每个 git commit 的树对象内容存储哪些信息

Question

每个 Git 提交对象都指向一个树对象。每个提交树对象是否都存储其所有条目，还是仅添加新条目并且仅包含来自提交父级的增量？

例如，Linux 源代码有 1M 提交和数千个对象（master 有 70,000 个）。如果每个提交对象都包含所有对象的条目，从长远来看将占用巨大的空间。即使提交/推送一行更改，也会进行大量处理和传输。

我理解 Git 的理念是存储快照而不是文件的增量，但在这种情况下，只存储更改的文件。

在下面的示例中，70951b429e0e1191a8c1d9e34248cd76453ef544 包含（或显示为 containsig）所有 5 个文件，即使只添加了一个文件。

[test]$ls
a.txt  b.txt  c.txt  d.txt
[test]$echo r5 > e.txt
[test]$git add -A && git commit -m "r5"
[master 51f6941] r5
[test]$git cat-file -p 51f6941
tree 70951b429e0e1191a8c1d9e34248cd76453ef544
[test]$git cat-file -p 70951b429e0e1191a8c1d9e34248cd76453ef544
100644 blob 9a6c8d12dea8859b821b2ba705f7efd6cc914aa5    a.txt
100644 blob 9a6c8d12dea8859b821b2ba705f7efd6cc914aa5    b.txt
100644 blob b6693b64f528de38cde5533acd781fde743bc3df    c.txt
100644 blob 91174caefafdc81d34e302874c86c6e4d5212075    d.txt
100644 blob 29f4cfc46ba3a0bde55bce8f44ac3590e2108da4    e.txt

Answer 1

每个提交在逻辑上都保存\xe2\x80\x94，无论如何\xe2\x80\x94每个文件的完整快照（好吧，提交中的每个文件）。

\n\n

如果您选择一个提交（例如，通过其哈希 ID），然后运行git checkout在该提交上运行，则您的工作树将从该提交中的文件填充。也就是说，您的工作树采用该快照。从该提交切换到其他某个提交，例如少三个文件的提交，Git 会删除这三个文件（并根据需要更新其余文件）。

\n\n

\n

如果每个提交对象都包含所有对象的条目，从长远来看将占用巨大的空间。

\n

\n\n

但……事实并非如此。其中涉及到两项令人惊奇（或者不是那么令人惊奇）的聪明才智。

\n\n

第一个出现在这里：

\n\n

\n

[test]$git cat-file -p 70951b429e0e1191a8c1d9e34248cd76453ef544\n100644 blob 9a6c8d12dea8859b821b2ba705f7efd6cc914aa5    a.txt\n100644 blob 9a6c8d12dea8859b821b2ba705f7efd6cc914aa5    b.txt\n100644 blob b6693b64f528de38cde5533acd781fde743bc3df    c.txt\n100644 blob 91174caefafdc81d34e302874c86c6e4d5212075    d.txt\n100644 blob 29f4cfc46ba3a0bde55bce8f44ac3590e2108da4    e.txt\n

\n

\n\n

请注意，blob 哈希 ID9a6c8d12dea8859b821b2ba705f7efd6cc914aa5显示两次：一次 fora.txt一次 forb.txt。

\n\n

和的内容只有一份。由此我们可以得出结论，无论、和中a.txtb.txt a.txt b.txt内容都是相同的。

\n\n

因此，如果您提交 100 个文件，然后进行新的提交，其中 99 个文件与前一个提交的 99 个文件相同，您只是重新使用了99 个 blob 对象。它们不必再次存储。

\n\n

Git 通过这种方式自动删除重复的文件内容。

\n\n

第二个聪明点发生在稍后。最初，所有对象都存储为 zlib 压缩文件（ 中的文件.git/objects/，尽管您不应该指望这一点）。如果您更改文件中的几个字节并使用git add，并且新的 blob 对象与某些已存在的 blob 对象不是 100% 完全匹配，那么您将获得这些对象中的一个新对象。这些被称为松散对象。

\n\n

当周围有足够多的松散对象时，或者如果需要的话，Git会将松散对象打包到一个包文件中中。此时，可以有利地进行增量压缩的对象通常都是这样。这种压缩是真正聪明的代码。

\n\n

当您使用git fetchor时git push，Git 会找出哪些对象需要通过网络传输并构建所谓的精简包。您可以在此处看到counting和compressing objects消息。然后 Git 通过网络发送精简包；另一端的 Git 修复瘦包，使其成为常规（胖）包。当包文件太多时，Git 会重新打包包文件，让你从众多的包文件中解脱出来*.pack。*.idx再次减少到几个（或一个）。

\n\n

（这里偶尔会出现一些错误。最近修复了处理大量包文件的问题。有几个较旧的错误，其中留下了太多松散的对象。偶尔的手册有时有助于解决git gc这些错误，但是使用git gc太多可能会适得其反。）

\n