欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Git内部原理解析

程序员文章站 2022-07-13 16:20:06
...

K8s已经成为一线大厂分布式平台的标配技术。你是不是还在惆怅怎么掌握它?来这里,大型互联网公司一线工程师亲授,不来虚的,直接上手实战,3天时间带你搭建K8s平台,快速学会K8s,点击下方图片可了解培训详情。

Git内部原理解析

越了解事物的本质就越接近真相。我发现学习Git内部是如何工作的以及Git的内部数据结构这部分内容,对于理解Git的用途和强大至关重要。若你理解了Git的思想和基本工作原理,用起来就会知其所以然,游刃有余。这是Git系列的第一篇,主要会介绍Git的特点以及内部数据结构设计,和完成一次完整提交流程的时候数据是如何变化的。

Git有什么特点?

Git内部原理解析

  • fast,scalable,distributed revision control system(快速,可扩展的分布式版本控制系统)

    • 几乎所有操作都是本地执行

    • 每一个clone都是整个生命周期的完整副本

  • the stupid content tracker(只是一个内容追踪器)

    • Git追踪的是内容而不是文件

    • 如果两个文件的内容相同,无论是否在相同的目录,Git在对象库里只保存一份blob对象

  • Immutable(不可变性)

    • Git版本库中存储的数据对象均为不可变的,一旦创建数据对象并放入了数据库中,它们便不可修改。这也意味着存储在版本数据库中的整个历史也是不可变的。

  • Porcelain(高层命令)

    • init, add, commit, branch, merge.

  • Plumbing(底层命令)

    • hash-object, update-index, write-tree.

Git内部原理解析

每一个Client端都可以是Server

Git Version Database是什么?

Git内部原理解析

Git是一个内容寻址文件系统。这意味着,Git的核心部分是一个简单的键值对数据库(key-value data store)。你可以向该数据库插入任意类型的内容,它会返回一个键值,通过该键值可以在任意时刻再次检索该内容。而这些数据全部是存储在objects目录里。key是一个hash,hash前两个字符用于命名子目录,余下的38个字符则用作文件名。如果了解tree树的朋友应该会想明白之所以这样处理是因为检索优化策略,提高文件系统效率(如果把太多的文件放入同一个目录中,一些文件系统会变慢)。而这个hash的内容(即hash对应的Value)有四种对象类型,commit(提交),tree(目录树),blob(块),tag(标签)。

Git基本概念:

  • Content addressable filesystem(内容寻址文件系统)

  • Simple key-value data store(键值对数据)

  • Key:SHA-1散列(hash,哈希)

    • Everything is hash

    • 这是一个由40个十六进制字符(0-9和a-f)组成字符串

  • Value:binary files

    • Commit:Actual git commits(提交)

    • Tree:Directoy(目录树)

    • Blob:file content(文件内容)

note:可以理解成Commit = Tree + Blob的snapshot

什么是SHA-1:SHA-1(安全散列函数),是一种密码散列函数,美国国家安全局设计,并由美国国家标准技术研究所发布为联邦数据处理标准。SHA-1可以生成一个被称为消息摘要的160位(20字节)散列值,散列值通常的呈现形式为40个十六进制数。用js来理解就是一个纯函数,输入一定输出也一定,相同的输入一定有相同的输出。不相同的输入一定有不同的输出(不考虑碰撞 ,比彗星撞击地球的概率还低)。

Git到底是如何工作呢?

Git内部原理解析

我们知道最简单的git flow主要有三步:

  1. 在工作目录中修改文件。

  2. 暂存文件,将文件的快照放入暂存区域。

  3. 提交更新,找到暂存区域的文件,将快照永久性存储到Git仓库目录。

对应高层命令是这样的:

$ git init
$ git add .
$ git commit

在我们看这三个命令到底做了什么之前,先来了解一下几个概念:

Git内部原理解析

  • Working Directory:工作区(工作目录)

  • Stageing Area (Index):暂存区

  • Repository:仓库区(本地仓库)

Git init

Git内部原理解析

我们先用Git init来初始化一个项目,并查看项目的目录结构。

$ git init demo1 && cd demo1
$ tree .git
.git
├── HEAD
├── config
├── description
├── hooks
│   ├── applypatch-msg.sample
│   ├── commit-msg.sample
│   ├── fsmonitor-watchman.sample
│   ├── post-update.sample
│   ├── pre-applypatch.sample
│   ├── pre-commit.sample
│   ├── pre-push.sample
│   ├── pre-rebase.sample
│   ├── pre-receive.sample
│   ├── prepare-commit-msg.sample
│   └── update.sample
├── info
│   └── exclude
├── objects
│   ├── info
│   └── pack
└── refs
    ├── heads
    └── tags

description文件仅供GitWeb程序使用。config文件包含项目特有的配置选项。info目录包含一个全局性排除文件,用以放置那些不希望被记录在.gitignore文件中的忽略模式。hooks目录包含客户端或服务端的钩子脚本,这些我们暂时都无需关心。最重要的是:HEAD文件、(尚待创建的)index文件,和objects目录、refs目录。这些条目是Git的核心组成部分。objects目录存储所有数据内容(hash);refs目录存储指向数据(分支)的提交对象的指针(commit hash);HEAD文件指示目前被检出的分支(refs目录内的分支名);index 文件保存暂存区信息(git ls-files --stage命令查看当前暂存区信息)。

下面我们就用底层命令来实现git init指令(另创建一个demo2目录)。

mkdir -p参数是能直接创建一个不存在的目录下的子目录:

$ mkdir -p .git/refs/heads .git/refs/tags .git/objects
$ echo 'ref: refs/heads/master' > .git/HEAD

Git内部原理解析

可以看到已经成功初始化了一个Git项目。

git add

Git内部原理解析

$ echo 'hello git' > index.txt
$ git add index.txt

执行完这两句指令后我们再来看.git文件夹发生了什么变化(为了显示效果,简化目录结构,之后tree 都忽略hooks文件夹)

.git
├── HEAD
├── config
├── description
├── index
├── info
│   └── exclude
├── objects
│   ├── 8d
│   │   └── 0e41234f24b6da002d962a26c2495ea16a425f
│   ├── info
│   └── pack
└── refs
    ├── heads
    └── tags

可以看到多了一个index文件,并且objects目录里面多了一个8d的文件夹,里面有一个0e41开头的文件、那这个8d0e4这个是什么呢?其实这个就是index.txt文件内容的hash。还记得嘛,刚才写入文件内容是hello git,我们来手动输出这个内容的hash。

$ echo 'hello git' | git hash-object --stdin
$ 8d0e41234f24b6da002d962a26c2495ea16a425f

可以通过cat-file命令从Git那里取回数据。为cat-file指定-p选项可指示该命令自动判断内容的类型,并为我们显示格式友好的内容:

$ git cat-file -p 8d0e
$ hello git

为cat-file指定-t选项可以查看文件的类型:

$ git cat-file -t 8d0e
$ blob

git add做了两件事情:

  • 文件内容做一个hash存成blob object

  • 把index放入到Staging Area

当为index.txt创建一个对象的时候,git并不关心index.txt的文件名,git 只关心文件里面的内容。

按照这个思路,我们用底层命令来实现一下git add指令。

$ echo 'hello git' | git hash-object -w --stdin

$ git update-index --add --cacheinfo 100644 8d0e41234f24b6da002d962a26c2495ea16a425f index.txt

-w选项指示hash-object命令存储数据对象;若不指定此选项,则该命令仅返回对应的键值。

我们指定的文件模式为100644,表明这是一个普通文件。其他选择包括:100755,表示一个可执行文件;120000,表示一个符号链接。

Git内部原理解析

因为并没有去创建这个index.txt文件, 所以这边提示已经删除了,执行git checkout -- index.txt取出文件。

Git内部原理解析

可以看到已经成功用底层命名实现了git add的功能。

到这里,我们自然就会有个疑问了,那文件名怎么办?

Git是通过tree对象来跟踪文件的路径名的。当使用git add命令时,git会给添加的文件内容创建一个blob对象,但是这个时候并不会创建tree对象。而只是更新索引,索引在.git/index中,它跟踪文件的路径名和相对应blob,每次执行git add 、git rm 、 git mv 的时候,git都会更新索引,我们可以通过命令git ls-files --stage来查看当前的索引信息。

$ git ls-files --s
$ 100644 8d0e41234f24b6da002d962a26c2495ea16a425f 0 index.txt

git commit

Git内部原理解析

执行git commit -m 'init-1'后,查看tree结构,发现object 多出了两个文件:

.git
├── COMMIT_EDITMSG
├── HEAD
├── config
├── description
├── index
├── info
│   └── exclude
├── logs
│   ├── HEAD
│   └── refs
│       └── heads
│           └── master
├── objects
│   ├── 75
│   │   └── 0d7c0f7f998d3e2ce2d71ec801902f69bf6a39
│   ├── 88
│   │   └── bc066ebf3d864e34297f7051a0ded16e49813a
│   ├── 8d
│   │   └── 0e41234f24b6da002d962a26c2495ea16a425f
│   ├── info
│   └── pack
└── refs
    ├── heads
    │   └── master
    └── tags
$ git log
$ commit 750d7c0f7f998d3e2ce2d71ec801902f69bf6a39 (HEAD -> master)

查看这个commit 的文件类型,可以看到这是一个commit:

$ git cat-file -t 750d
$ commit

$ git cat-file -p 750d
$ tree 88bc066ebf3d864e34297f7051a0ded16e49813a

但是多出来的88bc是什么呢,其实就是当前目录的tree对象,所以Git是在commit的时候才创建tree对象的(其实是把索引转化成tree对象)。

$ git cat-file -t 88bc
$ tree

$ git cat-file -p 88bc
$ 100644 blob 8d0e41234f24b6da002d962a26c2495ea16a425f  index.txt

这个时候再看HEAD:

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

继续查看refs/heads/master:

$ cat .git/refs/heads/master
$ 750d7c0f7f998d3e2ce2d71ec801902f69bf6a39

所以整个指向关系就是:HEAD里面的内容是当前的ref,而当前ref的内容是commit hash,commit对象内容是tree hash,tree对象的内容是文件夹/文件信息,而blob对象存储着文件的具体内容。这样当完成一次提交的时候,整个状态的对应关系也是确定的,所以说commit对象就是当前系统的snapshot。

Git内部原理解析

再来回顾下一次完整的提交流程:

Git内部原理解析

原文链接:https://zhuanlan.zhihu.com/p/53750883

Kubernetes实战培训

Git内部原理解析

Kubernetes实战培训将于2020年7月24日在深圳开课,3天时间带你系统掌握Kubernetes,学习效果不好可以继续学习。本次培训包括:云原生介绍、微服务;Docker基础、Docker工作原理、镜像、网络、存储、数据卷、安全;Kubernetes架构、核心组件、常用对象、网络、存储、认证、服务发现、调度和服务质量保证、日志、监控、告警、Helm、实践案例等,点击下方图片或者阅读原文链接查看详情。

Git内部原理解析