Git原理初探

一、Git存储对象

Git中有三种存储的对象，它们分别是blob，tree和commit，每一种的每一个对象都用SHA1算法对其内容进行计算得到一个哈希值key，作为其唯一标识。可以使用命令：

git cat-file -t <key>
git cat-file -p <key>

分别去查看这个对象的类型和内容。注意：直接使用cat命令是查看到是被git压缩后的内容。它们存储的位置在目录：.git/object下。

1.blob

blob对象是Git中占用空间最大的对象，因为其直接对应一个文件内容，注意不包括文件名，和文件权限。每使用一次git add 就会在git仓库中新增blob对象。Git会根据文件的内容生成一个key指向这个blob。其类型和内容显示方式分别如下：

你一定想知道，这个key值是怎么来的，不急，接着往下看~

2.tree

tree对象是指一次项目快照，项目快照是指一个文件列表，每个条目包含了文件的权限，类型，文件内容的hash值，文件名。这个hash就会指向一个blob对象。同样根据tree的内容生成一个唯一的key。

3.commit

commit对象是指一次提交，提交的内容包括了上一个commit，作者，提交人，提交log，签名。同样会根据提交的内容生成一个key指向它。

4.初看一次提交的过程

（1）初始化一个git 仓库

git init

（2）添加两个文件

echo "111" > file1.txt
echo "222" > file2.txt

（3）git add

git add .

此条命令后，就可以看到在目录**.git/object**目录下出现了两个目录，这个目录以哈希值的前两位作为文件名，对所有对象进行了归档。

两个目录下分别存在两个blog对象，其内容恰为"111"和"222"。


（4）git commit
可以看到目录下又出现了两个对象，分别为一个tree对象和一个commit对象。
tree对象：

commit对象

5.小结

本小结介绍了Git中的三个基本存储对象，小结三类存储对象的关系如下图：

二、Git的3个分区

Git存在三个分区，分别为工作目录，索引，Git仓库。
（1）工作目录是指使用git add命令前，所有的修改存在的区域；
（2）索引就是一个tree对象，但其并未被存储到git仓库中。它记录了上一次add后的项目快照。
（3）Git仓库就是存储了所有的对象的地方。
在一次提交过程中，分区的变化可以分为三个阶段：git add前，git add后与git commit前以及git commit后。

1.阶段1：git add前

此时所有的修改都只存在于工作目录，如新增一个文件时，这个文件时为跟踪的，并不以blob的形式存在于git 仓库。

2.阶段2：git add后&&git commit前

当使用git add命令后，会有两步操作：
（1）被修改，添加或删除的文件将会生成一个新的blob对象，并存储到git仓库中。
（2）索引（暂存区）将从旧的blob对象指向新的blob对象

3.阶段3：git commit后

使用git commit命令后，则会有三步操作：
（1）索引区的内容将会生成一个新的tree对象，存储到git仓库中
（2）生成一个新的commit对象，指向这个tree对象，并存储到git仓库中
（3）HEAD将指向这个新的commit对象

看到这里，会不会有一种git原来是这样运行的想法！

三、Git的指针

ref是reference的缩写,而Git中有三类指针，HEAD，分支，Tag。没错，它们都是指针。不信，请看：
(1)分支
查看当前所在的分支是master

查看这个分支的内容是啥：
在目录**.git/refs/heads**下可以找到所有的分支，查看master的内容，我们惊喜的分线发现，这个id四层相识，没错它指向了commit，因此，实际上分支就是一个指向commit的指针。同样的Tag也是如此。

(2)HEAD
可以看到HEAD实际上指向的是一个分支，而分支实际上指向的就是一个commit，因此HEAD实际上指向的就是一个commit。

（3）git reflog
这条命令实际上记录了HEAD的变化历史，如果我们想要找到一个丢失了的分支或者commmit，我们就可以使用这条命令，配合命令：

git reset --hard commit-key

回到想要回去的分支。哈哈，这个是不"是（很）腻害~"。

四、有意思的问题

1.Git是如何保证历史不被篡改的？

答：想想看，当你修改一个提交内容后，这个提交对应的hash值就会改变，而这个hash将作为之后的提交的内容，因此下一个提交的hash值也会改变，这样，当前提交以及之后的提交的hash全部要改变。

2.每次commit，Git存储的是全新的文件快照还是变更部分？

答：全新的文件快照。如果使用变更部分作为存储，那么如果我们想要回复本次的文件快照，那么我们就要遍历之前的所有的快照，并依次应用变更，这样的操作就是O（n）的复杂度，而全新的，只要O（1）。

3.为什么文件权限和文件名存储在Tree Object而不是Blob Object?

答：文件权限和文件名与文件内容分离的方式，可以使用文件内容被复用。也就是说，当我们只更改了文件权限和文件名，却要重新创建一个Blob对象，众所周知，Blob对象所占用的存储空间是巨大的，这样显然不划算。因此分离的方式，本质上就是为了减少存储开销。

五、总结

本文从Git的3个基本概念——存储对象，分区和指针来讲解Git的基本原理，并列举了几个问题。

参考

本文大量参考了视频https://www.bilibili.com/video/av77252063里的技术分享。

shower thought

为什么要掌握Git的原理？也许有人说，git只是一个工具，我只要会使用简单的git命令进行提交就可以了。但是，事实果真如此吗？你可以保证自己在使用git的时候不会因为误操作而删除一个分支，你愿意明明可以通过git stash保存自己的修改的情况下还要通过文件的复制+git reset的低效的方式去应对突如其来的需求吗，当你在抓耳挠腮，苦苦等待不在工位上的支撑组同事的帮助时，已经耗费了太多的时间和精力。因此，为了更高效地使用git，也为了在解决问题的时候不依赖他人，掌握一定的git原理实际上就是在节省自己的时间。就像一个开发者必须掌握开发也需要会解决编译问题一样。引用侯捷的一句话，“源码之前，了无秘密”。