第 8 章 揭開面紗

我們揭開Git神秘面紗，往里瞧瞧它是如何創(chuàng)造奇跡的。我會跳過細節(jié)。更深入的描述參 見?用戶手 冊。

大象無形

Git怎么這么謙遜寡言呢？除了偶爾提交和合并外，你可以如常工作，就像不知道版本控 制系統(tǒng)存在一樣。那就是，直到你需要它的時候，而且那是你歡欣的時候，Git一直默默 注視著你。

其他版本控制系統(tǒng)強迫你與繁文縟節(jié)和官僚主義不斷斗爭。文件的權(quán)限可能是只讀的， 除非你顯式地告訴中心服務(wù)器哪些文件你打算編輯。即使最基本的命令，隨著用戶數(shù)目 的增多，也會慢的像爬一樣。中心服務(wù)器可能正跟蹤什么人，什么時候check out了什么 代碼。當(dāng)網(wǎng)絡(luò)連接斷了的時候，你就遭殃了。開發(fā)人員不斷地與這些版本控制系統(tǒng)的種 種限制作斗爭。一旦網(wǎng)絡(luò)或中心服務(wù)器癱瘓，工作就嘎然而止。

與之相反，Git簡單地在你工作目錄下的.git`目錄保存你項目的歷史。這是你自己的歷 史拷貝，因此你可以保持離線，直到你想和他人溝通為止。你擁有你的文件命運完全的 控制權(quán)，因為Git可以輕易在任何時候從.git`重建一個保存狀態(tài)。

數(shù)據(jù)完整性

很多人把加密和保持信息機密關(guān)聯(lián)起來，但一個同等重要的目標是保證信息安全。合理 使用哈希加密功能可以防止無意或有意的數(shù)據(jù)損壞行為。

一個SHA1哈希值可被認為是一個唯一的160位ID數(shù)，用它可以唯一標識你一生中遇到的每 個字節(jié)串。 實際上不止如此：每個字節(jié)串可供任何人用好多輩子。

對一個文件而言，其整體內(nèi)容的哈希值可以被看作這個文件的唯一標識ID數(shù)。

因為一個SHA1哈希值本身也是一個字節(jié)串，我們可以哈希包括其他哈希值的字節(jié)串。這 個簡單的觀察出奇地有用：查看“哈希鏈”。我們之后會看Git如何利用這一點來高效地 保證數(shù)據(jù)完整性。

簡言之，Git把你數(shù)據(jù)保存在.git/objects子目錄，那里看不到正常文件名，相反你只 看到ID。通過用ID作為文件名，加上一些文件鎖和時間戳技巧，Git把任意一個原始的文 件系統(tǒng)轉(zhuǎn)化為一個高效而穩(wěn)定的數(shù)據(jù)庫。

智能

Git是如何知道你重命名了一個文件，即使你從來沒有明確提及這個事實？當(dāng)然，你或許 是運行了?git mv?，但這個命令和?git add?緊接?git rm?是完全一樣的。

Git啟發(fā)式地找出相連版本之間的重命名和拷貝。實際上，它能檢測文件之間代碼塊的移 動或拷貝！盡管它不能覆蓋所有的情況，但它已經(jīng)做的很好了，并且這個功能也總在改 進中。如果它在你那兒不工作的話，可以嘗試打開開銷更高的拷貝檢測選項，并考慮升 級。

索引

為每個加入管理的文件，Git在一個名為“index”的文件里記錄統(tǒng)計信息，諸如大小， 創(chuàng)建時間和最后修改時間。為了確定文件是否更改，Git比較其當(dāng)前統(tǒng)計信息與那些在索 引里的統(tǒng)計信息。如果一致，那Git就跳過重新讀文件。

因為統(tǒng)計信息的調(diào)用比讀文件內(nèi)容快的很多，如果你僅僅編輯了少數(shù)幾個文件，Git幾乎 不需要什么時間就能更新他們的統(tǒng)計信息。

我們前面講過索引是一個中轉(zhuǎn)區(qū)。為什么一堆文件的統(tǒng)計數(shù)據(jù)是一個中轉(zhuǎn)區(qū)？因為添加 命令將文件放到Git的數(shù)據(jù)庫并更新它們的統(tǒng)計信息，而無參數(shù)的提交命令創(chuàng)建一個提交， 只基于這些統(tǒng)計信息和已經(jīng)在數(shù)據(jù)庫里的文件。

Git的源起

這個?Linux內(nèi)核郵件列表帖子?描述了導(dǎo)致Git 的一系列事件。整個討論線索是一個令人著迷的歷史探究過程，對Git史學(xué)家而言。

對象數(shù)據(jù)庫

你數(shù)據(jù)的每個版本都保存在“對象數(shù)據(jù)庫”里，其位于子目錄.git/objects`；其他位 于.git/`的較少數(shù)據(jù)：索引，分支名，標簽，配置選項，日志，頭提交的當(dāng)前位置等。 對象數(shù)據(jù)庫樸素而優(yōu)雅，是Git的力量之源。

.git/objects里的每個文件是一個對象。有3中對象跟我們有關(guān)：“blob”對象， “tree”對象，和“commit”對象。

Blob對象

首先來一個小把戲。去一個文件名，任意文件名。在一個空目錄：

$ echo sweet > YOUR_FILENAME
$ git init
$ git add .
$ find .git/objects -type f

你將看到?.git/objects/aa/823728ea7d592acc69b36875a482cdf3fd5c8d?。

我如何在不知道文件名的情況下知道這個？這是因為以下內(nèi)容的SHA1哈希值：

"blob" SP "6" NUL "sweet" LF

是 aa823728ea7d592acc69b36875a482cdf3fd5c8d，這里SP是一個空格，NUL是一個0字節(jié)， LF是一個換行符。你可以驗證這一點，鍵入：

$ printf "blob 6\000sweet\n" | sha1sum

Git基于“內(nèi)容尋址”：文件并不按它們的文件名存儲，而是按它們包含內(nèi)容的哈希值， 在一個叫“blob對象”的文件里。我們可以把文件內(nèi)容的哈希值看作一個唯一ID，這樣 在某種意義上我們通過他們內(nèi)容放置文件。開始的“blob 6”只是一個包含對象類型與 其長度的頭；它簡化了內(nèi)部存儲。

這樣我可以輕易語言你所看到的。文件名是無關(guān)的：只有里面的內(nèi)容被用作構(gòu)建blob對象。

你可能想知道對相同的文件什么會發(fā)生。試圖加一個你文件的拷貝，什么文件名都行。 在?.git/objects?的內(nèi)容保持不變，不管你加了多少。Git只存儲一次數(shù)據(jù)。

順便說一句，在?.git/objects?里的文件用zlib壓縮，因此你不應(yīng)該直接查看他們。 可以通過zpipe -d?管道， 或者鍵入：

$ git cat-file -p aa823728ea7d592acc69b36875a482cdf3fd5c8d

這漂亮地打印出給定的對象。

Tree對象

但文件名在哪？它們必定在某個階段保存在某個地方。Git在提交時得到文件名：

$ git commit  # 輸入一些信息。
$ find .git/objects -type f

你應(yīng)看到3個對象。這次我不能告訴你這兩個新文件是什么，因為它部分依賴你選擇的文 件名。我繼續(xù)進行，假設(shè)你選了‘`rose’'。如果你沒有，你可以重寫歷史以讓它看起來 像似你做了：

$ git filter-branch --tree-filter 'mv YOUR_FILENAME rose'
$ find .git/objects -type f

現(xiàn)在你硬看到文件?.git/objects/05/b217bb859794d08bb9e4f7f04cbda4b207fbe9?，因為這是以下內(nèi)容的SHA1哈希值：

"tree" SP "32" NUL "100644 rose" NUL 0xaa823728ea7d592acc69b36875a482cdf3fd5c8d

檢查這個文件真的包含上面內(nèi)容通過鍵入：

$ echo 05b217bb859794d08bb9e4f7f04cbda4b207fbe9 | git cat-file --batch

使用zpipe，驗證哈希值是容易的：

$ zpipe -d < .git/objects/05/b217bb859794d08bb9e4f7f04cbda4b207fbe9 | sha1sum

與查看文件相比，哈希值驗證更技巧一些，因為其輸出不止包含原始未壓縮文件。

這個文件是一個“tree”對象：一組數(shù)據(jù)包含文件類型，文件名和哈希值。在我們的例 子里，文件類型是100644，這意味著“rose”是一個一般文件，并且哈希值指blob對象， 包含“rose”的內(nèi)容。其他可能文件類型有可執(zhí)行，鏈接或者目錄。在最后一個例子里， 哈希值指向一個tree對象。

在一些過渡性的分支，你會有一些你不在需要的老的對象，盡管有寬限過期之后，它們 會被自動清除，現(xiàn)在我們還是將其刪除，以使我們比較容易跟上這個玩具例子。

$ rm -r .git/refs/original
$ git reflog expire --expire=now --all
$ git prune

在真實項目里你通常應(yīng)該避免像這樣的命令，因為你在破換備份。如果你期望一個干凈 的倉庫，通常最好做一個新的克隆。還有，直接操作?.git?時一定要小心：如果 Git命令同時也在運行會怎樣，或者突然停電？一般，引用應(yīng)由?git update-ref -d?刪除，盡管通常手工刪除?refs/original?也是安全的。

Commit對象

我們已經(jīng)解釋了三個對象中的兩個。第三個是“commit”對象。其內(nèi)容依賴于提交信息 以及其創(chuàng)建的日期和時間。為滿足這里我們所有的，我們不得不調(diào)整一下：

$ git commit --amend -m Shakespeare  # 改提交信息
$ git filter-branch --env-filter 'export
    GIT_AUTHOR_DATE="Fri 13 Feb 2009 15:31:30 -0800"
    GIT_AUTHOR_NAME="Alice"
    GIT_AUTHOR_EMAIL="alice@example.com"
    GIT_COMMITTER_DATE="Fri, 13 Feb 2009 15:31:30 -0800"
    GIT_COMMITTER_NAME="Bob"
    GIT_COMMITTER_EMAIL="bob@example.com"'  # Rig timestamps and authors.
$ find .git/objects -type f

你現(xiàn)在應(yīng)看到?.git/objects/49/993fe130c4b3bf24857a15d7969c396b7bc187?是下列 內(nèi)容的SHA1哈希值：

"commit 158" NUL
"tree 05b217bb859794d08bb9e4f7f04cbda4b207fbe9" LF
"author Alice <alice@example.com> 1234567890 -0800" LF
"committer Bob <bob@example.com> 1234567890 -0800" LF
LF
"Shakespeare" LF

和前面一樣，你可以運行zpipe或者cat-file來自己看。

這是第一個提交，因此沒有父提交，但之后的提交將總有至少一行，指定一個父提交。

沒那么神

Git的秘密似乎太簡單。看起來似乎你可以整合幾個shell腳本，加幾行C代碼來弄起來， 也就幾個小時的事：一個基本文件操作和SHA1哈?；幕祀s，用鎖文件裝飾一下，文件 同步保證健壯性。實際上，這準確描述了Git的最早期版本。盡管如此，除了巧妙地打包 以節(jié)省空間，巧妙地索引以省時間，我們現(xiàn)在知道Git如何靈巧地改造文件系統(tǒng)成為一個 對版本控制完美的數(shù)據(jù)庫。

例如，如果對象數(shù)據(jù)庫里的任何一個文件由于硬盤錯誤損毀，那么其哈希值將不再匹配， 這個錯誤會報告給我們。通過哈?；渌麑ο蟮墓Ｖ?，我們在所有層面維護數(shù)據(jù)完整 性。Commit對象是原子的，也就是說，一個提交永遠不會部分地記錄變更：在我們已經(jīng) 存儲所有相關(guān)tree對象，blob對象和父commit對象之后，我們才可以計算提交的的哈希 值并將其存儲在數(shù)據(jù)庫，對象數(shù)據(jù)庫不受諸如停電之類的意外中斷影響。

我們打敗即使是最狡猾的對手。假設(shè)有誰試圖悄悄修改一個項目里一個遠古版本文件的 內(nèi)容。為使對象據(jù)庫看起來健康，他們也必須修改相應(yīng)blob對象的哈希值，既然它現(xiàn)在 是一個不同的字節(jié)串。這意味著他們講不得不引用這個文件的tree對象的哈希值，并反 過來改變所有與這個tree相關(guān)的commit對象的哈希值，還要加上這些提交所有后裔的哈 希值。這暗示官方head的哈希值與這個壞倉庫不同。通過跟蹤不匹配哈希值線索，我 們可以查明殘缺文件，以及第一個被破壞的提交。

總之，只要20個字節(jié)代表最后一次提交的是安全的，不可能篡改一個Git倉庫。

那么Git的著名功能怎樣呢？分支？合并？標簽？單純的細節(jié)。當(dāng)前head保存在文件?.git /HEAD?，其中包含了一個commit對象的哈希值。該哈希值在運行提交以及其他命 令是更新。分支幾乎一樣：它們是保存在?.git/refs/heads?的文件。標簽也是：它們 住在住在?.git/refs/tags?，但它們由一套不同的命令更新。