git基础教程 了解git内部原理（上）

Posted 2021-12-23 奇妙之二进制

前文中，我们已经初步的使用了git，我们通过创建”提交”的方式将某个状态保存下来，”提交”就相当于我们手动管理版本时所创建的”副本”，但是，”提交”其实比”副本”高明的多，那么到底高明在哪里呢？我们一起来看看。

首先，来说说手动进行版本管理时所创建的副本。

假设，我的代码都放在一个名为project的目录中，现在project目录中有很多文件，总共占用磁盘空间2M，现在，我想要修改其中的一些代码文件，为了整个项目能够随时恢复到当前状态，我需要手动的创建一个副本，于是，我将整个项目目录拷贝了一份，这个副本也占据了2M磁盘空间，于是我开始了修改工作，修改工作完成后，我觉得修改后的状态也需要保存一下，以便随时回到这个状态，于是，我又创建了一个副本，这个副本也占据2M磁盘空间，也就是说，我每次创建副本，都是上述过程的重复，无论我修改了多少代码，即使只修改了一点点，我也需要将整个目录复制一份，以便保证目录中的所有文件在某一时刻的一致性，换句话说就是，即使两个版本之间的差异只有1k，但是也需要牺牲约2M的空间，来实现版本管理。

那么git是怎样实现版本管理的呢？git使用的方法，比我们高明的多，事实上，git只会对修改的部分创建副本，而不会对整个目录创建副本，那git是怎么做的呢？如果想要了解git是怎么做的，则需要从git对象说起，”git对象”的概念并不难理解，请坚持看完下文，看完了，自然就理解了。

当我们使用git进行版本管理时，git会将我们的文件和目录结构转化成git方便操作的数据，也就是说，git会将我们的文件和目录转化成一种叫做”git对象”的东西，然后再对这些”git对象”进行管理，从而实现版本管理的目的，这些git对象存放在git的对象库中。

我们眼中的文件会被git转化成”块”(blob)

我们眼中的目录会被git转化成”树”(tree)

我们眼中的状态会被git转化成”提交”(commit)

blob、tree、commit都是git对象，是三种不同类型的git对象

一个blob就是由一个文件转换而来，blob对象中只会存储文件的数据，而不会存储文件的元数据。

一个tree就是由一个目录转化而来，tree对象中只会存储一层目录的信息，它只存储它的直接文件和直接子目录的信息，但是子目录中的内容它并不会保存。

一个commit就是一个我们所创建的提交，它指向了一个tree，这个tree保存了某一时刻项目根目录中的直接文件信息和直接目录信息，也就是说，这个tree会指向直接文件的blob对象，并且指向直接子目录的tree对象，子目录的tree对象又指向了子目录中直接文件的blob，以及子目录的直接子目录的tree，依此类推。

每个git对象都有一个”身份证号”，这个身份证号是一个哈希码，这个哈希码通过SHA1算法得出，如果git对象的内容相同，那么他们的哈希码就是相同的，如果git对象的内容不同，那么他们的哈希码必定不同（通常来说，SHA1算法能够保证内容不同时，得到的哈希码必定不同，不过，理论上来说，即使内容不同，也有可能产生相同的哈希码，不过几率非常之小，我们可以忽略这种可能性），一个git对象的哈希码通常长成如下模样：

875925683e755d94e26a2dc1a1bc4c645a91acbe

它是一个40位的十六进制数。

刚才提到，每个git对象都有一个这样的哈希码，所以，每个”提交”（commit）也有一个这样的哈希码，在后文中，我们会使用提交的哈希码来表示某个提交，不过由于这个哈希码比较长，所以通常情况下，我们只会使用哈希码的前几位来表示一个提交，只要这个哈希码的前几位与别的哈希码的前几位不同，能体现出唯一性，我们就能用这个哈希码的前几位来表示这个提交，比如，刚才示例的哈希码如下

875925683e755d94e26a2dc1a1bc4c645a91acbe

我们可以使用8759256来表示这个哈希码。

只看上面一段描述，可能不太容易理解，我们来看张图，用图来描述上述内容似乎更加容易理解，下图模仿于 [Git版本控制管理]一书，下图中的圆形代表commit（即前文中的”小圆球”），三角形代表tree(由目录转化成的git对象)，长方形代表blob(由文件转化成的git对象)。假设，第一次提交之前，目录中只有两个文件，file1和file2，file1的内容为f1，file2的内容为f2，那么当第一个提交创建以后，git的对象库中会存在如下图的git对象

也就是说 ，当我们创建第一个提交以后，项目当时的状态已经被转化成了上图中的git对象，我们创建的第一个提交的哈希为8759256，它指向一个tree，这个tree就是当时根目录的状态，这个tree的哈希为e890df4，从上图可以看出，当时的根目录中只有两个文件，也就是两个blob，这个tree指向了这两个blob，这两个blob就是由file1和file2转化而来的。

如果此时，我们修改了file2，我们将file2的内容从f2修改成f22，并且在根目录中创建一个新的子目录dir1，在dir1中又添加了一个文件d1file1，d1file1的内容是df1，但是我们并没有对file1进行任何修改，那么，当我们再次提交以后，git对象库中会存在如下对象。

如上图所示，我们修改了file2，将其内容从f2修改成了f22，当第二个提交创建以后，git会将file2的新状态转化成一个新的blob对象，file2之前的状态对应的blob对象仍然保存在git对象库中，并且被初始提交引用，以便我们随时能够通过初始提交找到file2当时的状态，file2新的状态被新的提交引用，我们并没有修改file1，也就是说，file1的状态一直没有发生改变，所以，新的提交只是通过tree对象指向了之前file1对应的blob，由于我们在根目录中创建了一个子目录dir1，所以，在新的根目录的tree对象中，也包含了它的直接子目录信息，并且指向了新子目录对应的tree对象，子目录tree对象中又保存了自己目录中的信息，也就是d1file1文件对应的blob对象。

看完上述过程，我们回到最初的问题，当我们手动创建副本时，为了保存项目中所有文件在某一个时刻的状态的关联性和一致性，我们需要对整个项目(所有文件)创建副本，这种做法就会导致之前描述的问题发生，即使两个副本之间的差异只有1k，也需要牺牲2M的磁盘空间，每次创建副本，无论改动的大小，都会牺牲整个项目大小的磁盘空间，这样在频繁创建副本的情况下，是非常不划算的，但是git的做法就高明的多，它只会对改动的文件创建副本，就像上例中的file2，当file2的状态发生改变时，git才会对file2的新状态创建新的blob对象。

file1的状态没有发生改变，git就不会对file1创建副本，也就是说，在两个commit中(在整个项目的两个状态中)file1的状态是相同的，于是git并没有对file1重复的创建blob，而是通过引用的方式，指向了file1对应的blob，即两个副本复用了同一个file1的状态，所以，当我们使用git进行版本管理时，只会牺牲最小的磁盘空间，来实现版本管理。

我对git的理解似乎加深了，因为我明白了，一个commit就代表项目的一个状态（相当于手动创建的副本），一个commit背后是一堆git对象，git将这些git对象巧妙的组织在了一起，从而实现了版本管理的目的。