离线下载
PDF版 ePub版

liuhui · 更新于 2018-11-28 11:00:43

Git 是如何存储对象的

这一章会详细讲解 Git 如何物理存储各对象。

所有的对象都以 SHA 值为索引用 gzip 格式压缩存储,每个对象都包含了对象类型,大小和内容。

Git 中存在两种对象 - 松散对象(loose object)和打包对象(packed object)。

松散对象

松散对象是一种比较简单格式。它就是磁盘上的一个存储压缩数据的文件。每一个对象都被写入一个单独文件中。

如果你对象的 SHA 值是 ab04d884140f7b0cf8bbf86d6883869f16a46f65,那么对应的文件会被存储在:

GIT_DIR/objects/ab/04d884140f7b0cf8bbf86d6883869f16a46f65

Git 使用 SHA 值的前两个字符作为子目录名字,所以一个目录中永远不会包含过多的对象。文件名则是余下的 38 个字符。

可以用下面的 Ruby 代码说明对象数据是如何存储的:

def put_raw_object(content, type)
  size = content.length.to_s

  header = "#{type} #{size}\0" # type(space)size(null byte)
  store = header + content

  sha1 = Digest::SHA1.hexdigest(store)
  path = @git_dir + '/' + sha1[0...2] + '/' + sha1[2..40]

  if !File.exists?(path)
    content = Zlib::Deflate.deflate(store)

    FileUtils.mkdir_p(@directory+'/'+sha1[0...2])
    File.open(path, 'w') do |f|
      f.write content
    end
  end
  return sha1
end

打包对象

另外一种对象存储方式是使用打包文件(packfile)。由于 Git 把每个文件的每个版本都作为一个单独的对象,它的效率可能会十分的低。设想一下在一个数千行的文件中改动一行,Git 会把修改后的文件整个存储下来,很浪费空间。

Git 使用打包文件(packfile)去节省空间。在这个格式中,Git 只会保存第二个文件中改变了的部分,然后用一个指针指向相似的那个文件(译注:即第一个文件)。

对象通常是以松散格式写到磁盘上,因为这个格式的访问代价比较低。然后,你最终会需要把对象存放到打包格式中去节省磁盘空间 - 这个工作可以通过 git gc 来完成。它使用一个相当复杂的启发式算法去决定哪些文件是最相似的,然后基于此分析去计算差异。可以存在多个打包文件,在必要情况下,它们可被解包(git unpack-objects)成为松散对象或者重新打包(git repack)。

Git 会为每一个打包文件创建一个较小的索引文件。索引文件中包含了对象在打包文件中的偏移,以便于通过 SHA 值来快速找到特定的对象。

打包文件的实现细节会在稍后的‘打包文件’(Packfile)一章中讲述。

上一篇: 子模块 下一篇: 查看 Git 对象