Git存储原理探秘

git是一个分布式版本控制软件，最初由林纳斯·托瓦兹创建。由于git采用了分布式版本库的作法，不需要服务器端软件，就可以运作版本控制。^[1]因此，git很快就成为了最受欢迎的版本管理工具之一。

工欲善其事必先利其器，熟练的使用git是每一个开发人员无法绕过的门槛，为了更好的了解、使用git，我们不仅需要知其然，更要知其所以然。下面就让我带领大家一起去探寻git在存储方面的原理。

[1] 引用自wiki百科https://zh.wikipedia.org/wiki/Git

在介绍原理之前，我们需要了解一些git的重要概念：

1. 对象，特指.git/objects目录下的文件（文件名一般为十六进制hash格式）

2. blob、commit、tree，指的是git对象的类型

git的三个分区：

1. 工作区，就是你在电脑里能看到的目录。

2. 暂存区，一般指./git/index 文件（其中主要存储各个文件的git对象id，具体格式较为复杂，这里不做过多介绍）。

3. 版本库，一般指.git/refs目录和.git/objects目录。

本文将着重探索版本库相关目录下的文件变化，接下来我们就通过一次实操，来探寻git对象和分区的是如何工作起来的！

首先,我们初始化一个空的git仓库，观察它的目录结构。

A.refs目录

refs目录通常也被称为‘引用’目录，git中的引用分为两种，其中heads和remotes（图中暂未标出）分别存储了本地和远程的分支信息，其内容是可变的；tags目录主要存储git的所有tag，其内容是不可变的，经常在发布版本时候使用。

B.objects目录

存放所有的 git 对象，其文件名为哈希值一共40位，前 2 位作为文件夹名称，后 38 位作为对象文件名。

C.hooks目录

一些git钩子脚本所在的目录，执行git命令的过程中会自动调用该目录下配置的钩子脚本

D.额外的文件

HEAD、FETCH_HEAD、ORIG_HEAD，这三个文件是中分别存储了本地的git引用、git fetch的引用、origin引用

我们新建两个普通的文件，并执行git add . ，观察objects目录会发生什么变化？

从上图我们可以看到，objects目录多了两个文件，那么这两个文件的作用是什么的呢？

在继续探索之前，我们需要知道git cat-file 命令，git cat-file -t object可以输出git对象的类型，git cat-file -p object 可以输出git对象解密后的内容。下面我们就看一下这两个git对象的类型和内容。

很明显，这两个文件正是我们的代码index.js 和 env.dev，因此可以看出这两个git对象完整的存储了代码库的代码（由于git对象会完整的存储每一个代码文件，代码库会随着提交次数的变多，而变得越来越大）。同时，我们注意到这两个git对象的类型都是blob，这正是git用来保存文件的对象类型。但是，仅仅有这两个文件好像无法保存代码库的目录结构。接下来，我们执行git commit 命令。

此时objects目录下面多了三个git对象，我们依次查看每个git对象的类型和内容

首先观察4e54这个对象，它的类型是commit，内容（其中的100644和040000记录了文件类型、权限信息）的第一行表示该对象指向一个类型为tree 名字为7df1的对象；第二行和第三记录的是提交人的信息；最后一行记录的是提交信息。然后再看7df1对象的类型和内容，它的类型是tree，内容第一行表示该对象指向一个类型为blob名字为89b1的对象；第二行表示该对象还指向一个类型为tree名字为9536的对象。剩下的就不再一一解释，我们将上述结构用图形表示出来。

此时，我们发现，git使用了三种节点类型，完整保存了代码库的一个历史版本。其中的commit类型对象表示一次提交也就是一个版本；tree类型表是一个目录；blob类型表示一个文件。至此,我们已经大致了解了git是如何存储一个版本的，那么多个版本呢?

首先我们在env.dev增加一些内容，并执行git add命令。

此时可以发现，objects目录下多了一个blob类型的git对象，里面完整保存了修改后的文件env.dev。此时的git 对象状态如下图所示：

接下来我们执行git commit命令，看看会发生什么：

此时我们发现，objects目录下又多了两个git对象，分别是620f，其类型为commit，其内容第一行指向3b14（类型为tree）的节点，第二行指向父节点4e54（类型为commit），后面几行为作者信息和提交信息；3b14节点则指向b767(blob)节点和9536（tree）节点。此时所有git对象的关系如下图所示：

观察上图我们发现：

1. 若文件发生变化，git则会生成一个blob对象来全量的保存最新的文件的内容（这也是导致.git目录越来越大的主要原因）。

2. 若tree类型的对象指向的内容发生变化，git也会重新生成一个tree类型型对象，来指向变化后的内容。

3. 只看commit类型的对象，它们就像是一个单链表结构（实际上为树形结构）。

4.  依靠commit对象，我们可以查看任意历史版本的代码库。

git使用了三种对象commit、tree、blob来记录文件、管理文件的版本信息。其中commit对象，主要存储版本信息以及版本间的依赖关系，tree和blob对象主要存储代码文件和目录结构。三者相互配合就能够完成git任意版本切换的功能。

以上只是对git存储的原理做了简单的介绍，git更复杂的暂存区、工作区、分支的合并、衍合等，可以参考《pro git》一书，详细了解。