Git 對象

Git 是一套內(nèi)容尋址文件系統(tǒng)。很不錯。不過這是什么意思呢？ 這種說法的意思是，Git 從核心上來看不過是簡單地存儲鍵值對（key-value）。它允許插入任意類型的內(nèi)容，并會返回一個鍵值，通過該鍵值可以在任何時候再取出該內(nèi)容?？梢酝ㄟ^底層命令 hash-object 來示范這點，傳一些數(shù)據(jù)給該命令，它會將數(shù)據(jù)保存在 .git 目錄并返回表示這些數(shù)據(jù)的鍵值。首先初使化一個 Git 倉庫并確認 objects 目錄是空的：

$ mkdir test
$ cd test
$ git init
Initialized empty Git repository in /tmp/test/.git/
$ find .git/objects
.git/objects
.git/objects/info
.git/objects/pack
$ find .git/objects -type f
$

Git 初始化了 objects 目錄，同時在該目錄下創(chuàng)建了 pack 和 info 子目錄，但是該目錄下沒有其他常規(guī)文件。我們往這個 Git 數(shù)據(jù)庫里存儲一些文本：

$ echo 'test content' | git hash-object -w --stdin
d670460b4b4aece5915caf5c68d12f560a9fe3e4

參數(shù) -w 指示 hash-object 命令存儲 (數(shù)據(jù)) 對象，若不指定這個參數(shù)該命令僅僅返回鍵值。--stdin 指定從標(biāo)準(zhǔn)輸入設(shè)備 (stdin) 來讀取內(nèi)容，若不指定這個參數(shù)則需指定一個要存儲的文件的路徑。該命令輸出長度為 40 個字符的校驗和。這是個 SHA-1 哈希值──其值為要存儲的數(shù)據(jù)加上你馬上會了解到的一種頭信息的校驗和?，F(xiàn)在可以查看到 Git 已經(jīng)存儲了數(shù)據(jù)：

$ find .git/objects -type f
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4

可以在 objects 目錄下看到一個文件。這便是 Git 存儲數(shù)據(jù)內(nèi)容的方式──為每份內(nèi)容生成一個文件，取得該內(nèi)容與頭信息的 SHA-1 校驗和，創(chuàng)建以該校驗和前兩個字符為名稱的子目錄，并以 (校驗和) 剩下 38 個字符為文件命名 (保存至子目錄下)。

通過 cat-file 命令可以將數(shù)據(jù)內(nèi)容取回。該命令是查看 Git 對象的瑞士軍刀。傳入 -p 參數(shù)可以讓該命令輸出數(shù)據(jù)內(nèi)容的類型：

$ git cat-file -p d670460b4b4aece5915caf5c68d12f560a9fe3e4
test content

可以往 Git 中添加更多內(nèi)容并取回了。也可以直接添加文件。比方說可以對一個文件進行簡單的版本控制。首先，創(chuàng)建一個新文件，并把文件內(nèi)容存儲到數(shù)據(jù)庫中：

$ echo 'version 1' > test.txt
$ git hash-object -w test.txt
83baae61804e65cc73a7201a7252750c76066a30

接著往該文件中寫入一些新內(nèi)容并再次保存：

$ echo 'version 2' > test.txt
$ git hash-object -w test.txt
1f7a7a472abf3dd9643fd615f6da379c4acb3e3a

數(shù)據(jù)庫中已經(jīng)將文件的兩個新版本連同一開始的內(nèi)容保存下來了：

$ find .git/objects -type f
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4

再將文件恢復(fù)到第一個版本：

$ git cat-file -p 83baae61804e65cc73a7201a7252750c76066a30 > test.txt
$ cat test.txt
version 1

或恢復(fù)到第二個版本：

$ git cat-file -p 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a > test.txt
$ cat test.txt
version 2

需要記住的是幾個版本的文件 SHA-1 值可能與實際的值不同，其次，存儲的并不是文件名而僅僅是文件內(nèi)容。這種對象類型稱為 blob 。通過傳遞 SHA-1 值給 cat-file -t 命令可以讓 Git 返回任何對象的類型：

$ git cat-file -t 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a
blob

tree (樹) 對象

接下去來看 tree 對象，tree 對象可以存儲文件名，同時也允許存儲一組文件。Git 以一種類似 UNIX 文件系統(tǒng)但更簡單的方式來存儲內(nèi)容。所有內(nèi)容以 tree 或 blob 對象存儲，其中 tree 對象對應(yīng)于 UNIX 中的目錄，blob 對象則大致對應(yīng)于 inodes 或文件內(nèi)容。一個單獨的 tree 對象包含一條或多條 tree 記錄，每一條記錄含有一個指向 blob 或子 tree 對象的 SHA-1 指針，并附有該對象的權(quán)限模式 (mode)、類型和文件名信息。以 simplegit 項目為例，最新的 tree 可能是這個樣子：

$ git cat-file -p master^{tree}
100644 blob a906cb2a4a904a152e80877d4088654daad0c859      README
100644 blob 8f94139338f9404f26296befa88755fc2598c289      Rakefile
040000 tree 99f1a6d12cb4b6f19c8655fca46c3ecf317074e0      lib

master^{tree} 表示 branch 分支上最新提交指向的 tree 對象。請注意 lib 子目錄并非一個 blob 對象，而是一個指向另一個 tree 對象的指針：

$ git cat-file -p 99f1a6d12cb4b6f19c8655fca46c3ecf317074e0
100644 blob 47c6340d6459e05787f644c2447d2595f5d3a54b      simplegit.rb

從概念上來講，Git 保存的數(shù)據(jù)如圖 9-1 所示。

圖 9-1. Git 對象模型的簡化版

你可以自己創(chuàng)建 tree 。通常 Git 根據(jù)你的暫存區(qū)域或 index 來創(chuàng)建并寫入一個 tree 。因此要創(chuàng)建一個 tree 對象的話首先要通過將一些文件暫存從而創(chuàng)建一個 index ?？梢允褂?plumbing 命令 update-index 為一個單獨文件 ── test.txt 文件的第一個版本 ──　創(chuàng)建一個 index　。通過該命令人為的將 test.txt 文件的首個版本加入到了一個新的暫存區(qū)域中。由于該文件原先并不在暫存區(qū)域中 (甚至就連暫存區(qū)域也還沒被創(chuàng)建出來呢) ，必須傳入 --add 參數(shù);由于要添加的文件并不在當(dāng)前目錄下而是在數(shù)據(jù)庫中，必須傳入 --cacheinfo 參數(shù)。同時指定了文件模式，SHA-1 值和文件名：

$ git update-index --add --cacheinfo 100644 \
  83baae61804e65cc73a7201a7252750c76066a30 test.txt

在本例中，指定了文件模式為 100644，表明這是一個普通文件。其他可用的模式有：100755 表示可執(zhí)行文件，120000 表示符號鏈接。文件模式是從常規(guī)的 UNIX 文件模式中參考來的，但是沒有那么靈活 ── 上述三種模式僅對 Git 中的文件 (blobs) 有效 (雖然也有其他模式用于目錄和子模塊)。

現(xiàn)在可以用 write-tree 命令將暫存區(qū)域的內(nèi)容寫到一個 tree 對象了。無需 -w 參數(shù) ── 如果目標(biāo) tree 不存在，調(diào)用 write-tree 會自動根據(jù) index 狀態(tài)創(chuàng)建一個 tree 對象。

$ git write-tree
d8329fc1cc938780ffdd9f94e0d364e0ea74f579
$ git cat-file -p d8329fc1cc938780ffdd9f94e0d364e0ea74f579
100644 blob 83baae61804e65cc73a7201a7252750c76066a30      test.txt

可以這樣驗證這確實是一個 tree 對象：

$ git cat-file -t d8329fc1cc938780ffdd9f94e0d364e0ea74f579
tree

再根據(jù) test.txt 的第二個版本以及一個新文件創(chuàng)建一個新 tree 對象：

$ echo 'new file' > new.txt
$ git update-index test.txt
$ git update-index --add new.txt

這時暫存區(qū)域中包含了 test.txt 的新版本及一個新文件 new.txt 。創(chuàng)建 (寫) 該 tree 對象 (將暫存區(qū)域或 index 狀態(tài)寫入到一個 tree 對象)，然后瞧瞧它的樣子：

$ git write-tree
0155eb4229851634a0f03eb265b69f5a2d56f341
$ git cat-file -p 0155eb4229851634a0f03eb265b69f5a2d56f341
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a      test.txt

請注意該 tree 對象包含了兩個文件記錄，且 test.txt 的 SHA 值是早先值的 "第二版" (1f7a7a)。來點更有趣的，你將把第一個 tree 對象作為一個子目錄加進該 tree 中?？梢杂?nbsp;read-tree 命令將 tree 對象讀到暫存區(qū)域中去。在這時，通過傳一個 --prefix 參數(shù)給 read-tree，將一個已有的 tree 對象作為一個子 tree 讀到暫存區(qū)域中：

$ git read-tree --prefix=bak d8329fc1cc938780ffdd9f94e0d364e0ea74f579
$ git write-tree
3c4e9cd789d88d8d89c1073707c3585e41b0e614
$ git cat-file -p 3c4e9cd789d88d8d89c1073707c3585e41b0e614
040000 tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579      bak
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 1f7a7a472abf3dd9643fd615f6da379c4acb3e3a      test.txt

如果從剛寫入的新 tree 對象創(chuàng)建一個工作目錄，將得到位于工作目錄頂級的兩個文件和一個名為 bak 的子目錄，該子目錄包含了 test.txt 文件的第一個版本?？梢詫?Git 用來包含這些內(nèi)容的數(shù)據(jù)想象成如圖 9-2 所示的樣子。

圖 9-2. 當(dāng)前 Git 數(shù)據(jù)的內(nèi)容結(jié)構(gòu)

commit (提交) 對象

你現(xiàn)在有三個 tree 對象，它們指向了你要跟蹤的項目的不同快照，可是先前的問題依然存在：必須記往三個 SHA-1 值以獲得這些快照。你也沒有關(guān)于誰、何時以及為何保存了這些快照的信息。commit 對象為你保存了這些基本信息。

要創(chuàng)建一個 commit 對象，使用 commit-tree 命令，指定一個 tree 的 SHA-1，如果有任何前繼提交對象，也可以指定。從你寫的第一個 tree 開始：

$ echo 'first commit' | git commit-tree d8329f
fdf4fc3344e67ab068f836878b6c4951e3b15f3d

通過 cat-file 查看這個新 commit 對象：

$ git cat-file -p fdf4fc3
tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579
author Scott Chacon <schacon@gmail.com> 1243040974 -0700
committer Scott Chacon <schacon@gmail.com> 1243040974 -0700

first commit

commit 對象有格式很簡單：指明了該時間點項目快照的頂層樹對象、作者/提交者信息（從 Git 設(shè)置的 user.name 和 user.email中獲得)以及當(dāng)前時間戳、一個空行，以及提交注釋信息。

接著再寫入另外兩個 commit 對象，每一個都指定其之前的那個 commit 對象：

$ echo 'second commit' | git commit-tree 0155eb -p fdf4fc3
cac0cab538b970a37ea1e769cbbde608743bc96d
$ echo 'third commit'  | git commit-tree 3c4e9c -p cac0cab
1a410efbd13591db07496601ebc7a059dd55cfe9

每一個 commit 對象都指向了你創(chuàng)建的樹對象快照。出乎意料的是，現(xiàn)在已經(jīng)有了真實的 Git 歷史了，所以如果運行 git log 命令并指定最后那個 commit 對象的 SHA-1 便可以查看歷史：

$ git log --stat 1a410e
commit 1a410efbd13591db07496601ebc7a059dd55cfe9
Author: Scott Chacon <schacon@gmail.com>
Date:   Fri May 22 18:15:24 2009 -0700

    third commit

 bak/test.txt |    1 +
 1 files changed, 1 insertions(+), 0 deletions(-)

commit cac0cab538b970a37ea1e769cbbde608743bc96d
Author: Scott Chacon <schacon@gmail.com>
Date:   Fri May 22 18:14:29 2009 -0700

    second commit

 new.txt  |    1 +
 test.txt |    2 +-
 2 files changed, 2 insertions(+), 1 deletions(-)

commit fdf4fc3344e67ab068f836878b6c4951e3b15f3d
Author: Scott Chacon <schacon@gmail.com>
Date:   Fri May 22 18:09:34 2009 -0700

    first commit

 test.txt |    1 +
 1 files changed, 1 insertions(+), 0 deletions(-)

真棒。你剛剛通過使用低級操作而不是那些普通命令創(chuàng)建了一個 Git 歷史。這基本上就是運行　git add 和 git commit 命令時 Git 進行的工作　──保存修改了的文件的 blob，更新索引，創(chuàng)建 tree 對象，最后創(chuàng)建 commit 對象，這些 commit 對象指向了頂層 tree 對象以及先前的 commit 對象。這三類 Git 對象 ── blob，tree 以及 commit ── 都各自以文件的方式保存在 .git/objects 目錄下。以下所列是目前為止樣例中的所有對象，每個對象后面的注釋里標(biāo)明了它們保存的內(nèi)容：

$ 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/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

如果你按照以上描述進行了操作，可以得到如圖 9-3 所示的對象圖。

圖 9-3. Git 目錄下的所有對象

對象存儲

之前我提到當(dāng)存儲數(shù)據(jù)內(nèi)容時，同時會有一個文件頭被存儲起來。我們花些時間來看看 Git 是如何存儲對象的。你將看來如何通過 Ruby 腳本語言存儲一個 blob 對象 (這里以字符串 "what is up, doc?" 為例) 。使用 irb 命令進入 Ruby 交互式模式：

$ irb
>> content = "what is up, doc?"
=> "what is up, doc?"

Git 以對象類型為起始內(nèi)容構(gòu)造一個文件頭，本例中是一個 blob。然后添加一個空格，接著是數(shù)據(jù)內(nèi)容的長度，最后是一個空字節(jié) (null byte)：

>> header = "blob #{content.length}\0"
=> "blob 16\000"

Git 將文件頭與原始數(shù)據(jù)內(nèi)容拼接起來，并計算拼接后的新內(nèi)容的 SHA-1 校驗和?？梢栽?Ruby 中使用 require 語句導(dǎo)入 SHA1 digest 庫，然后調(diào)用 Digest::SHA1.hexdigest() 方法計算字符串的 SHA-1 值：

>> store = header + content
=> "blob 16\000what is up, doc?"
>> require 'digest/sha1'
=> true
>> sha1 = Digest::SHA1.hexdigest(store)
=> "bd9dbf5aae1a3862dd1526723246b20206e5fc37"

Git 用 zlib 對數(shù)據(jù)內(nèi)容進行壓縮，在 Ruby 中可以用 zlib 庫來實現(xiàn)。首先需要導(dǎo)入該庫，然后用 Zlib::Deflate.deflate() 對數(shù)據(jù)進行壓縮：

>> require 'zlib'
=> true
>> zlib_content = Zlib::Deflate.deflate(store)
=> "x\234K\312\311OR04c(\317H,Q\310,V(-\320QH\311O\266\a\000_\034\a\235"

最后將用 zlib 壓縮后的內(nèi)容寫入磁盤。需要指定保存對象的路徑 (SHA-1 值的頭兩個字符作為子目錄名稱，剩余 38 個字符作為文件名保存至該子目錄中)。在 Ruby 中，如果子目錄不存在可以用 FileUtils.mkdir_p() 函數(shù)創(chuàng)建它。接著用 File.open 方法打開文件，并用 write() 方法將之前壓縮的內(nèi)容寫入該文件：

>> path = '.git/objects/' + sha1[0,2] + '/' + sha1[2,38]
=> ".git/objects/bd/9dbf5aae1a3862dd1526723246b20206e5fc37"
>> require 'fileutils'
=> true
>> FileUtils.mkdir_p(File.dirname(path))
=> ".git/objects/bd"
>> File.open(path, 'w') { |f| f.write zlib_content }
=> 32

這就行了 ── 你已經(jīng)創(chuàng)建了一個正確的 blob 對象。所有的 Git 對象都以這種方式存儲，惟一的區(qū)別是類型不同 ── 除了字符串 blob，文件頭起始內(nèi)容還可以是 commit 或 tree 。不過雖然 blob 幾乎可以是任意內(nèi)容，commit 和 tree 的數(shù)據(jù)卻是有固定格式的。