10.4 包文件

包文件

讓我們重新回到示例 Git 版本庫的對象數(shù)據(jù)庫。 目前為止，可以看到有 11 個(gè)對象——4 個(gè)數(shù)據(jù)對象、3 個(gè)樹對象、3 個(gè)提交對象和 1 個(gè)標(biāo)簽對象：

$ find .git/objects -type f
.git/objects/01/55eb4229851634a0f03eb265b69f5a2d56f341 # tree 2
.git/objects/1a/410efbd13591db07496601ebc7a059dd55cfe9 # commit 3
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a # test.txt v2
.git/objects/3c/4e9cd789d88d8d89c1073707c3585e41b0e614 # tree 3
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30 # test.txt v1
.git/objects/95/85191f37f7b0fb9444f35a9bf50de191beadc2 # tag
.git/objects/ca/c0cab538b970a37ea1e769cbbde608743bc96d # commit 2
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 # 'test content'
.git/objects/d8/329fc1cc938780ffdd9f94e0d364e0ea74f579 # tree 1
.git/objects/fa/49b077972391ad58037050f2a75f74e3671e92 # new.txt
.git/objects/fd/f4fc3344e67ab068f836878b6c4951e3b15f3d # commit 1

Git 使用 zlib 壓縮這些文件的內(nèi)容，而且我們并沒有存儲(chǔ)太多東西，所以上文中的文件一共只占用了 925 字節(jié)。 接下來，我們會(huì)指引你添加一些大文件到版本庫中，以此展示 Git 的一個(gè)很有趣的功能。 為了便于展示，我們要把之前在 Grit 庫中用到過的?repo.rb?文件添加進(jìn)來——這是一個(gè)大小約為 22K 的源代碼文件：

$ curl https://raw.githubusercontent.com/mojombo/grit/master/lib/grit/repo.rb > repo.rb
$ git add repo.rb
$ git commit -m 'added repo.rb'
[master 484a592] added repo.rb
 3 files changed, 709 insertions(+), 2 deletions(-)
 delete mode 100644 bak/test.txt
 create mode 100644 repo.rb
 rewrite test.txt (100%)

如果你查看生成的樹對象，可以看到 repo.rb 文件對應(yīng)的數(shù)據(jù)對象的 SHA-1 值：

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

接下來你可以使用?git cat-file?命令查看這個(gè)對象有多大：

$ git cat-file -s 033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5
22044

現(xiàn)在，稍微修改這個(gè)文件，然后看看會(huì)發(fā)生什么：

$ echo '# testing' >> repo.rb
$ git commit -am 'modified repo a bit'
[master 2431da6] modified repo.rb a bit
 1 file changed, 1 insertion(+)

查看這個(gè)提交生成的樹對象，你會(huì)看到一些有趣的東西：

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob b042a60ef7dff760008df33cee372b945b6e884e      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

repo.rb 對應(yīng)一個(gè)與之前完全不同的數(shù)據(jù)對象，這意味著，雖然你只是在一個(gè) 400 行的文件后面加入一行新內(nèi)容，Git 也會(huì)用一個(gè)全新的對象來存儲(chǔ)新的文件內(nèi)容：

$ git cat-file -s b042a60ef7dff760008df33cee372b945b6e884e
22054

你的磁盤上現(xiàn)在有兩個(gè)幾乎完全相同、大小均為 22K 的對象。 如果 Git 只完整保存其中一個(gè)，再保存另一個(gè)對象與之前版本的差異內(nèi)容，豈不更好？

事實(shí)上 Git 可以那樣做。 Git 最初向磁盤中存儲(chǔ)對象時(shí)所使用的格式被稱為“松散（loose）”對象格式。 但是，Git 會(huì)時(shí)不時(shí)地將多個(gè)這些對象打包成一個(gè)稱為“包文件（packfile）”的二進(jìn)制文件，以節(jié)省空間和提高效率。 當(dāng)版本庫中有太多的松散對象，或者你手動(dòng)執(zhí)行?git gc?命令，或者你向遠(yuǎn)程服務(wù)器執(zhí)行推送時(shí)，Git 都會(huì)這樣做。 要看到打包過程，你可以手動(dòng)執(zhí)行?git gc?命令讓 Git 對對象進(jìn)行打包：

$ git gc
Counting objects: 18, done.
Delta compression using up to 8 threads.
Compressing objects: 100% (14/14), done.
Writing objects: 100% (18/18), done.
Total 18 (delta 3), reused 0 (delta 0)

這個(gè)時(shí)候再查看 objects 目錄，你會(huì)發(fā)現(xiàn)大部分的對象都不見了，與此同時(shí)出現(xiàn)了一對新文件：

$ find .git/objects -type f
.git/objects/bd/9dbf5aae1a3862dd1526723246b20206e5fc37
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
.git/objects/info/packs
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.idx
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.pack

仍保留著的幾個(gè)對象是未被任何提交記錄引用的數(shù)據(jù)對象——在此例中是你之前創(chuàng)建的“what is up, doc?”和“test content”這兩個(gè)示例數(shù)據(jù)對象。 因?yàn)槟銖臎]將它們添加至任何提交記錄中，所以 Git 認(rèn)為它們是搖擺（dangling）的，不會(huì)將它們打包進(jìn)新生成的包文件中。

剩下的文件是新創(chuàng)建的包文件和一個(gè)索引。 包文件包含了剛才從文件系統(tǒng)中移除的所有對象的內(nèi)容。 索引文件包含了包文件的偏移信息，我們通過索引文件就可以快速定位任意一個(gè)指定對象。 有意思的是運(yùn)行?gc?命令前磁盤上的對象大小約為 22K，而這個(gè)新生成的包文件大小僅有 7K。 通過打包對象減少了 ? 的磁盤占用空間。

Git 是如何做到這點(diǎn)的？ Git 打包對象時(shí)，會(huì)查找命名及大小相近的文件，并只保存文件不同版本之間的差異內(nèi)容。 你可以查看包文件，觀察它是如何節(jié)省空間的。?git verify-pack?這個(gè)底層命令可以讓你查看已打包的內(nèi)容：

$ git verify-pack -v .git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.idx
2431da676938450a4d72e260db3bf7b0f587bbc1 commit 223 155 12
69bcdaff5328278ab1c0812ce0e07fa7d26a96d7 commit 214 152 167
80d02664cb23ed55b226516648c7ad5d0a3deb90 commit 214 145 319
43168a18b7613d1281e5560855a83eb8fde3d687 commit 213 146 464
092917823486a802e94d727c820a9024e14a1fc2 commit 214 146 610
702470739ce72005e2edff522fde85d52a65df9b commit 165 118 756
d368d0ac0678cbe6cce505be58126d3526706e54 tag    130 122 874
fe879577cb8cffcdf25441725141e310dd7d239b tree   136 136 996
d8329fc1cc938780ffdd9f94e0d364e0ea74f579 tree   36 46 1132
deef2e1b793907545e50a2ea2ddb5ba6c58c4506 tree   136 136 1178
d982c7cb2c2a972ee391a85da481fc1f9127a01d tree   6 17 1314 1 \
  deef2e1b793907545e50a2ea2ddb5ba6c58c4506
3c4e9cd789d88d8d89c1073707c3585e41b0e614 tree   8 19 1331 1 \
  deef2e1b793907545e50a2ea2ddb5ba6c58c4506
0155eb4229851634a0f03eb265b69f5a2d56f341 tree   71 76 1350
83baae61804e65cc73a7201a7252750c76066a30 blob   10 19 1426
fa49b077972391ad58037050f2a75f74e3671e92 blob   9 18 1445
b042a60ef7dff760008df33cee372b945b6e884e blob   22054 5799 1463
033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5 blob   9 20 7262 1 \
  b042a60ef7dff760008df33cee372b945b6e884e
1f7a7a472abf3dd9643fd615f6da379c4acb3e3a blob   10 19 7282
non delta: 15 objects
chain length = 1: 3 objects
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.pack: ok

此處，033b4?這個(gè)數(shù)據(jù)對象（即 repo.rb 文件的第一個(gè)版本，如果你還記得的話）引用了數(shù)據(jù)對象b042a，即該文件的第二個(gè)版本。 命令輸出內(nèi)容的第三列顯示的是各個(gè)對象在包文件中的大小，可以看到?b042a?占用了 22K 空間，而?033b4?僅占用 9 字節(jié)。 同樣有趣的地方在于，第二個(gè)版本完整保存了文件內(nèi)容，而原始的版本反而是以差異方式保存的——這是因?yàn)榇蟛糠智闆r下需要快速訪問文件的最新版本。

最妙之處是你可以隨時(shí)重新打包。 Git 時(shí)常會(huì)自動(dòng)對倉庫進(jìn)行重新打包以節(jié)省空間。當(dāng)然你也可以隨時(shí)手動(dòng)執(zhí)行?git gc?命令來這么做。