
1、什麼是 Git
Git 的官方定義:Git is a fast, scalable, distributed revision control system with an unusually rich command set that provides both high-level operations and full access to internals.
由此可見,Git 是一個命令集異常豐富的版本控制系統,其特點在於快速、可擴展與分布式。而從本質上講,Git 其實是一個簡樸的內容記錄工具(the stupid content tracker)——它是一套內容尋址(content-addressable)文件系統,並在此之上提供了一個版本控制系統的用戶界面。
1.1 an unusually rich command set
當前版本中,Git 共有 158 個命令,但常用的僅十餘個,其餘多為底層命令。由於 Git 最初被設計為 the stupid content tracker,如今雖最廣泛地用作版本控制系統,但實際上也能勝任其他任務。因此,Git 不僅提供了功能齊全的底層命令,還封裝了許多友好的高層命令。
Git 命令分為兩類:
Porcelain(高層命令):user-friendly commands,如 init、add、commit、push、checkout、branch、merge 等。
Plumbing(底層命令):bunch of verbs that do low-level work,如 hash-object、update-index、write-tree 等。
1.2 revision control system
版本控制系統,學名為軟件變更與配置管理系統(SCM),通常需要具備以下特點:
· 記錄並控制軟件的變化點與版本號;
· 能清楚掌握什麼東西被改了、被誰改了;
· 在多人協作的大項目中,讓合作與文件管理更為順暢;
· 最重要的是,具備回滾能力。
現實生活中,版本控制其實隨處可見,例如寫論文時的手動存檔。但這只是簡單的本地版本控制,一旦放到多人協作場景便力不從心:一方面需要大量拷貝以保證可回滾,另一方面當多人修改同一項目出現寫寫沖突時,即便有 Linux 的 diff 與 patch 命令,解決起來也極其痛苦。因此,版本控制系統的核心,正是要讓分處不同系統的開發者協同工作,避免眾人齊改、最後亂成一團的局面。
2、Git 有何不同
2.1 集中式版本控制系統

在集中式版本控制系統中,版本庫集中存放於中央服務器(server),每個開發者作為客戶端(client),透過客戶端連到中央服務器,取出(checkout)最新文件或提交(commit)更新。其主要特點是:
· 每次 checkout 拿到的都是版本庫當前最新的快照(snapshot),並不知曉此前的歷史狀態;
· 每次 commit 都會更新中央版本庫;
· 為防止數據丟失,每次 commit 時都需要重新同步(re-sync)。
其缺點則包括:
1. 每次 commit 都需要 re-sync:在多人協作中,可認為 commit 越早,麻煩越少。從這個角度看,Git 相當於做了兩步 commit——第一次為 commit,第二次為 pull,只有 pull 才需要 re-sync。
2. 單點故障:在 commit 之前,所有文件都存於 client 本地,若不慎刪除,除非重新訪問 server 回滾,否則便真的刪除了。而當 server 沒有備份且宕機時,即便能恢復當前版本,此前的歷史數據也無從找回。
3. 每次工作都需要聯網;
4. 速度慢:因為絕大部分時間都需要 client 與 server 反覆溝通協作。
2.2 分布式版本控制系統

與集中式系統相比,Git 最大的不同在於它是分布式的——不止服務器保存有版本庫,每個客戶端也各自保存一份。其主要特點是:
· 每次 clone 都真正拷貝全部數據;
· 初次 clone 之後,大多數操作都在本地完成。
由此帶來的三大優點是:
1. Fast:除首次 clone 較慢外,後續操作都很快,因為大多在本地進行、無需聯網。
2. Scalable:你可以對本地版本庫做任何想做的事,不會對他人造成影響。
3. Distributed:客戶端雖無法徹底杜絕單點故障,卻能降低其概率——本地保存有版本庫,出錯往往可就地解決;即便 server 損壞,也能依據 client 的版本庫恢復,甚至把 client 直接當作新的 server。
3、Git 如何存儲內部數據
既然 Git 是分布式版本控制系統,服務端與客戶端都各持一份版本庫,那麼這份 version database 究竟是什麼?
1. 本質上,是一套內容尋址文件系統(Content Addressable Filesystem);
2. 實現上,是一個簡單的 KV 數據庫;
3. Key:sha-1 hash(一切皆被哈希)——20 bytes、40 hex、160 bit、約 2.9e48 個不同鍵;
4. Value:二進制文件,包括 Commits(實際的 git 提交)、Trees(目錄結構)、Blobs(文件內容/數據)。
Git 以類似 UNIX 文件系統但更為簡潔的 key-value 方式存儲內容:key 是文件內容的哈希值,value 則包含 commit object、tree object 與 blob object 三種對象。所有內容以 tree 或 blob 存儲,其中 tree 對應 UNIX 中的目錄,blob 大致對應 inodes 或文件內容,而 commit 則可視為當前版本的一次快照。單個 tree 對象包含一條或多條 tree 記錄,每條記錄含一個指向 blob 或子 tree 的 SHA-1 指針,並附帶權限模式、類型與文件名信息。
3.1 git init 命令
git init 主要創建了四個文件夾(.git、.git/refs/heads、.git/refs/tags、.git/objects)與一個文件 .git/HEAD,並將 HEAD 內容初始化為指向 master 分支。用普通 Linux 命令即可復刻其過程:
mkdir .git mkdir -p .git/refs/heads mkdir -p .git/refs/tags mkdir -p .git/objects touch .git/HEAD echo "ref:refs/heads/master" > .git/HEAD
其中,objects 目錄存儲所有數據內容,refs 目錄存儲指向數據(分支)提交對象的指針,HEAD 文件則指向當前分支。
3.2 git add 命令
git add 做了兩件事:其一,把文件寫成 blob object 作為 value,並以文件內容的 hash 值作為 key;其二,更新 index 文件,將文件放入暫存區(staging area)。
echo "Hello World" > hello.txt git add .
上述操作可用底層命令實現:
echo "Hello World" | git hash-object -w --stdin git update-index --add --cacheinfo 100644 557db03de997c86a4028e1ebd3a1ceb225be238 hello.txt git checkout -- hello.txt
第一條命令中,-w 參數指示 hash-object 存儲對象(否則僅返回鍵值),命令輸出長度為 40 字符的 SHA-1 校驗和,並以它的前 2 個字符為名創建子目錄,餘下 38 個字符作為文件名保存其中。第二條命令 update-index 為單個文件創建 index;更新暫存區後,由於僅 index 中有而本地仍無,此時 git status 會顯示為 deleted,這時用第三條命令即可將其 checkout 出來。
3.3 git commit 命令
進行第一次提交:
git commit -m "First Commit"
此時會多出兩個文件:一是 commit object,它相當於對跟蹤項目內容的一次快照,記錄了該時間點項目快照的頂層樹對象、作者/提交者信息以及提交注釋;二是被指向的 tree object,它實際上是文件根目錄,內部指向一個 blob object,而這個 blob 正是此前 git add 的內容。

既然 git log 能查看完整歷史並據此找到文件,那麼系統又是如何找到 commit log 的呢?答案是 refs!.git/HEAD 裡存的是一個 ref,ref 是一個文件,文件裡又存著某個 commit 的 hash 值,如此便能定位到當前的 base 版本。

嘗試進行第二次提交,先 git add 一個簡單的腳本文件 hello.sh:
!/bin/sh echo "Hello World" git add hello.sh
此時 git add 只會新增一個 blob object,而不會新增 tree object——也就是說,add 階段並不寫目錄,只更新暫存區,目錄信息保存在 index 中。因為在 commit 之前可以進行多次 add。
git commit -m "Second Commit"
此時會多出三個文件:一是 commit object,二是根目錄的 tree object,三是文件目錄的 tree object。從下圖可見,commit object 還帶有一個 parent 指針,指向上一次的 commit object;同時它也更新了自身的 refs/heads/master 信息。

透過 git ls-files --stage 查看暫存區信息,你會發現暫存區只存儲 blob object,並不存儲 tree object 與 commit object。
4、branch/merge 在 Git 內部如何工作
相較於 init、add、commit 三個命令,git branch 與 git merge 顯得格外小巧機智,配合下圖便能輕鬆理解。
4.1 branch 操作
在 Git 裡,branch 操作實際上不過是新增一個 41 字節的引用文件(位於 refs/heads/ 目錄下),可謂極其簡單廉價:

同理,checkout 操作也不過是更改引用文件的指針而已。

4.2 merge 操作
最後分析 merge 操作,其流程如下:
1. 計算當前 branch 與公共 branch 的 diff;這步很快,只需比較文件 hash 值是否匹配。
2. 應用該 diff 去修正本地文件;這步不會覆蓋分支中之前的版本數據。
3. 解決所有沖突。

merge 完成後,示意圖如下:

首先可以看到,此操作會新建一個 master 處的 commit object,而它有兩個 parent 指針,分別指向前兩個分支的 commit object。其次,若不慎做了一個 bad merge 又不想讓他人知曉,只需更改 master 與 feature 指針的 hash 信息即可。最後,透過 branch 與 merge,你會發現 Git 的世界裡,它會盡量避免讓你做「刪除」這件事。
5、小結
Git is the stupid content tracker. —— Linus Torvalds
正如 Linus 所言,我們該如何理解 Git?本質上,Git 是一套文件尋址系統。雖然它具備版本控制能力,但在最初設計時,Linus 完完全全是從文件系統的角度出發去實現這個產品的。所以說,Git 本質上仍是一個文件系統,只是它恰好非常適合被用作版本控制系統。