git 的内部原理
从根本上来讲 Git 是一套内容寻址 (content-addressable) 文件系统,在此之上提供了一个 VCS(版本控制) 用户界面。
底层命令 (Plumbing) 和高层命令 (Porcelain)
Plimbing命令
:底层命令。用于以 UNIX 风格使用或由脚本调用。
其他的更友好的命令则被称为 porcelain
命令(高层命令)。
我们一般使用的 Git 命令 checkout
branch
remote
为 procelain 命令。
每一个 git 仓库都有一个 .git 目录,全新的 .git 目录的文件有:
1 2 3 4 5 6 7 8 9 |
HEAD #指向当前分支 branches/ #老版本有,新版本不再使用 config #包含了项目特有的配置选项 description #仅供 GitWeb 程序使用 hooks/ #保存了客户端或服务端钩子脚本 index #保存了暂存区域信息 info/ #保存了一份不希望在 .gitignore 文件中管理的忽略模式 (ignored patterns) 的全局可执行文件 objects/ #存储所有数据内容 refs/ #存储指向数据 (分支) 的提交对象的指针 |
Git 对象
git 从核心来看只是简单的存储键值对(key-value)。它允许插入任意类型的内容,并会返回一个键值,通过该键值可以在任何时候再取出该内容。
通过底层的hash-object
可以演示该过程,传一些数据给该命令,它会将数据保存在 .git
目录并返回表示这些数据的键值。
Git 初始化了 objects
目录,同时在该目录下创建了 pack
和 info
子目录,但是该目录下没有其他常规文件。
可以通过以下命令往 Git 数据库中写入内容:
1 2 |
$ echo 'test content' | git hash-object -w --stdin d670460b4b4aece5915caf5c68d12f560a9fe3e4 |
参数-w
指示hash-object
命令存储 (数据) 对象,若不指定这个参数该命令仅仅返回键值;--stdin
指定从标准输入设备 (stdin) 来读取内容,若不指定这个参数则需指定一个要存储的文件的路径。
该命令输出长度为 40 个字符的校验和。这是个 SHA-1 哈希值──其值为要存储的数据加上一种头信息的校验和。
查看到 Git 已经存储了数据:
1 2 |
$ find .git/objects -type f .git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 |
可以看到,Git 存储数据内容的方式是: 为每份内容生成一个文件,取得该内容与头信息的 SHA-1 校验和,创建以该校验和前两个字符为名称的子目录,并以 (校验和) 剩下 38 个字符为文件命名 (保存至子目录下)。
通过 cat-file
命令可以将数据内容取回。。传入 -p 参数可以让该命令输出数据内容的类型:
1 2 |
$ git cat-file -p d670460b4b4aece5915caf5c68d12f560a9fe3e4 test content |
也可以直接添加文件:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
$ echo 'version 1' > test.txt $ git hash-object -w test.txt 83baae61804e65cc73a7201a7252750c76066a30 $ echo 'version 2' > test.txt #写入新内容再次保存 $ git hash-object -w test.txt 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a #可以发现SHA1码变了 $ find .git/objects -type f #查看现在的objects内容 .git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a .git/objects/83/baae61804e65cc73a7201a7252750c76066a30 .git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 #将文件恢复到第一版本 $ git cat-file -p 83baae61804e65cc73a7201a7252750c76066a30 > test.txt $ cat test.txt version 1 |
树对象
Git 存储文件的形式:
所有内容以tree
或blob
对象存储,其中tree
对象对应于 UNIX 中的目录,blob
对象则大致对应于inodes
或文件内容。一个单独的tree
对象包含一条或多条tree
记录,每一条记录含有一个指向blob
或子tree
对象的SHA-1
指针,并附有该对象的权限模式 (mode)、类型和文件名信息。
可以自己创建树对象:
通常 Git 根据你的暂存区域或 index 来创建并写入一个 tree 。因此要创建一个 tree 对象的话首先要通过将一些文件暂存从而创建一个 index 。可以使用 plumbing 命令 update-index 为一个单独文件创建一个 index 。通过该命令人为的将文件的首个版本加入到了一个新的暂存区域中。由于该文件原先并不在暂存区域中 (甚至就连暂存区域也还没被创建出来) ,必须传入 --add 参数;由于要添加的文件并不在当前目录下而是在数据库中,必须传入 --cacheinfo 参数。同时指定了文件模式,SHA-1 值和文件名:
1 2 |
$ git update-index --add --cacheinfo 100644 \ 83baae61804e65cc73a7201a7252750c76066a30 test.txt |
100644
: 表明为普通文件100755
: 可执行文件120000
: 符号链接
这三种模式仅对 Git 中的 blob 有效。
现在可以用 write-tree
命令将暂存区域的内容写到一个 tree 对象了。无需 -w
参数 ── 如果目标 tree 不存在,调用 write-tree 会自动根据 index 状态创建一个 tree 对象。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 |
$ git write-tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579 $ git cat-file -p d8329fc1cc938780ffdd9f94e0d364e0ea74f579 100644 blob 83baae61804e65cc73a7201a7252750c76066a30 test.txt $ git cat-file -t d8329fc1cc938780ffdd9f94e0d364e0ea74f579 #验证是否为tree对象 tree #创建一个新文件与新tree对象 $ echo 'new file' > new.txt $ git update-index test.txt $ git update-index --add new.txt #创建该 tree 对象 $ git write-tree 0155eb4229851634a0f03eb265b69f5a2d56f341 $ git cat-file -p 0155eb4229851634a0f03eb265b69f5a2d56f341 100644 blob fa49b077972391ad58037050f2a75f74e3671e92 new.txt 100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a test.txt #将一个已有的 tree 对象作为一个子 tree 读到暂存区域中 $ git read-tree --prefix=bak d8329fc1cc938780ffdd9f94e0d364e0ea74f579 $ git write-tree 3c4e9cd789d88d8d89c1073707c3585e41b0e614 $ git cat-file -p 3c4e9cd789d88d8d89c1073707c3585e41b0e614 040000 tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579 bak 100644 blob fa49b077972391ad58037050f2a75f74e3671e92 new.txt 100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a test.txt |
commit 对象
commit 对象保存了“关于谁、何时以及为何保存了这些快照”的信息。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 |
#创建 commit 对象 $ echo 'first commit' | git commit-tree d8329f fdf4fc3344e67ab068f836878b6c4951e3b15f3d #查看 commit 对象 $ git cat-file -p fdf4fc3 tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579 author Scott Chacon <aaa@qq.com> 1243040974 -0700 committer Scott Chacon <aaa@qq.com> 1243040974 -0700 first commit /* commit 对象有格式很简单:指明了该时间点项目快照的顶层树对象、作者/提交者信息(从 Git 设置的 user.name 和 user.email中获得)以及当前时间戳、一个空行,以及提交注释信息。 */ #查看 git 历史 $ git log --stat 1a410e commit fdf4fc3344e67ab068f836878b6c4951e3b15f3d Author: Scott Chacon <aaa@qq.com> Date: Fri May 22 18:09:34 2009 -0700 first commit test.txt | 1 + 1 files changed, 1 insertions(+), 0 deletions(-) |
blob,tree 以及 commit 对象都各自以文件的方式保存在 .git/objects
目录下。
对象存储
当存储数据内容时,同时会有一个文件头被存储起来。 Git 是如何存储对象的呢?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 |
//进入ruby交互模式 $irb >> content = "what is up, doc?" => "what is up, doc?" /* Git 以对象类型为起始内容构造一个文件头,本例中是一个 blob 然后添加一个空格,接着是数据内容的长度,最后是一个空字节 (null byte): */ >> header = "blob #{content.length}\0" => "blob 16\000" /* Git 将文件头与原始数据内容拼接起来,并计算拼接后的新内容的 SHA-1 校验和。可以在 Ruby 中使用 require 语句导入 SHA1 digest 库,然后调用 Digest::SHA1.hexdigest() 方法计算字符串的 SHA-1 值: */ >> store = header + content => "blob 16\000what is up, doc?" >> require 'digest/sha1' => true >> sha1 = Digest::SHA1.hexdigest(store) => "bd9dbf5aae1a3862dd1526723246b20206e5fc37" /* Git 用 zlib 对数据内容进行压缩,在 Ruby 中可以用 zlib 库来实现。首先需要导入该库,然后用 Zlib::Deflate.deflate() 对数据进行压缩: */ >> require 'zlib' => true >> zlib_content = Zlib::Deflate.deflate(store) => "x\234K\312\311OR04c(\317H,Q\310,V(-\320QH\311O\266\a\000_\034\a\235" /* 最后将用 zlib 压缩后的内容写入磁盘。需要指定保存对象的路径 (SHA-1 值的头两个字符作为子目录名称,剩余 38 个字符作为文件名保存至该子目录中)。在 Ruby 中,如果子目录不存在可以用 FileUtils.mkdir_p() 函数创建它。接着用 File.open 方法打开文件,并用 write() 方法将之前压缩的内容写入该文件: */ >> path = '.git/objects/' + sha1[0,2] + '/' + sha1[2,38] => ".git/objects/bd/9dbf5aa e1a3862dd1526723246b20206e5fc37" >> require 'fileutils' => true >> FileUtils.mkdir_p(File.dirname(path)) => ".git/objects/bd" >> File.open(path, 'w') { |f| f.write zlib_content } => 32 |
这就创建了一个正确的 blob 对象。所有的 Git 对象都以这种方式存储,惟一的区别是类型不同 ── 除了字符串 blob ,文件头起始内容还可以是 commit 或 tree 。不过虽然 blob 几乎可以是任意内容,commit 和 tree 的数据却是有固定格式的。
Git References
使用 SHA1 作为文件的索引是比较难记的,可以用一个简单的名字来记录这些 SHA-1 值。在 Git 中称为“引用”。可以在 .git/refs
目录下面可以找到这些包含 SHA-1 值的文件。
1 2 3 4 |
$ find .git/refs .git/refs .git/refs/heads .git/refs/tags |
如果想要创建一个新的引用来记住最后一次提交,可以这样做:
1 |
echo "1a410efbd13591db07496601ebc7a059dd55cfe9" > .git/refs/heads/master |
现在,就可以在 Git 命令中使用刚才创建的引用而不是 SHA-1 值:
1 2 3 4 |
$ git log --pretty=oneline master 1a410efbd13591db07496601ebc7a059dd55cfe9 third commit cac0cab538b970a37ea1e769cbbde608743bc96d second commit fdf4fc3344e67ab068f836878b6c4951e3b15f3d first commit |
基本上 Git 中的一个分支其实就是一个指向某个工作版本一条 HEAD 记录的指针或引用。你可以用这条命令创建一个指向其他提交的分支。
1 |
$ git update-ref refs/heads/test cac0ca |
update-ref
命令可以安全的更新一个引用。
现在 Git 数据库看起来是这样:
每当执行 git branch
(分支名称) 这样的命令,Git 基本上就是执行 update-ref
命令,把现在所在分支中最后一次提交的 SHA-1 值,添加到要创建的分支的引用。
HEAD 标记
HEAD 文件是一个指向你当前所在分支的引用标识符。这样的引用标识符其实并不包含 SHA-1 值,而是一个指向另外一个引用的指针。
1 2 |
$ cat .git/HEAD ref: refs/heads/master |
如果执行 git checkout test
,HEAD 文件也会改变为 ref: refs/heads/test
当再次执行 git commit
的时候,会创建了一个 commit 对象,把这个 commit 对象的父级设置为 HEAD 指向的引用的 SHA-1 值。
HEAD 文件安全修改命令: symbolic-ref
1 2 3 |
$ git symbolic-ref HEAD refs/heads/test $ cat .git/HEAD ref: refs/heads/test |
Tags
Tag 对象非常像一个 commit 对象——包含一个标签,一组数据,一个消息和一个指针。最主要的区别就是 Tag 对象指向一个 commit 而不是一个 tree。它就像是一个分支引用,但是不会变化——永远指向同一个 commit,仅仅是提供一个更加友好的名字。
可以类似下面这样的命令建立一个 lightweight tag:
1 |
$ git update-ref refs/tags/v1.0 cac0cab538b970a37ea1e769cbbde608743bc96d |
如果创建一个 annotated tag,Git 会创建一个 tag 对象,然后写入一个指向它而不是直接指向 commit 的 reference。可以这样创建一个 annotated tag(-a 参数表明这是一个 annotated tag):
1 |
$ git tag -a v1.1 1a410efbd13591db07496601ebc7a059dd55cfe9 -m 'test tag' |
Remotes
第四种 reference 是 remote reference
。如果你添加了一个 remote 然后推送代码过去,Git 会把你最后一次推送到这个 remote 的每个分支的值都记录在 refs/remotes 目录下。例如,你可以添加一个叫做 origin 的 remote 然后把你的 master 分支推送上去:
1 2 3 4 5 6 7 8 9 10 11 |
$ git remote add origin aaa@qq.com:schacon/simplegit-progit.git $ git push origin master Counting objects: 11, done. Compressing objects: 100% (5/5), done. Writing objects: 100% (7/7), 716 bytes, done. Total 7 (delta 2), reused 4 (delta 1) To aaa@qq.com:schacon/simplegit-progit.git a11bef0..ca82a6d master -> master $ cat .git/refs/remotes/origin/master ca82a6dff817ec66f44342007202690a93763949 |
Remote 应用和分支主要区别在于他们是不能被 checkout 的。Git 把他们当作是标记这些了这些分支在服务器上最后状态的一种书签。
Packfiles
Git 往磁盘保存对象时默认使用的格式叫松散对象 (loose object) 格式。Git 时不时地将这些对象打包至一个叫 packfile
的二进制文件以节省空间并提高效率。当仓库中有太多的松散对象,或是手工调用 git gc
命令,或推送至远程服务器时,Git 都会这样做。手工调用 git gc
命令让 Git 将库中对象打包。
1 2 3 4 5 6 7 8 9 10 11 12 13 |
$ git gc Counting objects: 17, done. Delta compression using 2 threads. Compressing objects: 100% (13/13), done. Writing objects: 100% (17/17), done. Total 17 (delta 1), reused 10 (delta 0) $ find .git/objects -type f .git/objects/71/08f7ecb345ee9d0084193f147cdad4d2998293 .git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 .git/objects/info/packs .git/objects/pack/pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.idx .git/objects/pack/pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.pack |
查看一下 objects 目录,会发现大部分对象都不在了,与此同时在 pack 目录下出现了两个新文件。
仍保留着的几个对象是未被任何 commit 引用的 blob,它们没有添加至任何 commit,所以 Git 认为它们是 “悬空” 的,不会将它们打包进 packfile 。
剩下的文件是新创建的 packfile
以及一个索引。packfile
文件包含了刚才从文件系统中移除的所有对象。索引文件包含了 packfile
的偏移信息,这样就可以快速定位任意一个指定对象。运行 gc
命令前磁盘上的对象大小约为 12K ,而这个新生成的 packfile
仅为 6K 大小。通过打包对象减少了一半磁盘使用空间。
这是因为,Git 打包对象时,会查找命名及尺寸相近的文件,并只保存文件不同版本之间的差异内容。git verify-pack
命令用于显示已打包的内容。
the Refspec
对于远程仓库连接的建立,在 .git/config
文件中有这样的信息:
1 2 3 |
[remote "origin"] url = aaa@qq.com:schacon/simplegit-progit.git fetch = +refs/heads/*:refs/remotes/origin/* |
其中,Refspec
的格式是一个可选的 + 号,接着是 <src>:<dst>
的格式,这里 <src>
是远端上的引用格式, <dst>
是将要记录在本地的引用格式。可选的 + 号告诉 Git 在即使不能快速演进的情况下,也去强制更新它。
缺省情况下 refspec
会被 git remote add
命令所自动生成, Git 会获取远端上 refs/heads/
下面的所有引用,并将它写入到本地的 refs/remotes/origin/
。 所以,如果远端上有一个 master 分支,你在本地可以通过下面这种方式来访问它的历史记录:
1 2 3 |
$ git log origin/master $ git log remotes/origin/master $ git log refs/remotes/origin/master |
它们是等价的,因为 Git 把它们都扩展成 refs/remotes/origin/master
如果每次只想拉取远程的master分支,则可以修改:
1 |
fetch = +refs/heads/master:refs/remotes/origin/master |
如果想一次性获取远程的多个分支:
1 2 |
$ git fetch origin master:refs/remotes/origin/mymaster \ topic:refs/remotes/origin/topic |
也可以修改配置文件(这里不能用通配符):
1 2 3 4 |
[remote "origin"] url = aaa@qq.com:schacon/simplegit-progit.git fetch = +refs/heads/master:refs/remotes/origin/master fetch = +refs/heads/experiment:refs/remotes/origin/experiment |
推送 Refspec
推送到远程分支,可以这样:
1 |
$ git push origin master:refs/heads/qa/master |
如果想让 Git 每次运行 git push origin 时都这样自动推送,可以在配置文件中添加 push 值:
1 2 3 4 |
[remote "origin"] url = aaa@qq.com:schacon/simplegit-progit.git fetch = +refs/heads/*:refs/remotes/origin/* push = refs/heads/master:refs/heads/qa/master |
删除引用
1 |
$ git push origin :topic |
refspec 的格式是 :, 通过把 部分留空的方式,这个意思是是把远程的 topic 分支变成空,也就是删除它。
传输协议
Git 可以以两种主要的方式跨越两个仓库传输数据:基于HTTP协议之上,和 file://, ssh://, 和 git:// 等智能传输协议。
哑协议
基于HTTP之上传输通常被称为哑协议,这是因为它在服务端不需要有针对 Git 特有的代码。这个获取过程仅仅是一系列GET请求,客户端可以假定服务端的Git仓库中的布局。
使用 git clone
做的第1件事情就是获取 info/refs
文件。这个文件是在服务端运行了 update-server-info
所生成的,所以服务端要想使用HTTP传输,必须要开启 post-receive
钩子。
整个过程看起来像这样:
1 2 3 4 5 6 7 8 9 10 11 12 |
$ git clone http://github.com/schacon/simplegit-progit.git Initialized empty Git repository in /private/tmp/simplegit-progit/.git/ got ca82a6dff817ec66f44342007202690a93763949 walk ca82a6dff817ec66f44342007202690a93763949 got 085bb3bcb608e1e8451d4b2432f8ecbe6306e7e7 Getting alternates list for http://github.com/schacon/simplegit-progit.git Getting pack list for http://github.com/schacon/simplegit-progit.git Getting index for pack 816a9b2334da9953e530f27bcac22082a9f5b835 Getting pack 816a9b2334da9953e530f27bcac22082a9f5b835 which contains cfda3bf379e4f8dba8717dee55aab78aef7f4daf walk 085bb3bcb608e1e8451d4b2432f8ecbe6306e7e7 walk a11bef06a3f659402fe7563abf99ad00de2209e6 |
- 获取
info/refs
文件,得到一个远程引用和SHA值得列表 - 寻找HEAD引用,确定什么应该被检出到工作目录
- 开始获取对象
- 使用 zlib 解压缩,去除头部,得到 commit 内容
- 得到进一步需要获取的对象
- 抓取树对象,分别从本仓库/替代仓库/打包文件中查找
- 在 commit 对象上继续下一步查找
- 下载全部完成后, 将 master 分支检出工作目录
智能协议
这些协议在远端都有Git智能型进程在服务 - 它可以读出本地数据并计算出客户端所需要的,并生成合适的数据给它,这有两类传输数据的进程:一对用于上传数据和一对用于下载。
上传数据
当运行 git push origin master
, 并且 origin 被定义为一个使用SSH协议的URL时, Git 会使用 send-pack
进程,它会启动一个基于SSH的连接到服务器。它尝试像这样透过SSH在服务端运行命令:
1 2 3 4 |
$ ssh -x aaa@qq.com "git-receive-pack 'schacon/simplegit-progit.git'" 005bca82a6dff817ec66f4437202690a93763949 refs/heads/master report-status delete-refs 003e085bb3bcb608e1e84b2432f8ecbe6306e7e7 refs/heads/topic 0000 |
git-receive-pack
命令会立即对它所拥有的每一个引用响应一行。每一行以4字节的十六进制开始,用于指定整行的长度。
这里第1行以005b开始,这在十六进制中表示91,意味着第1行有91字节长第1行也包含了服务端的能力列表(这里是 report-status 和 delete-refs)。下一行以003e起始,表示有62字节长,所以需要读剩下的62字节。再下一行是0000开始,表示服务器已完成了引用列表过程。
了解了服务器的状态,send-pack
进程会判断哪些 commit 是它所拥有但服务端没有的。针对每个引用,这次推送都会告诉服务端的 receive-pack
这个信息。
1 2 3 4 |
0085ca82a6dff817ec66f44342007202690a93763949 15027957951b64cf874c3557a0f3547bd83b3ff6 refs/heads/master report-status 00670000000000000000000000000000000000000000 cdfdb42577e2506715f8cfeacdbabc092bf63e8d refs/heads/experiment 0000 |
这里的全 ‘0’ 的SHA-1值表示之前没有过这个对象 。如果你在删除一个引用,你会看到相反的: 就是右边是全’0’。
Git 针对每个引用发送这样一行信息,就是旧的SHA值,新的SHA值,和将要更新的引用的名称。第1行还会包含有客户端的能力。下一步,客户端会发送一个所有那些服务端所没有的对象的一个打包文件。最后,服务端以成功(或者失败)来响应:
1 |
000Aunpack ok |
下载数据
下载数据时,客户端启动 fetch-pack
进程,连接至远端的 upload-pack
进程,以协商后续数据传输过程。
upload-pack
进程的启动可以有多种方式,可以使用与 receive-pack
相同的透过SSH管道的方式,也可以通过 Git 后台来启动这个进程,它默认监听在9418号端口上。这里 fetch-pack
进程在连接后像这样向后台发送数据:
1 |
003fgit-upload-pack schacon/simplegit-progit.git\0host=myserver.com\0 |
它也是以4字节指定后续字节长度的方式开始,然后是要运行的命令,和一个空字节,然后是服务端的主机名,再跟随一个最后的空字节。 Git 后台进程会检查这个命令是否可以运行,以及那个仓库是否存在,以及是否具有公开权限。如果所有检查都通过了,它会启动这个 upload-pack
进程并将客户端的请求移交给它。
如果透过SSH使用获取功能, fetch-pack
是这样的:
1 |
$ ssh -x aaa@qq.com "git-upload-pack 'schacon/simplegit-progit.git'" |
在 fetch-pack 连接之后, upload-pack 都会以这种形式返回:
1 2 3 4 5 |
0088ca82a6dff817ec66f44342007202690a93763949 HEAD\0multi_ack thin-pack \ side-band side-band-64k ofs-delta shallow no-progress include-tag 003fca82a6dff817ec66f44342007202690a93763949 refs/heads/master 003e085bb3bcb608e1e8451d4b2432f8ecbe6306e7e7 refs/heads/topic 0000 |
这与 receive-pack
响应很类似,但是这里指的能力是不同的。而且它还会指出HEAD引用,让客户端可以检查是否是一份克隆。
在这里, fetch-pack
进程检查它自己所拥有的对象和所有它需要的对象,通过发送 “want” 和所需对象的SHA值,发送 “have” 和所有它已拥有的对象的SHA值。在列表完成时,再发送 “done” 通知 upload-pack 进程开始发送所需对象的打包文件。这个过程看起来像这样:
1 2 3 4 |
0054want ca82a6dff817ec66f44342007202690a93763949 ofs-delta 0032have 085bb3bcb608e1e8451d4b2432f8ecbe6306e7e7 0000 0009done |
维护及数据恢复
维护
Git 会不定时地自动运行称为 “auto gc” 的命令。大部分情况下该命令什么都不处理。不过要是存在太多松散对象 (loose object, 不在 packfile 中的对象) 或 packfile,Git 会进行调用 git gc 命令。 gc 指垃圾收集 (garbage collect),此命令会做很多工作:收集所有松散对象并将它们存入 packfile,合并这些 packfile 进一个大的 packfile,然后将不被任何 commit 引用并且已存在一段时间 (数月) 的对象删除。
也可以手动运行 auto gc 命令:
1 |
git gc --auto |
gc 还会将所有引用 (references) 并入一个单独文件。假设仓库中包含以下分支和标签:
1 2 3 4 5 |
$ find .git/refs -type f .git/refs/heads/experiment .git/refs/heads/master .git/refs/tags/v1.0 .git/refs/tags/v1.1 |
这时如果运行 git gc
, refs
下的所有文件都会消失。Git 会将这些文件挪到 .git/packed-refs
文件中去以提高效率,该文件是这个样子的:
1 2 3 4 5 6 7 |
$ cat .git/packed-refs # pack-refs with: peeled cac0cab538b970a37ea1e769cbbde608743bc96d refs/heads/experiment ab1afef80fac8e34258ff41fc1b867c702daa24b refs/heads/master cac0cab538b970a37ea1e769cbbde608743bc96d refs/tags/v1.0 9585191f37f7b0fb9444f35a9bf50de191beadc2 refs/tags/v1.1 ^1a410efbd13591db07496601ebc7a059dd55cfe9 |
当更新一个引用时,Git 不会修改这个文件,而是在 refs/heads 下写入一个新文件。当查找一个引用的 SHA 时,Git 首先在 refs 目录下查找,如果未找到则到 packed-refs
文件中去查找。
上面文件最后以 ^
开头的那一行。这表示该行上一行的那个标签是一个 annotated
标签,而该行正是那个标签所指向的 commit
。
数据恢复
恢复丢失后的 commit ,通常最快捷的办法是使用 git reflog
工具。当我们在一个仓库下 工作时,Git 会在我们每次修改了 HEAD
时悄悄地将改动记录下来。当提交或修改分支时,reflog 就会更新。git update-ref
命令也可以更新 reflog。运行 git reflog
命令可以查看当前的状态:
1 2 3 |
$ git reflog 1a410ef aaa@qq.com{0}: 1a410efbd13591db07496601ebc7a059dd55cfe9: updating HEAD ab1afef aaa@qq.com{1}: ab1afef80fac8e34258ff41fc1b867c702daa24b: updating HEAD |
运行 git log -g
会输出 reflog 的正常日志,从而显示更多有用信息。从而找到删除的 commit ,然后新建一个分支指向它。
如果 commit 丢失并没有记录在 reflog 中,还可以使用 git fsck
工具,该工具会检查仓库的数据完整性。如果指定 –ful 选项,该命令显示所有未被其他对象引用 (指向) 的所有对象。
移除对象
git clone 会将仓库包含的每一个文件的历史版本下载下来,若仓库中有大型文件,这将使得仓库非常大。
可以利用 git gc
命令查看文件占用的空间,利用 git count-objects
查看使用多少空间:
1 2 3 4 5 6 |
$ git gc Counting objects: 21, done. Delta compression using 2 threads. Compressing objects: 100% (16/16), done. Writing objects: 100% (21/21), done. Total 21 (delta 3), reused 15 (delta 1) |
$ git count-objects -v
count: 4
size: 16
in-pack: 21
packs: 1
size-pack: 2016
prune-packable: 0
garbage: 0
1 |
使用 `git verfity-pack` 识别大对象,对输出的第三列信息即文件大小进行排序,还可以将输出定向到 tail 命令。 |
$ git verify-pack -v .git/objects/pack/pack-3f8c0…bb.idx | sort -k 3 -n | tail -3
e3f094f522629ae358806b17daf78246c27c007b blob 1486 734 4667
05408d195263d853f09dca71d55116663690c27c blob 12908 3478 1189
7a9eb2fba2b1811321254ac360970fc169ba2330 blob 2056716 2056872 5401
1 |
比如要删除最底下那个大文件,可以运行 `rev-list`命令。若在此传入 `--objects`选项,它会列出所有 commit SHA 值,blob SHA 值及相应的文件路径。可以这样查看 blob 的文件名: |
$ git rev-list –objects –all | grep 7a9eb2fb
7a9eb2fba2b1811321254ac360970fc169ba2330 git.tbz2
1 |
接下来要将该文件从历史记录的所有 tree 中移除: |
$ git log –pretty=oneline –branches – git.tbz2
da3f30d019005479c99eb4c3406225613985a1db oops - removed large tarball
6df764092f3e7c8f5f94cbe08ee5cf42e92a0289 added git tarball
1 |
必须重写从 6df76 开始的所有 commit 才能将文件从 Git 历史中完全移除。需要用到 `filter-branch` 命令: |
$ git filter-branch –index-filter \
‘git rm –cached –ignore-unmatch git.tbz2’ – 6df7640^..
Rewrite 6df764092f3e7c8f5f94cbe08ee5cf42e92a0289 (1/2)rm ‘git.tbz2’
Rewrite da3f30d019005479c99eb4c3406225613985a1db (2/2)
Ref ‘refs/heads/master’ was rewritten
1 2 |
`--index-filter` 传入一个命令修改暂存区域或索引。使用 `git rm --cached` 来从索引而不是磁盘删除文件,这样能提高速度,也可以使用 `--tree-filter` 达到相同的目的。 在这之后, `.git/refs/original` 添加的一些 refs 中仍有对它的引用,因此需要将这些引用删除并对仓库进行 repack 操作。 |
$ rm -Rf .git/refs/original
$ rm -Rf .git/logs/
$ git gc
1 |
在此看看空间占用: |
$ git count-objects -v
count: 8
size: 2040
in-pack: 19
packs: 1
size-pack: 7
prune-packable: 0
garbage: 0`` repack 后仓库的大小减小到了 7K ,远小于之前的 2MB 。从 size 值可以看出大文件对象还在松散对象中,其实并没有消失,不过再进行推送或复制,这个对象不会再传送出去。如果真的要完全把这个对象删除,可以运行
git prune –expire` 命令。
打赏