离线下载
PDF版 ePub版

Ben Lynn · 更新于 2018-11-28 11:00:42

揭开面纱

我们揭开Git神秘面纱,往里瞧瞧它是如何创造奇迹的。我会跳过细节。更深入的描述参见 用户手册

大象无形

Git怎么这么谦逊寡言呢?除了偶尔提交和合并外,你可以如常工作,就像不知道版本控制系统存在一样。那就是,直到你需要它的时候,而且那是你欢欣的时候,Git一直默默 注视着你。

其他版本控制系统强迫你与繁文缛节和官僚主义不断斗争。文件的权限可能是只读的,除非你显式地告诉中心服务器哪些文件你打算编辑。即使最基本的命令,随着用户数目的增多,也会慢的像爬一样。中心服务器可能正跟踪什么人,什么时候check out了什么代码。当网络连接断了的时候,你就遭殃了。开发人员不断地与这些版本控制系统的种种限制作斗争。一旦网络或中心服务器瘫痪,工作就嘎然而止。

与之相反,Git简单地在你工作目录下的.git目录保存你项目的历史。这是你自己的历史拷贝,因此你可以保持离线,直到你想和他人沟通为止。你拥有你的文件命运完全的控制权,因为Git可以轻易在任何时候从.git重建一个保存状态。

数据完整性

很多人把加密和保持信息机密关联起来,但一个同等重要的目标是保证信息安全。合理使用哈希加密功能可以防止无意或有意的数据损坏行为。

一个SHA1哈希值可被认为是一个唯一的160位ID数,用它可以唯一标识你一生中遇到的每个字节串。 实际上不止如此:每个字节串可供任何人用好多辈子。

对一个文件而言,其整体内容的哈希值可以被看作这个文件的唯一标识ID数。

因为一个SHA1哈希值本身也是一个字节串,我们可以哈希包括其他哈希值的字节串。这个简单的观察出奇地有用:查看“哈希链”。我们之后会看Git如何利用这一点来高效地保证数据完整性。

简言之,Git把你数据保存在.git/objects子目录,那里看不到正常文件名,相反你只看到ID。通过用ID作为文件名,加上一些文件锁和时间戳技巧,Git把任意一个原始的文件系统转化为一个高效而稳定的数据库。

智能

Git是如何知道你重命名了一个文件,即使你从来没有明确提及这个事实?当然,你或许是运行了 git mv ,但这个命令和 git add 紧接 git rm 是完全一样的。

Git启发式地找出相连版本之间的重命名和拷贝。实际上,它能检测文件之间代码块的移动或拷贝!尽管它不能覆盖所有的情况,但它已经做的很好了,并且这个功能也总在改进中。如果它在你那儿不工作的话,可以尝试打开开销更高的拷贝检测选项,并考虑升 级。

索引

为每个加入管理的文件,Git在一个名为“index”的文件里记录统计信息,诸如大小,创建时间和最后修改时间。为了确定文件是否更改,Git比较其当前统计信息与那些在索引里的统计信息。如果一致,那Git就跳过重新读文件。

因为统计信息的调用比读文件内容快的很多,如果你仅仅编辑了少数几个文件,Git几乎不需要什么时间就能更新他们的统计信息。

我们前面讲过索引是一个中转区。为什么一堆文件的统计数据是一个中转区?因为添加命令将文件放到Git的数据库并更新它们的统计信息,而无参数的提交命令创建一个提交,只基于这些统计信息和已经在数据库里的文件。

Git的源起

这个Linux内核邮件列表帖子 描述了导致Git的一系列事件。整个讨论线索是一个令人着迷的历史探究过程,对Git史学家而言。

对象数据库

你数据的每个版本都保存在“对象数据库”里,其位于子目录.git/objects;其他位于.git/的较少数据:索引,分支名,标签,配置选项,日志,头提交的当前位置等。对象数据库朴素而优雅,是Git的力量之源。

.git/objects里的每个文件是一个对象。有3中对象跟我们有关:“blob”对象, “tree”对象,和“commit”对象。

Blob对象

首先来一个小把戏。去一个文件名,任意文件名。在一个空目录:

 $ echo sweet > YOUR_FILENAME
 $ git init
 $ git add .
 $ find .git/objects -type f

你将看到 +.git/objects/aa/823728ea7d592acc69b36875a482cdf3fd5c8d+ 。

我如何在不知道文件名的情况下知道这个?这是因为以下内容的SHA1哈希值:

 "blob" SP "6" NUL "sweet" LF

是 aa823728ea7d592acc69b36875a482cdf3fd5c8d,这里SP是一个空格,NUL是一个0字节, LF是一个换行符。你可以验证这一点,键入:

  $ printf "blob 6\000sweet\n" | sha1sum

Git基于“内容寻址”:文件并不按它们的文件名存储,而是按它们包含内容的哈希值, 在一个叫“blob对象”的文件里。我们可以把文件内容的哈希值看作一个唯一ID,这样 在某种意义上我们通过他们内容放置文件。开始的“blob 6”只是一个包含对象类型与 其长度的头;它简化了内部存储。

这样我可以轻易语言你所看到的。文件名是无关的:只有里面的内容被用作构建blob对象。

你可能想知道对相同的文件什么会发生。试图加一个你文件的拷贝,什么文件名都行。 在 +.git/objects+ 的内容保持不变,不管你加了多少。Git只存储一次数据。

顺便说一句,在 +.git/objects+ 里的文件用zlib压缩,因此你不应该直接查看他们。 可以通过zpipe -d 管道, 或者键入:

 $ git cat-file -p aa823728ea7d592acc69b36875a482cdf3fd5c8d

这漂亮地打印出给定的对象。

Tree对象

但文件名在哪?它们必定在某个阶段保存在某个地方。Git在提交时得到文件名:

 $ git commit  # 输入一些信息。
 $ find .git/objects -type f

你应看到3个对象。这次我不能告诉你这两个新文件是什么,因为它部分依赖你选择的文 件名。我继续进行,假设你选了``rose''。如果你没有,你可以重写历史以让它看起来 像似你做了:

 $ git filter-branch --tree-filter 'mv YOUR_FILENAME rose'
 $ find .git/objects -type f

现在你硬看到文件 +.git/objects/05/b217bb859794d08bb9e4f7f04cbda4b207fbe9+ ,因为这是以下内容的SHA1哈希值:

 "tree" SP "32" NUL "100644 rose" NUL 0xaa823728ea7d592acc69b36875a482cdf3fd5c8d

检查这个文件真的包含上面内容通过键入:

 $ echo 05b217bb859794d08bb9e4f7f04cbda4b207fbe9 | git cat-file --batch

使用zpipe,验证哈希值是容易的:

 $ zpipe -d < .git/objects/05/b217bb859794d08bb9e4f7f04cbda4b207fbe9 | sha1sum

与查看文件相比,哈希值验证更技巧一些,因为其输出不止包含原始未压缩文件。

这个文件是一个“tree”对象:一组数据包含文件类型,文件名和哈希值。在我们的例子里,文件类型是100644,这意味着“rose”是一个一般文件,并且哈希值指blob对象,包含“rose”的内容。其他可能文件类型有可执行,链接或者目录。在最后一个例子里,哈希值指向一个tree对象。

在一些过渡性的分支,你会有一些你不在需要的老的对象,尽管有宽限过期之后,它们会被自动清除,现在我们还是将其删除,以使我们比较容易跟上这个玩具例子。

 $ rm -r .git/refs/original
 $ git reflog expire --expire=now --all
 $ git prune

在真实项目里你通常应该避免像这样的命令,因为你在破换备份。如果你期望一个干净的仓库,通常最好做一个新的克隆。还有,直接操作 +.git+ 时一定要小心:如果Git命令同时也在运行会怎样,或者突然停电?一般,引用应由 git update-ref -d删除,尽管通常手工删除 +refs/original+ 也是安全的。

Commit对象

我们已经解释了三个对象中的两个。第三个是“commit”对象。其内容依赖于提交信息以及其创建的日期和时间。为满足这里我们所有的,我们不得不调整一下:

 $ git commit --amend -m Shakespeare  # 改提交信息
 $ git filter-branch --env-filter 'export
     GIT_AUTHOR_DATE="Fri 13 Feb 2009 15:31:30 -0800"
     GIT_AUTHOR_NAME="Alice"
     GIT_AUTHOR_EMAIL="alice@example.com"
     GIT_COMMITTER_DATE="Fri, 13 Feb 2009 15:31:30 -0800"
     GIT_COMMITTER_NAME="Bob"
     GIT_COMMITTER_EMAIL="bob@example.com"'  # Rig timestamps and authors.
 $ find .git/objects -type f

你现在应看到 +.git/objects/49/993fe130c4b3bf24857a15d7969c396b7bc187+ 是下列 内容的SHA1哈希值:

 "commit 158" NUL
 "tree 05b217bb859794d08bb9e4f7f04cbda4b207fbe9" LF
 "author Alice <alice@example.com> 1234567890 -0800" LF
 "committer Bob <bob@example.com> 1234567890 -0800" LF
 LF
 "Shakespeare" LF

和前面一样,你可以运行zpipe或者cat-file来自己看。

这是第一个提交,因此没有父提交,但之后的提交将总有至少一行,指定一个父提交。

没那么神

Git的秘密似乎太简单。看起来似乎你可以整合几个shell脚本,加几行C代码来弄起来, 也就几个小时的事:一个基本文件操作和SHA1哈希化的混杂,用锁文件装饰一下,文件 同步保证健壮性。实际上,这准确描述了Git的最早期版本。尽管如此,除了巧妙地打包 以节省空间,巧妙地索引以省时间,我们现在知道Git如何灵巧地改造文件系统成为一个 对版本控制完美的数据库。

例如,如果对象数据库里的任何一个文件由于硬盘错误损毁,那么其哈希值将不再匹配, 这个错误会报告给我们。通过哈希化其他对象的哈希值,我们在所有层面维护数据完整 性。Commit对象是原子的,也就是说,一个提交永远不会部分地记录变更:在我们已经 存储所有相关tree对象,blob对象和父commit对象之后,我们才可以计算提交的的哈希 值并将其存储在数据库,对象数据库不受诸如停电之类的意外中断影响。

我们打败即使是最狡猾的对手。假设有谁试图悄悄修改一个项目里一个远古版本文件的 内容。为使对象据库看起来健康,他们也必须修改相应blob对象的哈希值,既然它现在 是一个不同的字节串。这意味着他们讲不得不引用这个文件的tree对象的哈希值,并反 过来改变所有与这个tree相关的commit对象的哈希值,还要加上这些提交所有后裔的哈 希值。这暗示官方head的哈希值与这个坏仓库不同。通过跟踪不匹配哈希值线索,我 们可以查明残缺文件,以及第一个被破坏的提交。

总之,只要20个字节代表最后一次提交的是安全的,不可能篡改一个Git仓库。

那么Git的著名功能怎样呢?分支?合并?标签?单纯的细节。当前head保存在文件 +.git /HEAD+ ,其中包含了一个commit对象的哈希值。该哈希值在运行提交以及其他命 令是更新。分支几乎一样:它们是保存在 +.git/refs/heads+ 的文件。标签也是:它们 住在住在 +.git/refs/tags+ ,但它们由一套不同的命令更新。

上一篇: Git大师技 下一篇: 附录 A: Git的缺...