Git內部原理

Git有什么特點？

fast，scalable，distributed revision control system（快速，可擴展的分布式版本控制系統）

- 幾乎所有操作都是本地執行
- 每一個clone都是整個生命周期的完整副本

the stupid content tracker（只是一個內容追蹤器）

- Git追蹤的是內容而不是文件
- 如果兩個文件的內容相同，無論是否在相同的目錄，Git在對象庫里只保存一份blob對象
Immutable（不可變性）

- Git版本庫中存儲的數據對象均為不可變的，一旦創建數據對象并放入了數據庫中，它們便不可修改。這也意味著存儲在版本數據庫中的整個歷史也是不可變的。

Porcelain（高層命令）

- init, add, commit, branch, merge.

Plumbing（底層命令）

- hash-object, update-index, write-tree.

每一個Client端都可以是Server

Git Version Database是什么？

Git是一個內容尋址文件系統。這意味著，Git的核心部分是一個簡單的鍵值對數據庫（key-value data store）。你可以向該數據庫插入任意類型的內容，它會返回一個鍵值，通過該鍵值可以在任意時刻再次檢索該內容。而這些數據全部是存儲在objects目錄里。key是一個hash，hash前兩個字符用于命名子目錄，余下的38個字符則用作文件名。如果了解tree樹的朋友應該會想明白之所以這樣處理是因為檢索優化策略，提高文件系統效率（如果把太多的文件放入同一個目錄中，一些文件系統會變慢）。而這個hash的內容（即hash對應的Value）有四種對象類型，commit（提交），tree（目錄樹），blob（塊），tag（標簽）。

Git基本概念：

Content addressable filesystem（內容尋址文件系統）
Simple key-value data store（鍵值對數據）
Key：SHA-1散列（hash，哈希）

- Everything is hash
- 這是一個由40個十六進制字符（0-9和a-f）組成字符串

Value：binary files

- Commit：Actual git commits（提交）
- Tree：Directoy（目錄樹）
- Blob：file content（文件內容）

note：可以理解成Commit = Tree + Blob的snapshot

什么是SHA-1：SHA-1（安全散列函數），是一種密碼散列函數，美國國家安全局設計，并由美國國家標準技術研究所發布為聯邦數據處理標準。SHA-1可以生成一個被稱為消息摘要的160位（20字節）散列值，散列值通常的呈現形式為40個十六進制數。用js來理解就是一個純函數，輸入一定輸出也一定，相同的輸入一定有相同的輸出。不相同的輸入一定有不同的輸出（不考慮碰撞，比彗星撞擊地球的概率還低）。

Git到底是如何工作呢？

我們知道最簡單的git flow主要有三步：

在工作目錄中修改文件。
暫存文件，將文件的快照放入暫存區域。
提交更新，找到暫存區域的文件，將快照永久性存儲到Git倉庫目錄。

對應高層命令是這樣的：

$?git?init
$?git?add?.
$?git?commit

在我們看這三個命令到底做了什么之前，先來了解一下幾個概念：

Working Directory：工作區（工作目錄）
Stageing Area (Index)：暫存區
Repository：倉庫區（本地倉庫）

Git init

我們先用Git init來初始化一個項目，并查看項目的目錄結構。

$?git?init?demo1?&&?cd?demo1
$?tree?.git
.git
├──?HEAD
├──?config
├──?description
├──?hooks
│???├──?applypatch-msg.sample
│???├──?commit-msg.sample
│???├──?fsmonitor-watchman.sample
│???├──?post-update.sample
│???├──?pre-applypatch.sample
│???├──?pre-commit.sample
│???├──?pre-push.sample
│???├──?pre-rebase.sample
│???├──?pre-receive.sample
│???├──?prepare-commit-msg.sample
│???└──?update.sample
├──?info
│???└──?exclude
├──?objects
│???├──?info
│???└──?pack
└──?refs
????├──?heads
????└──?tags

description文件僅供GitWeb程序使用。config文件包含項目特有的配置選項。info目錄包含一個全局性排除文件，用以放置那些不希望被記錄在.gitignore文件中的忽略模式。hooks目錄包含客戶端或服務端的鉤子腳本，這些我們暫時都無需關心。最重要的是：HEAD文件、（尚待創建的）index文件，和objects目錄、refs目錄。這些條目是Git的核心組成部分。objects目錄存儲所有數據內容（hash）；refs目錄存儲指向數據（分支）的提交對象的指針（commit hash）；HEAD文件指示目前被檢出的分支（refs目錄內的分支名）；index 文件保存暫存區信息（git ls-files --stage命令查看當前暫存區信息）。

下面我們就用底層命令來實現git init指令（另創建一個demo2目錄）。

mkdir -p參數是能直接創建一個不存在的目錄下的子目錄：

$?mkdir?-p?.git/refs/heads?.git/refs/tags?.git/objects
$?echo?'ref:?refs/heads/master'?>?.git/HEAD

可以看到已經成功初始化了一個Git項目。

git add

$?echo?'hello?git'?>?index.txt
$?git?add?index.txt

執行完這兩句指令后我們再來看.git文件夾發生了什么變化（為了顯示效果，簡化目錄結構，之后tree 都忽略hooks文件夾）

.git
├──?HEAD
├──?config
├──?description
├──?index
├──?info
│???└──?exclude
├──?objects
│???├──?8d
│???│???└──?0e41234f24b6da002d962a26c2495ea16a425f
│???├──?info
│???└──?pack
└──?refs
????├──?heads
????└──?tags

可以看到多了一個index文件，并且objects目錄里面多了一個8d的文件夾，里面有一個0e41開頭的文件、那這個8d0e4這個是什么呢？其實這個就是index.txt文件內容的hash。還記得嘛，剛才寫入文件內容是hello git，我們來手動輸出這個內容的hash。

$?echo?'hello?git'?|?git?hash-object?--stdin
$?8d0e41234f24b6da002d962a26c2495ea16a425f

可以通過cat-file命令從Git那里取回數據。為cat-file指定-p選項可指示該命令自動判斷內容的類型，并為我們顯示格式友好的內容：

$?git?cat-file?-p?8d0e
$?hello?git

為cat-file指定-t選項可以查看文件的類型：

$?git?cat-file?-t?8d0e
$?blob

git add做了兩件事情：

文件內容做一個hash存成blob object
把index放入到Staging Area

當為index.txt創建一個對象的時候，git并不關心index.txt的文件名，git 只關心文件里面的內容。

按照這個思路，我們用底層命令來實現一下git add指令。

$?echo?'hello?git'?|?git?hash-object?-w?--stdin

$?git?update-index?--add?--cacheinfo?100644?8d0e41234f24b6da002d962a26c2495ea16a425f?index.txt

-w選項指示hash-object命令存儲數據對象；若不指定此選項，則該命令僅返回對應的鍵值。

我們指定的文件模式為100644，表明這是一個普通文件。其他選擇包括：100755，表示一個可執行文件；120000，表示一個符號鏈接。

因為并沒有去創建這個index.txt文件，所以這邊提示已經刪除了，執行git checkout -- index.txt取出文件。

可以看到已經成功用底層命名實現了git add的功能。

到這里，我們自然就會有個疑問了，那文件名怎么辦？

Git是通過tree對象來跟蹤文件的路徑名的。當使用git add命令時，git會給添加的文件內容創建一個blob對象，但是這個時候并不會創建tree對象。而只是更新索引，索引在.git/index中，它跟蹤文件的路徑名和相對應blob，每次執行git add 、git rm 、 git mv 的時候，git都會更新索引，我們可以通過命令git ls-files --stage來查看當前的索引信息。

$?git?ls-files?--s
$?100644?8d0e41234f24b6da002d962a26c2495ea16a425f?0?index.txt

git commit

執行git commit -m 'init-1'后，查看tree結構，發現object 多出了兩個文件：

.git
├──?COMMIT_EDITMSG
├──?HEAD
├──?config
├──?description
├──?index
├──?info
│???└──?exclude
├──?logs
│???├──?HEAD
│???└──?refs
│???????└──?heads
│???????????└──?master
├──?objects
│???├──?75
│???│???└──?0d7c0f7f998d3e2ce2d71ec801902f69bf6a39
│???├──?88
│???│???└──?bc066ebf3d864e34297f7051a0ded16e49813a
│???├──?8d
│???│???└──?0e41234f24b6da002d962a26c2495ea16a425f
│???├──?info
│???└──?pack
└──?refs
????├──?heads
????│???└──?master
????└──?tags
$?git?log
$?commit?750d7c0f7f998d3e2ce2d71ec801902f69bf6a39?(HEAD?->?master)

查看這個commit 的文件類型，可以看到這是一個commit：

$?git?cat-file?-t?750d
$?commit

$?git?cat-file?-p?750d
$?tree?88bc066ebf3d864e34297f7051a0ded16e49813a

但是多出來的88bc是什么呢，其實就是當前目錄的tree對象，所以Git是在commit的時候才創建tree對象的（其實是把索引轉化成tree對象）。

$?git?cat-file?-t?88bc
$?tree

$?git?cat-file?-p?88bc
$?100644?blob?8d0e41234f24b6da002d962a26c2495ea16a425f??index.txt

這個時候再看HEAD：

$?cat?.git/HEAD
$?ref:?refs/heads/master

繼續查看refs/heads/master：

$?cat?.git/refs/heads/master
$?750d7c0f7f998d3e2ce2d71ec801902f69bf6a39

所以整個指向關系就是：HEAD里面的內容是當前的ref，而當前ref的內容是commit hash，commit對象內容是tree hash，tree對象的內容是文件夾/文件信息，而blob對象存儲著文件的具體內容。這樣當完成一次提交的時候，整個狀態的對應關系也是確定的，所以說commit對象就是當前系統的snapshot。