Git底层原理

2017-12-21 本文已影响31人伊凡的一天

git本质上是一个内容寻址的文件系统，并在此基础上提供了一个版本控制系统的界面。

一个已经初始化后的git目录结构如图：

git目录结构

其中我们需要重点关注以下四个文件：

1. HEAD：保存了当前被检出的分支

2. objects：存储所有的数据内容

3. index：存储暂存区信息

4. refs：存储指向commit对象的指针

1. Git对象

objects目录下存储了git中所有的数据对象，其目录结构如下：

objects 0d 7f012a2181ab54c95b4078674da7b31b580bff 1c c469fe42468071e2b1823650fb0a3206985281

objects目录中存储的对象拥有一个40位的id，其中前2位作为文件夹名，后38位作为文件名，文件内容即为该对象的值。git中拥有四种对象类型：blob，tree，commit和tag。

1.1 blob对象

blob对象存储了用户工作区域内的文件内容。当执行git add命令时，objects下会生成新的blob对象，保存了add命令的文件内容。

使用git cat-file命令可以从指定的对象中取得数据，加上-p选项

git构造一个对象时，首先添加一个header，header以对象类型开头。下面的例子时git构造了一个内容为字符串"blob"，类型为blob的对象。header首先以blob开头，然后添加一个空格，随后是数据内容的长度，最后是一个空字节。因此一个blob对象包含一个blob header和原始数据内容，其形式如下：

>> header = "blob #{content.length}\0"

=> "blob 16\u0000"

Git会将上述header和原始数据内容为这个blob对象计算出SHA-1校验和。此SHA-1校验和就是前文所说的40位长度的对象id。然后git根据此id值确定此对象的存储位置（前2位作为文件夹，后38位作为文件名），使用zlib压缩此blob对象然后存储到相应位置。

commit对象，tree对象的文件header则以"commit"和"tree"开头。

1.2 tree对象

tree对象，顾名思义是一棵树，它的每个节点被称为tree entry。每个tree entry有一个指向blob对象或子树对象的SHA-1指针，以及相应的模式，类型，文件名信息等。例如，某个tree对象的信息如下：

tree对象

每一行代表此tree对象的一个节点，即tree entry。第一列代表文件模式，其中040000表示这是一个目录，而100644表示这时一个普通文件。第二列表示此节点的对象类型。第三类是此节点的对象SHA-1值，通过此SHA-1值来定位数据内容，可以通过git cat-file -p <SHA-1>来查看。第四列则代表了文件名。因此，此tree对象的树形结构图如下：

tree对象

tree对象同blob对象一样，拥有一个SHA-1值，并且通过SHA-1值来确定文件位置，并将添加了header的tree对象内容写入到objects目录下。

1.3 commit对象

一个commit对象保存了一次commit的信息，包括作者，提交注释，并且指向父commit对象和一个tree对象。这个tree对象是当前项目快照。如图所示：

commit对象

2. 再谈git文件夹结构

2.1 index文件

index文件实际上就代表了git中暂存区。它存储了一个tree对象，表示当前项目的快照。当运行git add命令时，首先在objects目录下生成一个新的blob对象，然后更新index文件中的tree对象。

当运行git status命令时，git会对比工作区和暂存区的文件，具体流程如下：

1. 首先比较文件的时间戳和长度，如果相同则认为文件没有改变。

2. 如果发现时间戳不同，则比较文件内容，如果内容相同，则将工作区文件的时间戳更新到index文件（暂存区）中。

3. 如果工作区文件和暂存区文件内容不相同，则提示有changes

当运行git commit命令时，首先使用index文件中tree对象在objects目录下创建一个tree对象，然后在objects目录下创建一个commit对象，commit对象指向此tree对象以及父commit对象，最后更新.git/refs/heads/master（commit时的分支名）文件内容为此commit的SHA-1值。