git的文件系统与底层原理 (1)

由于工作中使用git作为版本管理，之前对git的了解不多，特别是底层方面的原理方面的知识。为了能更好的使用git，有必要学习并梳理下相关知识。

步入正题：

git的文件结构

执行git init 初始化后，会在.git文件夹下会创建多个目录，每个文件夹功能划分的很清晰。

git目录结构.png

git的存储方式

Git 是一套内容寻址文件系统.通过键值对的方式存储和查找。

下面操作一遍，直观的看到整个过程，以便理解。

• 首先，创建一个内容对象

$ echo "小明的文件" | git hash-object -w --stdin
5c98f8a9221e5336f68c7575cd238b48875137c6

命令/参数	说明
echo	将字符串输出到终端
git hash-object	创建一个blob（二进制大对象）, 可指定其他类型，不一定是blob。
--stdin	从标准终端中读取输入，代替从文件读取， 这里读取的是由echo命令输出到终端的字符串。
-w	把blob对象写入数据库

参考：https://git-scm.com/docs/git-hash-object

• 查看刚才存储的数据

$ find .git/objects -type f
.git/objects/5c/98f8a9221e5336f68c7575cd238b48875137c6

命令/参数	说明
find	查找目录下文件
-type f	指定查类型为普通文件

参考：http://man.linuxde.net/find

可以见到文件名称为数字和字母组成的字符串。这个是根据文件内容和头信息（Header），通过SHA-1算法计算得出的40位十六进制校验和。

校验和	5c98f8a9221e5336f68c7575cd238b48875137c6
存储路径	5c/98f8a9221e5336f68c7575cd238b48875137c6 以校验和前两位作为子路径创建文件夹， 以校验和后38位作为文件名生成文件。

SHA-1是一种加密哈希函数（cryptographic hash function）。SHA-1将文件中的内容通过其hash算法生成一个160bit的报文摘要，即40个十六进制数字（每个十六进制数字占4位）。它几乎可以保证，如果两个文件的SHA-1值是相同的，那么它们确是完全相同的内容（类似于生活中的指纹识别）；SHA-1主要有两种用途，一个是加密，一个是数据完整性校验。Linux kernel开创者和Git的开发者——Linus说，Git使用了SHA-1并非是为了安全性，而是为了数据的完整性。理论上SHA-1会在2^51攻击下实现哈希碰撞，所以也不是完全的安全。

• 通过校验和作为键值 解读文件

$ git cat-file -p 5c98f8a9221e5336f68c7575cd238b48875137c6
小明的文件

命令/参数	说明
git cat-file	读取对象信息
-p	根据对象的类型打印其信息

参考：https://git-scm.com/docs/git-cat-file

模拟bolb对象存储流程

bolb存储流程图.png

以上，说明了git的数据存储的基本方式。主要步骤：

1. 使用SHA-1算法根据其原始内容和头信息（头信息格式"blob #{content.length}\0"）生成唯一的40位校验和。
2. 以校验和前两位创建文件夹、校验和后38位作为文件名。
3. 对拼接后的内容压缩后存储。

---

下面是创建文件，修改文件，恢复文件的相关过程。

• 重新创建一个仓库并创建一个文件

$ echo '小明该吃午饭了' > test.txt
$ git hash-object -w test.txt
efbd70f46da0d1852de88c58aebc86616beecdaf

• 修改文件再保存

$ echo "小明打算去吃个泡面" > test.txt
$ git hash-object -w test.txt
26aab56c7d1f9bd962b28f78ce61f021b221d317

• 查看已保存的内容

$ find .git/objects -type f
.git/objects/26/aab56c7d1f9bd962b28f78ce61f021b221d317
.git/objects/ef/bd70f46da0d1852de88c58aebc86616beecdaf

• 恢复到第一个版本

$ git cat-file -p efbd70f46da0d1852de88c58aebc86616beecdaf > .git/test.txt
$ cat .git/test.txt
小明该吃午饭了

git会记录每个版本的修改，根据校验和可恢复到相应的版本。

---

小结：这个过程中包括文件创建、文件修改、文件恢复，跟我们平时工作中使用的高级命令功能很相似。git会把整个过程转化为底层操作，同时对用户透明。

相关引用参考：
http://smilejay.com/2012/08/git-commit-sha-1/
https://git-scm.com/book/zh/v1/Git-%E5%86%85%E9%83%A8%E5%8E%9F%E7%90%86-Git-%E5%AF%B9%E8%B1%A1