Skip to main content

​
Git 内部原理：深入理解版本控制系统

理解 Git 的内部工作原理不仅能帮助你更有效地使用它，还能在遇到复杂问题时提供解决思路。本章将揭开 Git 的神秘面纱，探索其核心设计和数据结构。

​
Git 对象模型

Git 的核心是一个内容寻址文件系统，建立在四种基本对象类型之上：

​
1. Blob 对象

Blob (Binary Large Object) 对象存储文件的内容，但不包含文件名等元数据。 
# 查看文件的 blob 对象哈希值
git hash-object path/to/file

# 查看 blob 对象的内容
git cat-file -p <blob-hash>
每个 blob 对象由其内容的 SHA-1 哈希值唯一标识。相同内容的文件，即使在不同目录或有不同文件名，也会共享同一个 blob 对象，这是 Git 存储效率高的原因之一。

​
2. Tree 对象

Tree 对象相当于文件系统中的目录，它记录了 blob 对象（文件）和其他 tree 对象（子目录）的引用，以及它们的名称和权限。 
# 查看 tree 对象内容
git cat-file -p <tree-hash>
输出示例： 
100644 blob a906cb2a4a904a152e80877d4088654daad0c859    README.md
100644 blob 8f94139338f9404f26296befa88755fc2598c289    package.json
040000 tree cbd76b8b4d799ca2421a741b3a493a5f5e7921a0    src
每行包含：模式（文件权限）、类型（blob 或 tree）、对象哈希值和名称。

​
3. Commit 对象

Commit 对象代表项目在特定时间点的快照，它包含：
  • 指向项目根目录 tree 对象的引用
  • 父 commit 对象的引用（合并提交可能有多个父提交）
  • 作者和提交者信息（姓名、邮箱、时间戳）
  • 提交信息
# 查看 commit 对象内容
git cat-file -p <commit-hash>
输出示例： 
tree 29ff16c9c14e2652b22f8b78bb08a5a07930c147
parent 206941306e8a8af65b66eaaaea388a7ae24d49a0
author John Doe <[email protected]> 1623456789 +0800
committer John Doe <[email protected]> 1623456789 +0800

Implement new feature

​
4. Tag 对象

Tag 对象是对特定对象（通常是 commit）的命名引用，包含标签名称、创建者信息、日期和可选的 GPG 签名。 
# 查看 tag 对象内容
git cat-file -p <tag-hash>
输出示例： 
object 098bf7d8c0532b7f0abde1de2f13a86bfc7c2026
type commit
tag v1.0.0
tagger John Doe <[email protected]> 1623456789 +0800

Release version 1.0.0

​
Git 引用

Git 引用是指向特定 commit 的指针，存储在 .git/refs 目录下：
  • 分支: .git/refs/heads/<branch-name>
  • 远程分支: .git/refs/remotes/<remote>/<branch-name>
  • 标签: .git/refs/tags/<tag-name>
每个引用文件只包含一个 commit 哈希值。特殊引用 HEAD (存储在 .git/HEAD) 通常指向当前分支。 
# 查看引用内容
cat .git/refs/heads/main
cat .git/HEAD

​
.git 目录结构

Git 仓库的所有信息都存储在项目根目录下的 .git 目录中： 
.git/
├── HEAD           # 指向当前分支的引用
├── config         # 仓库特定的配置
├── description    # 仓库描述（主要用于 GitWeb）
├── hooks/         # 客户端或服务器端钩子脚本
├── index          # 暂存区信息
├── objects/       # 所有 Git 对象（blob、tree、commit、tag）
│   ├── pack/      # 打包的对象
│   └── info/      # 对象信息
└── refs/          # 引用（分支、标签等）
    ├── heads/     # 本地分支
    ├── remotes/   # 远程分支
    └── tags/      # 标签

​
Git 的三个区域

理解 Git 的三个工作区域对于掌握 Git 工作流至关重要：
  1. 工作目录 (Working Directory): 包含项目的实际文件，你可以直接编辑这些文件。
  2. 暂存区 (Staging Area/Index): 存储在 .git/index 文件中，记录了下一次提交将包含的文件快照。
  3. 本地仓库 (Repository): 存储在 .git/objects 目录中的提交历史。
Git 的三个区域 Git 的三个区域：工作目录、暂存区和本地仓库

​
数据完整性

Git 使用 SHA-1 哈希算法确保数据完整性。每个对象的 ID 是其内容的哈希值，这意味着：
  1. 任何内容变化都会导致完全不同的哈希值
  2. 可以通过哈希值检测数据损坏
  3. 相同内容总是产生相同的哈希值，实现去重

​
包文件 (Packfiles)

为了节省空间，Git 会定期将松散对象打包成”包文件”： 
# 手动创建包文件
git gc
包文件存储在 .git/objects/pack 目录中，包含两个文件：
  • .pack 文件：包含所有对象的实际数据
  • .idx 文件：索引，用于快速访问 .pack 文件中的对象
Git 使用增量存储技术，只存储对象之间的差异，大大减少了存储空间需求。

​
引用规格 (Refspec)

引用规格定义了远程引用如何映射到本地引用，格式为 <src>:<dst>： 
# 在 .git/config 中的示例
[remote "origin"]
    url = https://github.com/user/repo.git
    fetch = +refs/heads/*:refs/remotes/origin/*
这指定了从远程 refs/heads/* 获取并存储到本地 refs/remotes/origin/*。

​
传输协议

Git 支持四种主要的数据传输协议：
  1. 本地协议: 直接访问本地文件系统中的另一个仓库
  2. HTTP 协议: 通过 HTTP/HTTPS 传输数据
  3. SSH 协议: 通过 SSH 安全传输数据
  4. Git 协议: 专用端口 (9418)，无认证但速度最快
# 查看远程仓库使用的协议
git remote -v
理解 Git 的内部原理可以帮助你更有效地使用它，特别是在处理复杂情况或需要恢复数据时。虽然日常使用不需要深入了解这些细节，但这些知识将使你成为更熟练的 Git 用户，能够理解命令背后的原理，而不仅仅是记住命令。