Git 之术与道 -- 对象

庖丁为文惠公解牛，游刃有余。
文惠公曰：“善哉，技盖至此乎？”
庖丁释刀对曰：“臣之所好者道也，进乎技矣。”

-- 庄子

你已经见识过 Git 的威力，正是因为 Git，使得社区协作变得如此简单易行。也许你会认为，强大功能的背后，是一套复杂艰涩的抽象模型。然而，强大并不意味着复杂，越是优雅的程序，往往也越是高效。事实上，Git 作为眼下最为流行的版本管理工具，所依托的是一组至为简洁的数据结构，简洁到只需要很短的篇幅就能够把其中的核心概念讲解清楚。

Git 维护着一个微型的文件系统，其中的文件也被称作数据对象。所有的数据对象均存储于项目下面的 .git/objects
目录中。

例如，在项目 dota-game 中，创建一个 README 文件并且添加到版本库中：

$ git init dota-game && cd dota-game
$ echo -n "42 is the answer to life the universe and everything." > README
$ git add README

此时，我们看到，Git 已经把这个文件记录在案：

$ find .git/objects -type f
.git/objects/81/f41231377346156ef312dffb6716c88826b97c

这样的一个数据对象，被称作 Blob 对象。我们可以通过下面的命令把文件内容重新打捞回来：

$ git cat-file -p 81f41242 is the answer to life the universe and everything.

版本库中的每一个文件，不论是图片、源文件还是二进制文件，都被映射为一个 Blob 对象。除了 Blob 对象，在 Git 的文件系统中还存储着另外三种数据对象：Tree 对象，Commit 对象和 Tag 对象。

Blob 对象

Blob 是英文 Binary large object 的缩写，一个 Blob 对象就是一段二进制数据。

让我们添加另一个文件到版本库中：

$ echo -n "print 'PHP is the best language in the universe.'" > main.py
$ git add main.py
$
$ find .git/objects -type f
.git/objects/64/fe72272a79bff953d7de2062d3f52b4679c659    *
.git/objects/81/f41231377346156ef312dffb6716c88826b97c

通过下面的命令查看数据对象的类型：

$ git cat-file -t 64fe72
blob

为了把文件映射为 Blob 对象，Git 做了下面这些工作：

1. 读取文件内容，添加一段特殊标记到头部，得到新的内容，记为 content；
2. 对该 content 执行 SHA-1 加密，得到一个长度为40字符的 hash 值，例如 64fe72272a79bff953d7de2062d3f52b4679c659；
3. 取该 hash 值的前两位作为子目录，剩下的38位作为文件名，在本例中，子目录名是'64/'，文件名是'fe72272a79bff953d7de2062d3f52b4679c659'；
4. 对 content 执行 zip 压缩，得到新的二进制内容，存入文件中。

这段 Python 代码帮助我们理解整个过程：

import hashlib
import zlib

src = open('README', 'r')
file_content = src.read()    # 42 is the answer to life the universe and everything.
src.close()

# 添加特殊标记到内容的头部
new_content = 'blob %u\0%s' % (len(file_content), file_content)

# 对内容执行 SHA-1 加密
sha1 = hashlib.sha1()
sha1.update(new_content)
hash_str = sha1.hexdigest()  # 81f41231377346156ef312dffb6716c88826b97c

# 对内容执行 zip 压缩
compressed_content = zlib.compress(new_content)

# 存储
dst = open('.git/objects/%s/%s' % (hash_str[:2], hash_str[2:]), 'wb+):
dst.write(compressed_content)
dst.close()

Tree 对象

Git 使用一种与 UNIX 文件系统相似的方式来管理内容，Blob 相当于磁盘文件，Tree 则相当于文件夹。Tree 中既可以包含 Blob，也可以包含其他 Tree。

向版本库中提交当前的修改：

$ git commit -m "first commit"
$
$ find .git/objects -type f
.git/objects/2b/afd8d408af85faf951445e3aea7d7f874cb806    *
.git/objects/64/fe72272a79bff953d7de2062d3f52b4679c659
.git/objects/81/f41231377346156ef312dffb6716c88826b97c
.git/objects/e5/526c066cdb2b17fc37ba2f2f44cdaca86b7bf2    *

.git/objects 目录下面多出了两个对象，这两个对象的类型分别是 commit 和 tree：

$ git cat-file -t 2bafd8
commit
$
$ git cat-file -t e5526c
tree

下文会讲到 Commit 对象，暂且先不管它。查看 e5526c 这个对象的内容：

$ git cat-file -t e5526c
100644 blob 81f41231377346156ef312dffb6716c88826b97c    README
100644 blob 64fe72272a79bff953d7de2062d3f52b4679c659    main.py

可见这颗树就相当于项目的根目录。

添加另一个文件 src/hero.py 到版本库中：

$ mkdir src
$ echo -n "print 'hero'" > src/hero.py
$ git add src/hero.py
$ git commit -m "second commit"
$
$ find .git/objects -type f
.git/objects/24/6474cab5a5019936a54041ccdddd07398cdf94    *
.git/objects/2b/afd8d408af85faf951445e3aea7d7f874cb806
.git/objects/57/e44b9798892d4ac1b63963d7e6a5653dddde7e    *
.git/objects/64/fe72272a79bff953d7de2062d3f52b4679c659
.git/objects/81/f41231377346156ef312dffb6716c88826b97c
.git/objects/bc/6f978c49b6a6f1190fdb25eabba78494e2606b    *
.git/objects/c5/cbfa0f491087c575d8856632451f8d8763b94f    *
.git/objects/e5/526c066cdb2b17fc37ba2f2f44cdaca86b7bf2

现在，版本库中又多出来4个对象：246474、57e44b、bc6f97 以及 c5cbfa。除去 c5cbfa 与 2bafd8 两个 commit 对象之外，其他对象的关系如下图所示：

Commit 对象

一个 Commit 对象代表了一次提交对象，它包含了下面这些信息：

• 何人何时作了该次提交
• 该次提交的简略说明
• 一棵树
• 父级 Commit 对象

其中，这颗树也被称作项目快照（snapshort），通过项目快照，我们可以把项目还原成项目在该次提交时的样子。一般来说，commit 对象总有一个父级 commit 对象，一个又一个 commit 对象通过这种方式链接起来，就构成了一条提交历史。第一次提交的 commit 对象没有父级 commit 对象，分支合并所产生的新的 commit 对象可以有两个或者多个父级 commit 对象。

例如，c5cbfa 这个对象的内容为：

$ git cat-file -p c5cbfa
tree 57e44b9798892d4ac1b63963d7e6a5653dddde7e
parent 2bafd8d408af85faf951445e3aea7d7f874cb806
author xxx <xxx@gmail.com> 1434966496 +0800
committer xxx <xxx@gmail.com> 1434966496 +0800

second commit

经过两次提交之后，版本库中所有对象的关系如下图所示：

Tag 对象

Tag 指向一次特征提交。

在 Git 中有两种 tag，第一种 tag 并不在 .git/objects 目录下面创建新的对象，只是在 .git/refs/tags 目录中新建一个文件，文件的内容就是所指向的 commit 对象的 hash 值：

$ git tag v1.0
$
$ find .git/refs/tags -type f
v1.0
$
$ cat .git/refs/tags/v1.0
c5cbfa0f491087c575d8856632451f8d8763b94f

另一种 tag 则会在 .git/objects 目录下面创建对象，这种 tag 被称作注解标签（annotated tag）：

$ git tag -a v1.0 -m "Version 1.1"
$
$ find .git/objects -type f
.git/objects/24/6474cab5a5019936a54041ccdddd07398cdf94
.git/objects/2b/afd8d408af85faf951445e3aea7d7f874cb806
.git/objects/57/e44b9798892d4ac1b63963d7e6a5653dddde7e
.git/objects/64/fe72272a79bff953d7de2062d3f52b4679c659
.git/objects/81/f41231377346156ef312dffb6716c88826b97c
.git/objects/bc/6f978c49b6a6f1190fdb25eabba78494e2606b
.git/objects/c5/cbfa0f491087c575d8856632451f8d8763b94f
.git/objects/e5/526c066cdb2b17fc37ba2f2f44cdaca86b7bf2
.git/objects/ec/7ed5c26520dd5d16b5189b6fbc7914c56b081a    *

git cat-file 命令同样可以用在 tag 对象上面：

$ git cat-file -t ec7ed5
tag
$
$ git cat-file -p ec7ed5
object c5cbfa0f491087c575d8856632451f8d8763b94f
type commit
tag v1.1
tagger xxx <xxx@gmail.com> 1434970701 +0800

Version 1.1

总结

在 Git 的底层，有四种数据结构，它们分别是：

• Blob
• Tree
• Commit
• Tag

Git 把版本库中的每一个文件都转换为一个 blob 对象进行存储，而用 tree 对象来表达文件的层次结构。

Commit 对象代表了一次提交操作，它包含了当前的项目快照以及提交人和提交日期等诸多信息。所有的 commit 对象串接起来，组成一个有向无环图。从版本控制的角度看，这些 commit 对象构成了一个完整的版本提交记录；从项目开发的角度看，它们描述了项目是如何从无到有一点一滴地构建起来的。

Tag 对象指向一个 commit 对象，我们可以通过 tag 对象快速访问到项目的某一次特征提交。

敬请期待笔者的下一篇文章：《Git 之术与道 -- 索引》。