离线下载
PDF版 ePub版

liuhui · 更新于 2018-11-28 11:00:43

打包文件

这一章将详细描述打包文件(packfile)和打包文件索引(packfile index)的格式。

打包文件索引

首先,我们来看一下打包文件索引,基本上它只是一系列指向打包文件内位置的书签。

打包文件索引有两个版本。版本 1 的格式用于 Git 1.6 版本之前,版本 2 的格式用于 Git 1.6 及以后的版本。 但是版本 2 可以被 Git 1.5.2 及以上的 Git 读取,同时也被后向移植(backport)到了 1.4.4.5 版本。

版本 2 包含了每个对象的 CRC 校验值,因此在重打包的过程中,压缩过的对象可以直接进行包间拷贝(from pack to pack)而不用担心数据损坏。版本 2 的打包文件索引同时亦支持大于 4G 的打包文件。

在两个版本格式中,fanout (展开)表用于更快地查找某特定的SHA值在索引文件中的位置。offset/sha1 表使用 SHA1 值进行排序(以便于对这个表进行二分搜索),fanout 表用一种特殊的方法指向 offset/sha1 表(因此后一个表中包含某一特定字节开头的所有 Hash 的那一部分可以被轻易找到,而不必经过二分搜索的 8 次迭代)。

在第 1 版中, offset(偏移)和 SHA 值存在在同一位置。但是在第 2 版中,SHA 值,CRC 值和 offset 被放在不同的表中。两个版本的文件最后都是索引文件以及指向的打包文件的 CRC 校验值。

很重要的一点是,要从打包文件中提取(extract)出一个对象,索引文件不是必不可少的。索引文件的作用是帮助用户快速地从打包文件中提取对象。那些‘上传打包’(upload-pack)和‘取回打包’(receive-pack)程序(译注:实现 push 和 fetch 协议的程序)使用打包文件格式(packfile format)去传输对象,但是没有使用索引 - 索引可以在上传或者取回打包文件之后通过扫描打包文件重新建立。

打包文件格式

打包文件格式是很简单的。它有一个头部(header)和一系列打包过的对象(每个都有自己的header和body),还有一个校验尾部(trailer)。前 4 个字节是字符串‘PACK’,它用于确保你找到了打包文件的起始位置。紧接着是 4 个字节的打包文件版本号,之后的 4 个字节指出了此文件中入口(entry)的个数。你可以用下面 Ruby 程序读出打包文件的头部:

def read_pack_header
  sig = @session.recv(4)
  ver = @session.recv(4).unpack("N")[0]
  entries = @session.recv(4).unpack("N")[0]
  [sig, ver, entries]
end

头部之后是一系列按照 SHA 值排序的打包对象,每一个打包对象包含了头部和内容。打包文件的尾部是该文件中所有(已排序) SHA 值的 SHA1 校验值(20 字节长)(译注:即按照排序好的顺序进行迭代 SHA1 运算)。

对象头部(object header)由 1 个或以上的字节按序组成,它指出了后面所跟数据的类型及展开后的尺寸。头部的每一个字节有 7 位用于数据,第 1 位用于说明头部是否还有后续字节。如果第 1 位是‘1’,你需要再读入 1 个字节(译注:即下一字节仍属于头部),否则下一字节就是数据。第一个字节的前3位指定了数据的类型,具体含义参见下表。

(3 个位可以组合成为 8 个数。在当前的使用中,0(000)是‘未定义’,5(101)目前未被使用。)

这里我们举一个由两个字节组成的头部的例子。第 1 个字节的前 3 位说明了数据的类型是提交(commit),余下的 4 位和第 2 个字节的 7 位组成的数字是 144,说明数据展开后的长度是 144 字节。

值得注意的一点是,对象头部中包含的‘尺寸’不是后面跟着的数据的长度,而是数据展开之后的长度。因此,打包索引文件中的偏移是很有用的,有了它你不必展开每一个对象就可以得到下一个头部的起始位置。

对于非 delta 对象,数据部分就只是 zlib 压缩后的数据流。对于那两种 delta 对象,数据部分包含了它所依赖的基对象(base object)以及用于重构对象的 delta(差异)数据。数据的前 20 个字节称为 ref-delta,它是基对象 SHA 值的前 20 个字节。ofs-delta 存储了基对象在同一打包文件中的偏移。任何情况下,有两个约束必须严格遵守:

  • delta 对象和基对象必须位于同一打包文件;

  • delta 对象和基对象的类型必须一致(即 tree 对 tree,blob 对 blob,等等)。
上一篇: Git 索引 下一篇: 更底层的 Git