git存储机制

现在项目基本都采用git来进行版本控制，最近比较好奇git的存储机制到底是怎么样的，研究了一下

简单介绍git最重要的算法（SHA-1）

• 通过git log查看，会发现都会有一个40个字符组成的字符串,这个字符串是通过SHA-1算法计算出来的字符串
• SHA-1算法：两个不同的内容进行计算出来的值（消息摘要）理论上来说是不重复的（基于目前来说）

git的存储机制详解

• 先介绍下git的一个命令：git cat-file，查看消息摘要的详细内容；用的时候经常会带上 -p 参数

• 研究过程(基于我本地的一个版本库)

  • 先通过 git log 找到一个commitId，通过 git cat-file 查看 git cat-file -p 71d8f2a8aecfc84b2a72814f525c76c128face53

    tree b346468f50d856cc0a6089e4fe260b4f72c914e5
    parent 5987828df851c3d93775e8a1eb49b8d709fd1fb5
    author xx <xxx> 1489540261 +0800
    committer xxx <xxx> 1489540267 +0800
    

  • 从这里看出来一个 commit 指向一个 tree （一个tree管理一些tree和一些blob），接下来继续看这个tree到底是什么
  • 继续 git cat-file ：git cat-file -p b346468f50d856cc0a6089e4fe260b4f72c914e5

    100644 blob e1b5186c600616e89692c94f64f4ed2e525fab23    .gitignore
    100644 blob 2572cca5762d11828c4a296bcca7ded879f4929a    LICENSE
    100644 blob 7ba68141ca2199ab83d3160f700d0e4343298468    README.md
    100644 blob ac8522fb58c89951af0089cb090a56f9856c05b0    a.txt
    100644 blob 9b285c5c555323213ce7865e536d09e597268706    pom.xml
    040000 tree 5165230a25966bca6377f32f80750b0640a9de02    src
    

  • 上边的结果有blob和tree：这个时候blob通常是一个文件，tree是一个目录
    • 那先来看看blob类型：git cat-file -p e1b5186c600616e89692c94f64f4ed2e525fab23，这个时候看到的是一个文件的内容：

      *.class
      target/
      java-common-utils.iml
      .idea/
      

      为什么是这样的呢，因为git通过e1b5186c600616e89692c94f64f4ed2e525fab23指向了.gitignore文件，而这个文件的内容被压缩成另一个文件，这些文件保存在项目的.git目录下的objects目录下，git的cat-file命令将blob还原成原有的文件内容了。网上有压缩的算法
    • 再来看看tree类型：git cat-file -p 5165230a25966bca6377f32f80750b0640a9de02

      040000 tree 857c7710f03f0b9d33d3110273f525416ee310a6  main
      040000 tree b63ccc7fa9ced1d7b84fd5de194a85fe66016bec  test
      

      可以看到还是两个tree，可以一直cat-file下去知道没有tree

  总结

  • git对文件的比对是通过文件内容的SHA-1消息摘要进行对比是否有更改，所以速度会非常快；