本文以一個(gè)具體例子結(jié)合動圖介紹了Git的內(nèi)部原理，包括Git是怎么儲存我們的代碼和變更歷史的、更改一個(gè)文件時(shí)，Git內(nèi)部是怎么變化的、Git這樣實(shí)現(xiàn)的有什么好處等等。
通過例子解釋清楚上面這張動圖，讓大家了解Git的內(nèi)部原理。如果你已經(jīng)能夠看懂這張圖了，下面的內(nèi)容可能對你來說會比較基礎(chǔ)。

前言

近幾年技術(shù)發(fā)展十分迅猛，讓部分同學(xué)養(yǎng)成了一種學(xué)習(xí)知識停留在表面，只會調(diào)用一些指令的習(xí)慣。我們時(shí)常有一種“我會用這個(gè)技術(shù)、這個(gè)框架”的錯(cuò)覺，等到真正遇到問題，才發(fā)現(xiàn)事情沒有那么簡單。

而Git也是一個(gè)大部分人都知道如何去使用它，知道有哪些命令，卻只有少部分人知道具體原理的東西。了解一些底層的東西，可以更好的幫你理清思路，知道你真正在操作什么，不會迷失在Git大量的指令和參數(shù)上面。

Git是怎么儲存信息的

這里會用一個(gè)簡單的例子讓大家直觀感受一下git是怎么儲存信息的。

首先我們先創(chuàng)建兩個(gè)文件

$ git init
$ echo '111' > a.txt
$ echo '222' > b.txt
$ git add *.txt

Git會將整個(gè)數(shù)據(jù)庫儲存在.git/目錄下，如果你此時(shí)去查看.git/objects目錄，你會發(fā)現(xiàn)倉庫里面多了兩個(gè)object。

$ tree .git/objects
.git/objects
├── 58
│   └── c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c
├── c2
│   └── 00906efd24ec5e783bee7f23b5d7c941b0c12c
├── info
└── pack

好奇的我們來看一下里面存的是什么東西

$ cat .git/objects/58/c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c
xKOR0a044K%

怎么是一串亂碼？這是因?yàn)镚it將信息壓縮成二進(jìn)制文件。但是不用擔(dān)心，因?yàn)镚it也提供了一個(gè)能夠幫助你探索它的api git cat-file [-t] [-p]， -t可以查看object的類型，-p可以查看object儲存的具體內(nèi)容。

$ git cat-file -t 58c9
blob
$ git cat-file -p 58c9
111

可以發(fā)現(xiàn)這個(gè)object是一個(gè)blob類型的節(jié)點(diǎn)，它的內(nèi)容是111，也就是說這個(gè)object儲存著a.txt文件的內(nèi)容。

這里我們遇到第一種Git object，blob類型，它只儲存的是一個(gè)文件的內(nèi)容，不包括文件名等其他信息。然后將這些信息經(jīng)過SHA1哈希算法得到對應(yīng)的哈希值58c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c，作為這個(gè)object在Git倉庫中的唯一身份證。

也就是說，我們此時(shí)的Git倉庫是這樣子的：

我們繼續(xù)探索，我們創(chuàng)建一個(gè)commit。

$ git commit -am '[+] init'
$ tree .git/objects
.git/objects
├── 0c
│   └── 96bfc59d0f02317d002ebbf8318f46c7e47ab2
├── 4c
│   └── aaa1a9ae0b274fba9e3675f9ef071616e5b209
...

我們會發(fā)現(xiàn)當(dāng)我們commit完成之后，Git倉庫里面多出來兩個(gè)object。同樣使用cat-file命令，我們看看它們分別是什么類型以及具體的內(nèi)容是什么。

$ git cat-file -t 4caaa1
tree
$ git cat-file -p 4caaa1
100644 blob 58c9bdf9d017fcd178dc8c0...     a.txt
100644 blob c200906efd24ec5e783bee7...    b.txt

這里我們遇到了第二種Git object類型——tree，它將當(dāng)前的目錄結(jié)構(gòu)打了一個(gè)快照。從它儲存的內(nèi)容來看可以發(fā)現(xiàn)它儲存了一個(gè)目錄結(jié)構(gòu)（類似于文件夾），以及每一個(gè)文件（或者子文件夾）的權(quán)限、類型、對應(yīng)的身份證（SHA1值）、以及文件名。

此時(shí)的Git倉庫是這樣的：

$ git cat-file -t 0c96bf
commit
$ git cat-file -p 0c96bf
tree 4caaa1a9ae0b274fba9e3675f9ef071616e5b209
author lzane 李澤帆  1573302343 +0800
committer lzane 李澤帆  1573302343 +0800
[+] init

接著我們發(fā)現(xiàn)了第三種Git object類型——commit，它儲存的是一個(gè)提交的信息，包括對應(yīng)目錄結(jié)構(gòu)的快照tree的哈希值，上一個(gè)提交的哈希值（這里由于是第一個(gè)提交，所以沒有父節(jié)點(diǎn)。在一個(gè)merge提交中還會出現(xiàn)多個(gè)父節(jié)點(diǎn)），提交的作者以及提交的具體時(shí)間，最后是該提交的信息。

此時(shí)我們?nèi)タ碐it倉庫是這樣的：

到這里我們就知道Git是怎么儲存一個(gè)提交的信息的了，那有同學(xué)就會問，我們平常接觸的分支信息儲存在哪里呢？

$ cat .git/HEAD
ref: refs/heads/master

$ cat .git/refs/heads/master
0c96bfc59d0f02317d002ebbf8318f46c7e47ab2

在Git倉庫里面，HEAD、分支、普通的Tag可以簡單的理解成是一個(gè)指針，指向?qū)?yīng)commit的SHA1值。

其實(shí)還有第四種Git object，類型是tag，在添加含附注的tag（git tag -a）的時(shí)候會新建，這里不詳細(xì)介紹，有興趣的朋友按照上文中的方法可以深入探究。

至此我們知道了Git是怎么儲存一個(gè)文件的內(nèi)容、目錄結(jié)構(gòu)、commit信息和分支的。其本質(zhì)上是一個(gè)key-value的數(shù)據(jù)庫加上默克爾樹形成的有向無環(huán)圖（DAG）。這里可以蹭一下區(qū)塊鏈的熱度，區(qū)塊鏈的數(shù)據(jù)結(jié)構(gòu)也使用了默克爾樹。

Git的三個(gè)分區(qū)

接下來我們來看一下Git的三個(gè)分區(qū)（工作目錄、Index 索引區(qū)域、Git倉庫），以及Git變更記錄是怎么形成的。了解這三個(gè)分區(qū)和Git鏈的內(nèi)部原理之后可以對Git的眾多指令有一個(gè)“可視化”的理解，不會再經(jīng)常搞混。

接著上面的例子，目前的倉庫狀態(tài)如下：

這里有三個(gè)區(qū)域，他們所儲存的信息分別是：

• 工作目錄 （ working directory ）：操作系統(tǒng)上的文件，所有代碼開發(fā)編輯都在這上面完成。
• 索引（ index or staging area ）：可以理解為一個(gè)暫存區(qū)域，這里面的代碼會在下一次commit被提交到Git倉庫。
• Git倉庫（ git repository ）：由Git object記錄著每一次提交的快照，以及鏈?zhǔn)浇Y(jié)構(gòu)記錄的提交變更歷史。

我們來看一下更新一個(gè)文件的內(nèi)容這個(gè)過程會發(fā)生什么事。

運(yùn)行echo "333" > a.txt將a.txt的內(nèi)容從111修改成333，此時(shí)如上圖可以看到，此時(shí)索引區(qū)域和git倉庫沒有任何變化。

運(yùn)行g(shù)it add a.txt將a.txt加入到索引區(qū)域，此時(shí)如上圖所示，git在倉庫里面新建了一個(gè)blob object，儲存了新的文件內(nèi)容。并且更新了索引將a.txt指向了新建的blob object。

運(yùn)行g(shù)it commit -m 'update'提交這次修改。如上圖所示

1. Git首先根據(jù)當(dāng)前的索引生產(chǎn)一個(gè)tree object，充當(dāng)新提交的一個(gè)快照。
2. 創(chuàng)建一個(gè)新的commit object，將這次commit的信息儲存起來，并且parent指向上一個(gè)commit，組成一條鏈記錄變更歷史。
3. 將master分支的指針移到新的commit結(jié)點(diǎn)。

至此我們知道了Git的三個(gè)分區(qū)分別是什么以及他們的作用，以及歷史鏈?zhǔn)窃趺幢唤⑵饋淼摹?strong>基本上Git的大部分指令就是在操作這三個(gè)分區(qū)以及這條鏈。可以嘗試的思考一下git的各種命令，試一下你能不能夠在上圖將它們“可視化”出來，這個(gè)很重要，建議嘗試一下。

如果不能很好的將日常使用的指令“可視化”出來，推薦閱讀 圖解Git

一些有趣的問題

有興趣的同學(xué)可以繼續(xù)閱讀，這部分不是文章的主要內(nèi)容

問題1：為什么要把文件的權(quán)限和文件名儲存在tree object里面而不是blob object呢？

想象一下修改一個(gè)文件的命名。

如果將文件名保存在blob里面，那么Git只能多復(fù)制一份原始內(nèi)容形成一個(gè)新的blob object。而Git的實(shí)現(xiàn)方法只需要創(chuàng)建一個(gè)新的tree object將對應(yīng)的文件名更改成新的即可，原本的blob object可以復(fù)用，節(jié)約了空間。

問題2：每次commit，Git儲存的是全新的文件快照還是儲存文件的變更部分？

由上面的例子我們可以看到，Git儲存的是全新的文件快照，而不是文件的變更記錄。也就是說，就算你只是在文件中添加一行，Git也會新建一個(gè)全新的blob object。那這樣子是不是很浪費(fèi)空間呢?

這其實(shí)是Git在空間和時(shí)間上的一個(gè)取舍，思考一下你要checkout一個(gè)commit，或?qū)Ρ葍蓚€(gè)commit之間的差異。如果Git儲存的是問卷的變更部分，那么為了拿到一個(gè)commit的內(nèi)容，Git都只能從第一個(gè)commit開始，然后一直計(jì)算變更，直到目標(biāo)commit，這會花費(fèi)很長時(shí)間。而相反，Git采用的儲存全新文件快照的方法能使這個(gè)操作變得很快，直接從快照里面拿取內(nèi)容就行了。

當(dāng)然，在涉及網(wǎng)絡(luò)傳輸或者Git倉庫真的體積很大的時(shí)候，Git會有垃圾回收機(jī)制gc，不僅會清除無用的object，還會把已有的相似object打包壓縮。

問題3：Git怎么保證歷史記錄不可篡改？

通過SHA1哈希算法和哈系樹來保證。假設(shè)你偷偷修改了歷史變更記錄上一個(gè)文件的內(nèi)容，那么這個(gè)問卷的blob object的SHA1哈希值就變了，與之相關(guān)的tree object的SHA1也需要改變，commit的SHA1也要變，這個(gè)commit之后的所有commit SHA1值也要跟著改變。又由于Git是分布式系統(tǒng)，即所有人都有一份完整歷史的Git倉庫，所以所有人都能很輕松的發(fā)現(xiàn)存在問題。

希望大家讀完有所收獲，下一篇文章會寫一些我日常工作中覺得比較實(shí)用的Git技巧、經(jīng)常被問到的問題、以及發(fā)生一些事故時(shí)的處理方法。

作者：lzaneli，騰訊 TEG 前端開發(fā)工程師

參考

• Scott Chacon, Ben Straub - Pro Git-Apress (2014) 免費(fèi)，有興趣繼續(xù)深入的同學(xué)推薦閱讀這本書
• Jon Loeliger, Matthew McCullough - Version Control with Git, 2nd Edition - O'Reilly Media (2012) 作為上面那本書的補(bǔ)充