行,Git也会新建一个全新的blob object。那这样子是不是很浪费空间呢?

    这其实是Git在空间和时间上的一个取舍,思考一下你要checkout一个commit,或对比两个commit之间的差异。如果Git储存的是问卷的变更部分,那么为了拿到一个commit的内容,Git都只能从第一个commit开始,然后一直计算变更,直到目标commit,这会花费很长时间。而相反,Git采用的储存全新文件快照的方法能使这个操作变得很快,直接从快照里面拿取内容就行了。

    当然,在涉及网络传输或者Git仓库真的体积很大的时候,Git会有垃圾回收机制gc,不仅会清除无用的object,还会把已有的相似object打包压缩。

    问题3:Git怎么保证历史记录不可篡改?

    通过SHA1哈希算法和哈系树来保证。假设你偷偷修改了历史变更记录上一个文件的内容,那么这个问卷的blob object的SHA1哈希值就变了,与之相关的tree object的SHA1也需要改变,commit的SHA1也要变,这个commit之后的所有commit SHA1值也要跟着改变。又由于Git是分布式系统,即所有人都有一份完整历史的Git仓库,所以所有人都能很轻松的发现存在问题。


    荆州地区政府网站建设 解决方案 专业团队 腾讯第三方平台 地址:湖北省荆州市沙市区荆沙大道楚天都市佳园一期C区29栋112       地址:湖北省松滋市新江口街道才知文化广场1幢1146-1151室     邮编:434200 联系电话:0716-6666211     网站编辑部邮箱:business@gl-ns.com 鄂公网安备 42100202000212号 备案号:鄂ICP备2021015094号-1     企业名称:湖北国菱计算机科技有限公司