git：git是怎么储存信息的

心已赠人 2022-03-18 17:12 306阅读 0赞

# Git是怎么储存信息的 #

$  tree .git/objects/
    .git/objects/
    ├── info
    └── pack
    
    $ echo '111' > a.txt
    $ echo '222' > b.txt
    $ git add *.txt

Git会将整个数据库储存在.git/目录下，如果你此时去查看.git/objects目录，你会发现仓库里面多了两个object。

$ tree .git/objects/
    .git/objects/
    ├── 58
    │   └── c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c
    ├── c2
    │   └── 00906efd24ec5e783bee7f23b5d7c941b0c12c
    ├── info
    └── pack

好奇的我们来看一下里面存的是什么东西

$ cat .git/objects/58/c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c 
    xK��OR0a044�K�

怎么是一串乱码？这是因为Git将信息压缩成二进制文件。但是不用担心，因为Git也提供了一个能够帮助你探索它的`api git cat-file [-t] [-p]`， -t可以查看object的类型，-p可以查看object储存的具体内容。

$ git cat-file -t 58c9
    blob
    $ git cat-file -p 58c9
    111

可以发现这个object是一个blob类型的节点，他的内容是111，也就是说这个object储存着a.txt文件的内容。

这里我们遇到第一种`git object`，`blob`类型，**它（add ）只储存的是一个文件的内容，不包含文件名等其他信息，然后将这些信息经过SHA1哈希算法得到对应的哈希值58c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c，作为这个object在git仓库中的唯一验证**

也就是说，我们此时的Git仓库是这样子的：  
![在这里插入图片描述][20210208130643576.png]  
我们继续探索，我们创建一个commit

$ git commit -am '[+] init'
    $ tree .git/objects
    .git/objects
    ├── 0c
    │   └── 96bfc59d0f02317d002ebbf8318f46c7e47ab2
    ├── 4c
    │   └── aaa1a9ae0b274fba9e3675f9ef071616e5b209
    ...

发现当我们commit完成之后，仓库中多出来两个object。同样使用cat-file命令，我们看看它们分别是什么类型以及具体的内容是什么。

$ git cat-file -t 4caaa1
    tree
    $ git cat-file -p 4caaa1
    100644 blob 58c9bdf9d017fcd178dc8c0...  a.txt
    100644 blob c200906efd24ec5e783bee7...  b.txt

这里我们遇到了第二种Git object类型——**tree，它将当前的目录结构打了一个快照**。从它储存的内容来看可以发现它储存了一个目录结构（类似于文件夹），以及每一个文件（或者子文件夹）的权限、类型、对应的身份证（SHA1值）、以及文件名。

此时的Git仓库是这样的：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poaXpoZW5nZ3Vhbg_size_16_color_FFFFFF_t_70]

$ git cat-file -t 0c96bf
    commit
    $ git cat-file -p 0c96bf
    tree 4caaa1a9ae0b274fba9e3675f9ef071616e5b209
    author lzane 李泽帆  1573302343 +0800
    committer lzane 李泽帆  1573302343 +0800
    [+] init

接着我们发现了第三种Git object类型——**commit，它储存的是一个提交的信息，包括对应目录结构的快照tree的哈希值，上一个提交的哈希值（这里由于是第一个提交，所以没有父节点。在一个merge提交中还会出现多个父节点），提交的作者以及提交的具体时间，最后是该提交的信息。**

此时我们去看Git仓库是这样的：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poaXpoZW5nZ3Vhbg_size_16_color_FFFFFF_t_70 1]  
到这里我们就知道Git是怎么储存一个提交的信息的了，那有同学就会问，我们平常接触的分支信息储存在哪里呢？

$ cat .git/HEAD
    ref: refs/heads/master
    
    $ cat .git/refs/heads/master
    0c96bfc59d0f02317d002ebbf8318f46c7e47ab2

在Git仓库里面，HEAD、分支、普通的Tag可以简单的理解成是一个指针，指向对应commit的SHA1值。

其实还有第四种Git object，类型是tag，在添加含附注的tag（git tag -a）的时候会新建，这里不详细介绍，有兴趣的朋友按照上文中的方法可以深入探究。

至此我们知道了Git是什么储存一个文件的内容、目录结构、commit信息和分支的。其本质上是一个key-value的数据库加上默克尔树形成的有向无环图（DAG）。这里可以蹭一下区块链的热度，区块链的数据结构也使用了默克尔树。

# Git的三个分区 #

接下来我们看一下git的三个分区（工作目录，Index索引区域、git仓库），以及git变更记录是怎么形成的。

接着上面的例子，目前的仓库状态如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poaXpoZW5nZ3Vhbg_size_16_color_FFFFFF_t_70 2]  
这里有三个区域，它们储存的信息分别是：

*  工作目录（working directory）：操作系统上的文件，所有代码开发编辑都在这上面完成
 *  索引（ index or staging area ）：可以理解为一个暂存区，这里的代码会在下一个commit被提交到git仓库
 *  Git仓库（ git repository ）：由Git object记录着每一次提交的快照，以及链式结构记录的提交变更历史。

我们来看一下更新一个文件的内容这个过程会发生什么事。

![在这里插入图片描述][20210208132920975.gif]  
运行echo “333” > a.txt将a.txt的内容从111修改成333，此时如上图可以看到，此时索引区域和git仓库没有任何变化。  
![在这里插入图片描述][20210208133018159.gif]  
运行**git add a.txt将a.txt加入到索引区域**，此时如上图所示，**git在仓库里面新建了一个blob object，储存了新的文件内容。并且更新了索引将a.txt指向了新建的blob object**。  
![在这里插入图片描述][20210208133148264.gif]  
运行git commit -m 'update’提交这次修改。如上图所示

*  **Git首先根据当前的索引生产一个tree object，充当新提交的一个快照**。
 *  **创建一个新的commit object，将这次commit的信息储存起来，并且parent指向上一个commit，组成一条链记录变更历史。**
 *  **将master分支的指针移到新的commit结点。**

# 其他 #

## 为什么要把文件的权限和文件名储存在tree object里面而不是blob object呢？ ##

想象一下修改一个文件的命名。

如果将文件名保存在blob里面，那么Git只能多复制一份原始内容形成一个新的blob object。而Git的实现方法只需要创建一个新的tree object将对应的文件名更改成新的即可，原本的blob object可以复用，节约了空间。

## 每次commit，Git储存的是全新的文件快照还是储存文件的变更部分？ ##

由上面的例子我们可以看到，Git储存的是全新的文件快照，而不是文件的变更记录。也就是说，就算你只是在文件中添加一行，Git也会新建一个全新的blob object。那这样子是不是很浪费空间呢?

这其实是Git在空间和时间上的一个取舍，思考一下你要checkout一个commit，或对比两个commit之间的差异。如果Git储存的是问卷的变更部分，那么为了拿到一个commit的内容，Git都只能从第一个commit开始，然后一直计算变更，直到目标commit，这会花费很长时间。而相反，Git采用的储存全新文件快照的方法能使这个操作变得很快，直接从快照里面拿取内容就行了。

当然，在涉及网络传输或者Git仓库真的体积很大的时候，Git会有垃圾回收机制gc，不仅会清除无用的object，还会把已有的相似object打包压缩。

## Git怎么保证历史记录不可篡改？ ##

通过SHA1哈希算法和哈系树来保证。假设你偷偷修改了历史变更记录上一个文件的内容，那么这个问卷的blob object的SHA1哈希值就变了，与之相关的tree object的SHA1也需要改变，commit的SHA1也要变，这个commit之后的所有commit SHA1值也要跟着改变。又由于Git是分布式系统，即所有人都有一份完整历史的Git仓库，所以所有人都能很轻松的发现存在问题。

[20210208130643576.png]: /images/20220318/1c3d6c69622840be8640a3bddcf94aad.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poaXpoZW5nZ3Vhbg_size_16_color_FFFFFF_t_70]: /images/20220318/a7b5ee6c86be404ba3d096734989ce05.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poaXpoZW5nZ3Vhbg_size_16_color_FFFFFF_t_70 1]: /images/20220318/3f76a92b056d40e9aa4b0960d74d51b2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poaXpoZW5nZ3Vhbg_size_16_color_FFFFFF_t_70 2]: /images/20220318/c885dfc65bb34b759ecbbc7762324f0d.png
[20210208132920975.gif]: /images/20220318/2bc58efca77543ada84d37aff5820bc7.png
[20210208133018159.gif]: /images/20220318/e0af835adc7a4b7ab97782295663a6aa.png
[20210208133148264.gif]: /images/20220318/b33159adf92348f99559fa382a02d95d.png