Git详解之九Git内部原理http://www.open-open.com/lib/view/open1328070620202.htm ltree(树)对象http://www.open-open.com/lib/view/open1328070620202.h tmlcommit(提交)对象http://www.open-open.com/lib/view/open1328070620 202.html对象存储http://www.open-open.com/lib/view/open1328070620202.h tmlHEAD标记http://www.open-open.com/lib/view/open1328070620202.htm lTagshttp://www.open-open.com/lib/view/open1328070620202.htmlRemo teshttp://www.open-open.com/lib/view/open1328070620202.html推送Ref spechttp://www.open-open.com/lib/view/open1328070620202.html删除引用h ttp://www.open-open.com/lib/view/open1328070620202.html哑协议http:// www.open-open.com/lib/view/open1328070620202.html智能协议http://www.o pen-open.com/lib/view/open1328070620202.html维护http://www.open-ope n.com/lib/view/open1328070620202.html数据恢复http://www.open-open.com /lib/view/open1328070620202.html移除对象Git内部原理不管你是从前面的章节直接跳到了本章,还是读 完了其余各章一直到这,你都将在本章见识Git的内部工作原理和实现方式。我个人发现学习这些内容对于理解Git的用处和强大是非 常重要的,不过也有人认为这些内容对于初学者来说可能难以理解且过于复杂。正因如此我把这部分内容放在最后一章,你在学习过程中可以先阅 读这部分,也可以晚点阅读这部分,这完全取决于你自己。既然已经读到这了,就让我们开始吧。首先要弄明白一点,从根本上来讲Git是一 套内容寻址(content-addressable)文件系统,在此之上提供了一个VCS用户界面。马上你就会学到这意味着什么 。早期的Git(主要是1.5之前版本)的用户界面要比现在复杂得多,这是因为它更侧重于成为文件系统而不是一套更精致的VC S。最近几年改进了UI从而使它跟其他任何系统一样清晰易用。即便如此,还是经常会有一些陈腔滥调提到早期Git的UI复杂 又难学。内容寻址文件系统这一层相当酷,在本章中我会先讲解这部分。随后你会学到传输机制和最终要使用的各种库管理任务。?9.1?底层 命令(Plumbing)和高层命令(Porcelain)本书讲解了使用checkout,branch,remote等 共约30个Git命令。然而由于Git一开始被设计成供VCS使用的工具集而不是一整套用户友好的VCS,它还包含了许 多底层命令,这些命令用于以UNIX风格使用或由脚本调用。这些命令一般被称为“plumbing”命令(底层命令),其他的更友 好的命令则被称为“porcelain”命令(高层命令)。本书前八章主要专门讨论高层命令。本章将主要讨论底层命令以理解Git 的内部工作机制、演示Git如何及为何要以这种方式工作。这些命令主要不是用来从命令行手工使用的,更多的是用来为其他工具和自定义脚 本服务的。当你在一个新目录或已有目录内执行gitinit时,Git会创建一个.git目录,几乎所有Git存储和操作 的内容都位于该目录下。如果你要备份或复制一个库,基本上将这一目录拷贝至其他地方就可以了。本章基本上都讨论该目录下的内容。该目录结构 如下:$lsHEADbranches/configdescriptionhooks/indexinfo/obje cts/refs/该目录下有可能还有其他文件,但这是一个全新的gitinit生成的库,所以默认情况下这些就是你能看到的结构 。新版本的Git不再使用branches目录,description文件仅供GitWeb程序使用,所以不用关心这些内容 。config文件包含了项目特有的配置选项,info目录保存了一份不希望在.gitignore文件中管理的忽略模式(ig noredpatterns)的全局可执行文件。hooks目录包住了第六章详细介绍了的客户端或服务端钩子脚本。另外还有四个重要 的文件或目录:HEAD及index文件,objects及refs目录。这些是Git的核心部分。objects目录存 储所有数据内容,refs目录存储指向数据(分支)的提交对象的指针,HEAD文件指向当前分支,index文件保存了暂存区域 信息。马上你将详细了解Git是如何操纵这些内容的。?9.2?Git对象Git是一套内容寻址文件系统。很不错。不过这是什么 意思呢?这种说法的意思是,从内部来看,Git是简单的key-value数据存储。它允许插入任意类型的内容,并会返回一个键值, 通过该键值可以在任何时候再取出该内容。可以通过底层命令hash-object来示范这点,传一些数据给该命令,它会将数据保存在. git目录并返回表示这些数据的键值。首先初使化一个Git仓库并确认objects目录是空的:$mkdirtest$ cdtest$gitinitInitializedemptyGitrepositoryin/tmp/test/ .git/$find.git/objects.git/objects.git/objects/info.git/obj ects/pack$find.git/objects-typef$Git初始化了objects目录,同时在该目录 下创建了pack和info子目录,但是该目录下没有其他常规文件。我们往这个Git数据库里存储一些文本:$echo'' testcontent''|githash-object-w--stdind670460b4b4aece5915caf 5c68d12f560a9fe3e4参数-w指示hash-object命令存储(数据)对象,若不指定这个参数该命令仅仅 返回键值。--stdin指定从标准输入设备(stdin)来读取内容,若不指定这个参数则需指定一个要存储的文件的路径。该命令输 出长度为40个字符的校验和。这是个SHA-1哈希值──其值为要存储的数据加上你马上会了解到的一种头信息的校验和。现在可以查 看到Git已经存储了数据:$find.git/objects-typef.git/objects/d6/70460b 4b4aece5915caf5c68d12f560a9fe3e4可以在objects目录下看到一个文件。这便是Git存储数 据内容的方式──为每份内容生成一个文件,取得该内容与头信息的SHA-1校验和,创建以该校验和前两个字符为名称的子目录,并以( 校验和)剩下38个字符为文件命名(保存至子目录下)。通过cat-file命令可以将数据内容取回。该命令是查看Git 对象的瑞士军刀。传入-p参数可以让该命令输出数据内容的类型:$gitcat-file-pd670460b4b4aece 5915caf5c68d12f560a9fe3e4testcontent可以往Git中添加更多内容并取回了。也可以直接添加 文件。比方说可以对一个文件进行简单的版本控制。首先,创建一个新文件,并把文件内容存储到数据库中:$echo''version1 ''>test.txt$githash-object-wtest.txt83baae61804e65cc73a720 1a7252750c76066a30接着往该文件中写入一些新内容并再次保存:$echo''version2''>test.t xt$githash-object-wtest.txt1f7a7a472abf3dd9643fd615f6da379c 4acb3e3a数据库中已经将文件的两个新版本连同一开始的内容保存下来了:$find.git/objects-typef .git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a.git/objec ts/83/baae61804e65cc73a7201a7252750c76066a30.git/objects/d6/7046 0b4b4aece5915caf5c68d12f560a9fe3e4再将文件恢复到第一个版本:$gitcat-file-p 83baae61804e65cc73a7201a7252750c76066a30>test.txt$cattest.tx tversion1或恢复到第二个版本:$gitcat-file-p1f7a7a472abf3dd9643fd615f6 da379c4acb3e3a>test.txt$cattest.txtversion2需要记住的是几个版本的文件S HA-1值可能与实际的值不同,其次,存储的并不是文件名而仅仅是文件内容。这种对象类型称为blob。通过传递SHA-1值给 cat-file-t命令可以让Git返回任何对象的类型:$gitcat-file-t1f7a7a472abf3dd 9643fd615f6da379c4acb3e3ablobtree(树)对象接下去来看tree对象,tree对象可以存 储文件名,同时也允许存储一组文件。Git以一种类似UNIX文件系统但更简单的方式来存储内容。所有内容以tree或blo b对象存储,其中tree对象对应于UNIX中的目录,blob对象则大致对应于inodes或文件内容。一个单独的t ree对象包含一条或多条tree记录,每一条记录含有一个指向blob或子tree对象的SHA-1指针,并附有该对 象的权限模式(mode)、类型和文件名信息。以simplegit项目为例,最新的tree可能是这个样子:$gitca t-file-pmaster^{tree}100644bloba906cb2a4a904a152e80877d40886 54daad0c859README100644blob8f94139338f9404f26296befa88755fc25 98c289Rakefile040000tree99f1a6d12cb4b6f19c8655fca46c3ecf31707 4e0libmaster^{tree}表示branch分支上最新提交指向的tree对象。请注意lib子目录并非一个 blob对象,而是一个指向别一个tree对象的指针:$gitcat-file-p99f1a6d12cb4b6f19 c8655fca46c3ecf317074e0100644blob47c6340d6459e05787f644c2447d2 595f5d3a54bsimplegit.rb从概念上来讲,Git保存的数据如图9-1所示。图9-1.Git对象模型 的简化版你可以自己创建tree。通常Git根据你的暂存区域或index来创建并写入一个tree。因此要创建一个 tree对象的话首先要通过将一些文件暂存从而创建一个index。可以使用plumbing命令update-index为 一个单独文件──test.txt文件的第一个版本──????创建一个index????。通过该命令人为的将test.t xt文件的首个版本加入到了一个新的暂存区域中。由于该文件原先并不在暂存区域中(甚至就连暂存区域也还没被创建出来呢),必须传入 --add参数;由于要添加的文件并不在当前目录下而是在数据库中,必须传入--cacheinfo参数。同时指定了文件模式,SH A-1值和文件名:$gitupdate-index--add--cacheinfo100644\83baae618 04e65cc73a7201a7252750c76066a30test.txt在本例中,指定了文件模式为100644,表明这是 一个普通文件。其他可用的模式有:100755表示可执行文件,120000表示符号链接。文件模式是从常规的UNIX文件模式中 参考来的,但是没有那么灵活──上述三种模式仅对Git中的文件(blobs)有效(虽然也有其他模式用于目录和子模块)。 现在可以用write-tree命令将暂存区域的内容写到一个tree对象了。无需-w参数──如果目标tree不存 在,调用write-tree会自动根据index状态创建一个tree对象。$gitwrite-treed8329f c1cc938780ffdd9f94e0d364e0ea74f579$gitcat-file-pd8329fc1cc93 8780ffdd9f94e0d364e0ea74f579100644blob83baae61804e65cc73a7201a 7252750c76066a30test.txt可以这样验证这确实是一个tree对象:$gitcat-file-td 8329fc1cc938780ffdd9f94e0d364e0ea74f579tree再根据test.txt的第二个版本以及 一个新文件创建一个新tree对象:$echo''newfile''>new.txt$gitupdate-index test.txt$gitupdate-index--addnew.txt这时暂存区域中包含了test.txt的新版 本及一个新文件new.txt。创建(写)该tree对象(将暂存区域或index状态写入到一个tree对象), 然后瞧瞧它的样子:$gitwrite-tree0155eb4229851634a0f03eb265b69f5a2d56f34 1$gitcat-file-p0155eb4229851634a0f03eb265b69f5a2d56f3411006 44blobfa49b077972391ad58037050f2a75f74e3671e92new.txt100644b lob1f7a7a472abf3dd9643fd615f6da379c4acb3e3atest.txt请注意该tree对象 包含了两个文件记录,且test.txt的SHA值是早先值的“第二版”(1f7a7a)。来点更有趣的,你将把第一个tr ee对象作为一个子目录加进该tree中。可以用read-tree命令将tree对象读到暂存区域中去。在这时,通过传一个 --prefix参数给read-tree,将一个已有的tree对象作为一个子tree读到暂存区域中:$gitre ad-tree--prefix=bakd8329fc1cc938780ffdd9f94e0d364e0ea74f579$g itwrite-tree3c4e9cd789d88d8d89c1073707c3585e41b0e614$gitcat- file-p3c4e9cd789d88d8d89c1073707c3585e41b0e614040000treed832 9fc1cc938780ffdd9f94e0d364e0ea74f579bak100644blobfa49b0779723 91ad58037050f2a75f74e3671e92new.txt100644blob1f7a7a472abf3dd9 643fd615f6da379c4acb3e3atest.txt如果从刚写入的新tree对象创建一个工作目录,将得到位于工作 目录顶级的两个文件和一个名为bak的子目录,该子目录包含了test.txt文件的第一个版本。可以将Git用来包含这些内 容的数据想象成如图9-2所示的样子。图9-2.当前Git数据的内容结构commit(提交)对象你现在有三个tr ee对象,它们指向了你要跟踪的项目的不同快照,可是先前的问题依然存在:必须记往三个SHA-1值以获得这些快照。你也没有关于谁 、何时以及为何保存了这些快照的信息。commit对象为你保存了这些基本信息。要创建一个commit对象,使用commit- tree命令,指定一个tree的SHA-1,如果有任何前继提交对象,也可以指定。从你写的第一个tree开始:$ech o''firstcommit''|gitcommit-treed8329ffdf4fc3344e67ab068f8368 78b6c4951e3b15f3d通过cat-file查看这个新commit对象:$gitcat-file-pfd f4fc3treed8329fc1cc938780ffdd9f94e0d364e0ea74f579authorScott Chacon1243040974-0700committerScottChacon1243040974-0700f irstcommitcommit对象有格式很简单:指明了该时间点项目快照的顶层树对象、作者/提交者信息(从Git设理发店 的user.name和user.email中获得)以及当前时间戳、一个空行,以及提交注释信息。接着再写入另外两个commit 对象,每一个都指定其之前的那个commit对象:$echo''secondcommit''|gitcommit-tr ee0155eb-pfdf4fc3cac0cab538b970a37ea1e769cbbde608743bc96d$e cho''thirdcommit''|gitcommit-tree3c4e9c-pcac0cab1a410efbd1 3591db07496601ebc7a059dd55cfe9每一个commit对象都指向了你创建的树对象快照。出乎意料的是,现 在已经有了真实的Git历史了,所以如果运行gitlog命令并指定最后那个commit对象的SHA-1便可以查看历 史:$gitlog--stat1a410ecommit1a410efbd13591db07496601ebc7a059 dd55cfe9Author:ScottChaconDate:FriMay2218:15:242009-070 0thirdcommitbak/test.txt|1+1fileschanged,1insertions(+ ),0deletions(-)commitcac0cab538b970a37ea1e769cbbde608743bc96d Author:ScottChaconDate:FriMay2218:14:292009-0700second commitnew.txt|1+test.txt|2+-2fileschanged,2insertio ns(+),1deletions(-)commitfdf4fc3344e67ab068f836878b6c4951e3b1 5f3dAuthor:ScottChaconDate:FriMay2218:09:342009-0700fi rstcommittest.txt|1+1fileschanged,1insertions(+),0del etions(-)真棒。你刚刚通过使用低级操作而不是那些普通命令创建了一个Git历史。这基本上就是运行gitadd和g itcommit命令时Git进行的工作????──保存修改了的文件的blob,更新索引,创建tree对象,最后创建 commit对象,这些commit对象指向了顶层tree对象以及先前的commit对象。这三类Git对象── blob,tree以及tree──都各自以文件的方式保存在.git/objects目录下。以下所列是目前为止样例中的所有 对象,每个对象后面的注释里标明了它们保存的内容:$find.git/objects-typef.git/objects/ 01/55eb4229851634a0f03eb265b69f5a2d56f341#tree2.git/objects/1 a/410efbd13591db07496601ebc7a059dd55cfe9#commit3.git/objects/ 1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a#test.txtv2.git/obje cts/3c/4e9cd789d88d8d89c1073707c3585e41b0e614#tree3.git/objec ts/83/baae61804e65cc73a7201a7252750c76066a30#test.txtv1.git/o bjects/ca/c0cab538b970a37ea1e769cbbde608743bc96d#commit2.git/ objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4#''testcontent ''.git/objects/d8/329fc1cc938780ffdd9f94e0d364e0ea74f579#tree1 .git/objects/fa/49b077972391ad58037050f2a75f74e3671e92#new.txt .git/objects/fd/f4fc3344e67ab068f836878b6c4951e3b15f3d#commit 1如果你按照以上描述进行了操作,可以得到如图9-3所示的对象图。图9-3.Git目录下的所有对象对象存储之前我提到当存 储数据内容时,同时会有一个文件头被存储起来。我们花些时间来看看Git是如何存储对象的。你将看来如何通过Ruby脚本语言存储 一个blob对象(这里以字符串“whatisup,doc?”为例)。使用irb命令进入Ruby交互式模式: $irb>>content="whatisup,doc?"=>"whatisup,doc?"Git以对 象类型为起始内容构造一个文件头,本例中是一个blob。然后添加一个空格,接着是数据内容的长度,最后是一个空字节(nullby te):>>header="blob#{content.length}\0"=>"blob16\000"Git将文 件头与原始数据内容拼接起来,并计算拼接后的新内容的SHA-1校验和。可以在Ruby中使用require语句导入SHA 1digest库,然后调用Digest::SHA1.hexdigest()方法计算字符串的SHA-1值:>>store =header+content=>"blob16\000whatisup,doc?">>require'' digest/sha1''=>true>>sha1=Digest::SHA1.hexdigest(store)=>" bd9dbf5aae1a3862dd1526723246b20206e5fc37"Git用zlib对数据内容进行压缩,在R uby中可以用zlib库来实现。首先需要导入该库,然后用Zlib::Deflate.deflate()对数据进行压缩:> >require''zlib''=>true>>zlib_content=Zlib::Deflate.deflate( store)=>"x\234K\312\311OR04c(\317H,Q\310,V(-\320QH\311O\266\a\0 00_\034\a\235"最后将用zlib压缩后的内容写入磁盘。需要指定保存对象的路径(SHA-1值的头两个字符作为子目 录名称,剩余38个字符作为文件名保存至该子目录中)。在Ruby中,如果子目录不存在可以用FileUtils.mkdir_p ()函数创建它。接着用File.open方法打开文件,并用write()方法将之前压缩的内容写入该文件:>>path =''.git/objects/''+sha1[0,2]+''/''+sha1[2,38]=>".git/objects /bd/9dbf5aae1a3862dd1526723246b20206e5fc37">>require''fileutils ''=>true>>FileUtils.mkdir_p(File.dirname(path))=>".git/objec ts/bd">>File.open(path,''w''){|f|f.writezlib_content}=>32 这就行了──你已经创建了一个正确的blob对象。所有的Git对象都以这种方式存储,惟一的区别是类型不同──除了字符 串blob,文件头起始内容还可以是commit或tree。不过虽然blob几乎可以是任意内容,commit和tr ee的数据却是有固定格式的。?9.3?GitReferences你可以执行像gitlog1a410e这样的命令来查看 完整的历史,但是这样你就要记得1a410e是你最后一次提交,这样才能在提交历史中找到这些对象。你需要一个文件来用一个简单的名字 来记录这些SHA-1值,这样你就可以用这些指针而不是原来的SHA-1值去检索了。在Git中,我们称之为“引用”(ref erences或者refs,译者注)。你可以在.git/refs目录下面找到这些包含SHA-1值的文件。在这个项目里, 这个目录还没不包含任何文件,但是包含这样一个简单的结构:$find.git/refs.git/refs.git/refs/ heads.git/refs/tags$find.git/refs-typef$如果想要创建一个新的引用帮助你记住最 后一次提交,技术上你可以这样做:$echo"1a410efbd13591db07496601ebc7a059dd55cfe9" >.git/refs/heads/master现在,你就可以在Git命令中使用你刚才创建的引用而不是SHA-1值:$ gitlog--pretty=onelinemaster1a410efbd13591db07496601ebc7a059d d55cfe9thirdcommitcac0cab538b970a37ea1e769cbbde608743bc96dsec ondcommitfdf4fc3344e67ab068f836878b6c4951e3b15f3dfirstcommit当 然,我们并不鼓励你直接修改这些引用文件。如果你确实需要更新一个引用,Git提供了一个安全的命令update-ref:$git update-refrefs/heads/master1a410efbd13591db07496601ebc7a059dd5 5cfe9基本上Git中的一个分支其实就是一个指向某个工作版本一条HEAD记录的指针或引用。你可以用这条命令创建一个指向第 二次提交的分支:$gitupdate-refrefs/heads/testcac0ca这样你的分支将会只包含那次提交以及之 前的工作:$gitlog--pretty=onelinetestcac0cab538b970a37ea1e769cbbd e608743bc96dsecondcommitfdf4fc3344e67ab068f836878b6c4951e3b15f 3dfirstcommit现在,你的Git数据库应该看起来像图9-4一样。图9-4.包含分支引用的Git目录对 象每当你执行gitbranch(分支名称)这样的命令,Git基本上就是执行update-ref命令,把你现在所在分 支中最后一次提交的SHA-1值,添加到你要创建的分支的引用。HEAD标记现在的问题是,当你执行gitbranch(分支 名称)这条命令的时候,Git怎么知道最后一次提交的SHA-1值呢?答案就是HEAD文件。HEAD文件是一个指向你当前 所在分支的引用标识符。这样的引用标识符——它看起来并不像一个普通的引用——其实并不包含SHA-1值,而是一个指向另外一个引用的 指针。如果你看一下这个文件,通常你将会看到这样的内容:$cat.git/HEADref:refs/heads/master 如果你执行gitcheckouttest,Git就会更新这个文件,看起来像这样:$cat.git/HEADref: refs/heads/test当你再执行gitcommit命令,它就创建了一个commit对象,把这个commit对 象的父级设置为HEAD指向的引用的SHA-1值。你也可以手动编辑这个文件,但是同样有一个更安全的方法可以这样做:symbo lic-ref。你可以用下面这条命令读取HEAD的值:$gitsymbolic-refHEADrefs/heads/m aster你也可以设置HEAD的值:$gitsymbolic-refHEADrefs/heads/test$cat .git/HEADref:refs/heads/test但是你不能设置成refs以外的形式:$gitsymbolic -refHEADtestfatal:RefusingtopointHEADoutsideofrefs/Tag s你刚刚已经重温过了Git的三个主要对象类型,现在这是第四种。Tag对象非常像一个commit对象——包含一个标签,一组 数据,一个消息和一个指针。最主要的区别就是Tag对象指向一个commit而不是一个tree。它就像是一个分支引用,但是不 会变化——永远指向同一个commit,仅仅是提供一个更加友好的名字。正如我们在第二章所讨论的,Tag有两种类型:annotat ed和lightweight。你可以类似下面这样的命令建立一个lightweighttag:$gitupdate-r efrefs/tags/v1.0cac0cab538b970a37ea1e769cbbde608743bc96d这就是lig htweighttag的全部——一个永远不会发生变化的分支。annotatedtag要更复杂一点。如果你创建一个a nnotatedtag,Git会创建一个tag对象,然后写入一个指向指向它而不是直接指向commit的referen ce。你可以这样创建一个annotatedtag(-a参数表明这是一个annotatedtag):$gittag- av1.11a410efbd13591db07496601ebc7a059dd55cfe9-m''testtag''这是所创 建对象的SHA-1值:$cat.git/refs/tags/v1.19585191f37f7b0fb9444f35a9b f50de191beadc2现在你可以运行cat-file命令检查这个SHA-1值:$gitcat-file-p9 585191f37f7b0fb9444f35a9bf50de191beadc2object1a410efbd13591db07 496601ebc7a059dd55cfe9typecommittagv1.1taggerScottChaconS atMay2316:48:582009-0700testtag值得注意的是这个对象指向你所标记的commit对象 的SHA-1值。同时需要注意的是它并不是必须要指向一个commit对象;你可以标记任何Git对象。例如,在Git的 源代码里,管理者添加了一个GPG公钥(这是一个blob对象)对它做了一个标签。你就可以运行:$gitcat-file blobjunio-gpg-pub来查看Git源代码仓库中的公钥.Linuxkernel也有一个不是指向commit 对象的tag——第一个tag是在导入源代码的时候创建的,它指向初始tree(initialtree,译者注)。R emotes你将会看到的第四种reference是remotereference(远程引用,译者注)。如果你添加了一个r emote然后推送代码过去,Git会把你最后一次推送到这个remote的每个分支的值都记录在refs/remotes目录 下。例如,你可以添加一个叫做origin的remote然后把你的master分支推送上去:$gitremotea ddorigingit@github.com:schacon/simplegit-progit.git$gitpush originmasterCountingobjects:11,done.Compressingobjects:10 0%(5/5),done.Writingobjects:100%(7/7),716bytes,done.Tot al7(delta2),reused4(delta1)Togit@github.com:schacon/simp legit-progit.gita11bef0..ca82a6dmaster->master然后查看refs/remot es/origin/master这个文件,你就会发现originremote中的master分支就是你最后一次和服务器的 通信。$cat.git/refs/remotes/origin/masterca82a6dff817ec66f4434200 7202690a93763949Remote应用和分支主要区别在于他们是不能被checkout的。Git把他们当作是标记 这些了这些分支在服务器上最后状态的一种书签。?9.4?Packfiles我们再来看一下testGit仓库。目前为止,有1 1个对象──4个blob,3个tree,3个commit以及一个tag:$find.git/object s-typef.git/objects/01/55eb4229851634a0f03eb265b69f5a2d56f341 #tree2.git/objects/1a/410efbd13591db07496601ebc7a059dd55cfe9# commit3.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a #test.txtv2.git/objects/3c/4e9cd789d88d8d89c1073707c3585e41b0e 614#tree3.git/objects/83/baae61804e65cc73a7201a7252750c76066a 30#test.txtv1.git/objects/95/85191f37f7b0fb9444f35a9bf50de191 beadc2#tag.git/objects/ca/c0cab538b970a37ea1e769cbbde608743bc9 6d#commit2.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe 3e4#''testcontent''.git/objects/d8/329fc1cc938780ffdd9f94e0d364 e0ea74f579#tree1.git/objects/fa/49b077972391ad58037050f2a75f7 4e3671e92#new.txt.git/objects/fd/f4fc3344e67ab068f836878b6c495 1e3b15f3d#commit1Git用zlib压缩文件内容,因此这些文件并没有占用太多空间,所有文件加起来总共仅用 了925字节。接下去你会添加一些大文件以演示Git的一个很有意思的功能。将你之前用到过的Grit库中的repo.rb 文件加进去──这个源代码文件大小约为12K:$curlhttp://github.com/mojombo/grit/r aw/master/lib/grit/repo.rb>repo.rb$gitaddrepo.rb$gitcomm it-m''addedrepo.rb''[master484a592]addedrepo.rb3fileschan ged,459insertions(+),2deletions(-)deletemode100644bak/tes t.txtcreatemode100644repo.rbrewritetest.txt(100%)如果查看一下生成的 tree,可以看到repo.rb文件的blob对象的SHA-1值:$gitcat-file-pmaster^ {tree}100644blobfa49b077972391ad58037050f2a75f74e3671e92new.t xt100644blob9bc1dc421dcd51b4ac296e3e5b6e2a99cf44391erepo.rb1 00644blobe3f094f522629ae358806b17daf78246c27c007btest.txt然后可以用 gitcat-file命令查看这个对象有多大:$gitcat-file-s9bc1dc421dcd51b4ac296 e3e5b6e2a99cf44391e12898稍微修改一下些文件,看会发生些什么:$echo''#testing''>> repo.rb$gitcommit-am''modifiedrepoabit''[masterab1afef]m odifiedrepoabit1fileschanged,1insertions(+),0deletions( -)查看这个commit生成的tree,可以看到一些有趣的东西:$gitcat-file-pmaster^{tree }100644blobfa49b077972391ad58037050f2a75f74e3671e92new.txt10 0644blob05408d195263d853f09dca71d55116663690c27crepo.rb100644 blobe3f094f522629ae358806b17daf78246c27c007btest.txtblob对象与之前 的已经不同了。这说明虽然只是往一个400行的文件最后加入了一行内容,Git却用一个全新的对象来保存新的文件内容:$git cat-file-s05408d195263d853f09dca71d55116663690c27c12908你的磁盘上有了 两个几乎完全相同的12K的对象。如果Git只完整保存其中一个,并保存另一个对象的差异内容,岂不更好?事实上Git可以那 样做。Git往磁盘保存对象时默认使用的格式叫松散对象(looseobject)格式。Git时不时地将这些对象打包至一个叫 packfile的二进制文件以节省空间并提高效率。当仓库中有太多的松散对象,或是手工调用gitgc命令,或推送至远程服务器 时,Git都会这样做。手工调用gitgc命令让Git将库中对象打包并看会发生些什么:$gitgcCounting objects:17,done.Deltacompressionusing2threads.Compressin gobjects:100%(13/13),done.Writingobjects:100%(17/17),don e.Total17(delta1),reused10(delta0)查看一下objects目录,会发现大部分对 象都不在了,与此同时出现了两个新文件:$find.git/objects-typef.git/objects/71/08 f7ecb345ee9d0084193f147cdad4d2998293.git/objects/d6/70460b4b4aec e5915caf5c68d12f560a9fe3e4.git/objects/info/packs.git/objects/p ack/pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.idx.git/object s/pack/pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.pack仍保留着的几个对 象是未被任何commit引用的blob──在此例中是你之前创建的“whatisup,doc?”和“test content”这两个示例blob。你从没将他们添加至任何commit,所以Git认为它们是“悬空”的,不会将它们打 包进packfile。剩下的文件是新创建的packfile以及一个索引。packfile文件包含了刚才从文件系统中移除的 所有对象。索引文件包含了packfile的偏移信息,这样就可以快速定位任意一个指定对象。有意思的是运行gc命令前磁盘上的对象 大小约为12K,而这个新生成的packfile仅为6K大小。通过打包对象减少了一半磁盘使用空间。Git是如何做到这点 的?Git打包对象时,会查找命名及尺寸相近的文件,并只保存文件不同版本之间的差异内容。可以查看一下packfile,观察它是 如何节省空间的。gitverify-pack命令用于显示已打包的内容:$gitverify-pack-v\.git/ objects/pack/pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.idx01 55eb4229851634a0f03eb265b69f5a2d56f341tree7176540005408d1952 63d853f09dca71d55116663690c27cblob12908347887409f01cea547666 f58d6a8d809583841a7c6f0130tree10610750861a410efbd13591db0749 6601ebc7a059dd55cfe9commit2251513221f7a7a472abf3dd9643fd615f 6da379c4acb3e3ablob101953813c4e9cd789d88d8d89c1073707c3585e4 1b0e614tree1011055211484a59275031909e19aadb7c92262719cfcdf19 acommit22615316983baae61804e65cc73a7201a7252750c76066a30blo b101953629585191f37f7b0fb9444f35a9bf50de191beadc2tag136127 54769bc1dc421dcd51b4ac296e3e5b6e2a99cf44391eblob718519310 5408d195263d853f09dca71d55116663690c27c\ab1afef80fac8e34258ff41 fc1b867c702daa24bcommit23215712cac0cab538b970a37ea1e769cbbde 608743bc96dcommit226154473d8329fc1cc938780ffdd9f94e0d364e0ea 74f579tree36465316e3f094f522629ae358806b17daf78246c27c007bb lob14867344352f8f51d7d8a1760462eca26eebafde32087499533tree1 06107749fa49b077972391ad58037050f2a75f74e3671e92blob918856 fdf4fc3344e67ab068f836878b6c4951e3b15f3dcommit177122627chai nlength=1:1objectpack-7a16e4488ae40c7d2bc56ea2bd43e25212a66 c45.pack:ok如果你还记得的话,9bc1d这个blob是repo.rb文件的第一个版本,这个blob引用 了05408这个blob,即该文件的第二个版本。命令输出内容的第三列显示的是对象大小,可以看到05408占用了12K空 间,而9bc1d仅为7字节。非常有趣的是第二个版本才是完整保存文件内容的对象,而第一个版本是以差异方式保存的──这是因 为大部分情况下需要快速访问文件的最新版本。最妙的是可以随时进行重新打包。Git自动定期对仓库进行重新打包以节省空间。当然也可以手 工运行gitgc命令来这么做。?9.5?TheRefspec这本书读到这里,你已经使用过一些简单的远程分支到本地引用的映 射方式了,这种映射可以更为复杂。假设你像这样添加了一项远程仓库:$gitremoteaddorigingit@gith ub.com:schacon/simplegit-progit.git它在你的.git/config文件中添加了一节,指定了远 程的名称(origin),远程仓库的URL地址,和用于获取操作的Refspec:[remote"origin"]url =git@github.com:schacon/simplegit-progit.gitfetch=+refs/heads /:refs/remotes/origin/Refspec的格式是一个可选的+号,接着是:的格式,这里是远端上的引 用格式,是将要记录在本地的引用格式。可选的+号告诉Git在即使不能快速演进的情况下,也去强制更新它。缺省情况下refs pec会被gitremoteadd命令所自动生成,Git会获取远端上refs/heads/下面的所有引用,并将它 写入到本地的refs/remotes/origin/.所以,如果远端上有一个master分支,你在本地可以通过下面这种方式来 访问它的历史记录:$gitlogorigin/master$gitlogremotes/origin/master $gitlogrefs/remotes/origin/master它们全是等价的,因为Git把它们都扩展成refs/r emotes/origin/master.如果你想让Git每次只拉取远程的master分支,而不是远程的所有分支,你可以把 fetch这一行修改成这样:fetch=+refs/heads/master:refs/remotes/origin/ma ster这是gitfetch操作对这个远端的缺省refspec值。而如果你只想做一次该操作,也可以在命令行上指定这个r efspec.如可以这样拉取远程的master分支到本地的origin/mymaster分支:$gitfetchor iginmaster:refs/remotes/origin/mymaster你也可以在命令行上指定多个refspec.像这 样可以一次获取远程的多个分支:$gitfetchoriginmaster:refs/remotes/origin/myma ster\topic:refs/remotes/origin/topicFromgit@github.com:schaco n/simplegit![rejected]master->origin/mymaster(nonfastforw ard)[newbranch]topic->origin/topic在这个例子中,master分支因为不是一个可 以快速演进的引用而拉取操作被拒绝。你可以在refspec之前使用一个+号来重载这种行为。你也可以在配置文件中指定多个re fspec.如你想在每次获取时都获取master和experiment分支,就添加两行:[remote"origin" ]url=git@github.com:schacon/simplegit-progit.gitfetch=+refs /heads/master:refs/remotes/origin/masterfetch=+refs/heads/expe riment:refs/remotes/origin/experiment但是这里不能使用部分通配符,像这样就是不合法的:fetc h=+refs/heads/qa:refs/remotes/origin/qa但无论如何,你可以使用命名空间来达到这个目的 。如你有一个QA组,他们推送一系列分支,你想每次获取master分支和QA组的所有分支,你可以使用这样的配置段落:[remot e"origin"]url=git@github.com:schacon/simplegit-progit.gitfet ch=+refs/heads/master:refs/remotes/origin/masterfetch=+refs/ heads/qa/:refs/remotes/origin/qa/如果你的工作流很复杂,有QA组推送的分支、开发人员推送的分支 、和集成人员推送的分支,并且他们在远程分支上协作,你可以采用这种方式为他们创建各自的命名空间。推送Refspec采用命名空间的方 式确实很棒,但QA组成员第1次是如何将他们的分支推送到qa/空间里面的呢?答案是你可以使用refspec来推送。如果QA组 成员想把他们的master分支推送到远程的qa/master分支上,可以这样运行:$gitpushoriginma ster:refs/heads/qa/master如果他们想让Git每次运行gitpushorigin时都这样自动推送 ,他们可以在配置文件中添加push值:[remote"origin"]url=git@github.com:schac on/simplegit-progit.gitfetch=+refs/heads/:refs/remotes/origin /push=refs/heads/master:refs/heads/qa/master这样,就会让gitpusho rigin缺省就把本地的master分支推送到远程的qa/master分支上。删除引用你也可以使用refspec来删 除远程的引用,是通过运行这样的命令:$gitpushorigin:topic因为refspec的格式是:,通过把 部分留空的方式,这个意思是是把远程的topic分支变成空,也就是删除它。?9.6?传输协议Git可以以两种主要的方式跨越两 个仓库传输数据:基于HTTP协议之上,和file://,ssh://,和git://等智能传输协议。这一节带你快速浏览这两 种主要的协议操作过程。哑协议Git基于HTTP之上传输通常被称为哑协议,这是因为它在服务端不需要有针对Git特有的代码。这个 获取过程仅仅是一系列GET请求,客户端可以假定服务端的Git仓库中的布局。让我们以simplegit库来看看http-fetc h的过程:$gitclonehttp://github.com/schacon/simplegit-progit.git它 做的第1件事情就是获取info/refs文件。这个文件是在服务端运行了update-server-info所生成的,这也解 释了为什么在服务端要想使用HTTP传输,必须要开启post-receive钩子:=>GETinfo/refsca82a6d ff817ec66f44342007202690a93763949refs/heads/master现在你有一个远端引用和SHA 值的列表。下一步是寻找HEAD引用,这样你就知道了在完成后,什么应该被检出到工作目录:=>GETHEADref:refs/ heads/master这说明在完成获取后,需要检出master分支。这时,已经可以开始漫游操作了。因为你的起点是在inf o/refs文件中所提到的ca82a6commit对象,你的开始操作就是获取它:=>GETobjects/ca/82a6 dff817ec66f44342007202690a93763949(179bytesofbinarydata)然后你取 回了这个对象-这在服务端是一个松散格式的对象,你使用的是静态的HTTPGET请求获取的。可以使用zlib解压缩它,去 除其头部,查看它的commmit内容:$gitcat-file-pca82a6dff817ec66f443420072 02690a93763949treecfda3bf379e4f8dba8717dee55aab78aef7f4dafpare nt085bb3bcb608e1e8451d4b2432f8ecbe6306e7e7authorScottChacon1 205815931-0700committerScottChacon1240030591-0700changedt heversionnumber这样,就得到了两个需要进一步获取的对象-cfda3b是这个commit对象所对应的 tree对象,和085bb3是它的父对象;=>GETobjects/08/5bb3bcb608e1e8451d4b243 2f8ecbe6306e7e7(179bytesofdata)这样就取得了这它的下一步commit对象,再抓取tre e对象:=>GETobjects/cf/da3bf379e4f8dba8717dee55aab78aef7f4daf(40 4-NotFound)Oops-看起来这个tree对象在服务端并不以松散格式对象存在,所以得到了404响应,代表在H TTP服务端没有找到该对象。这有好几个原因-这个对象可能在替代仓库里面,或者在打包文件里面,Git会首先检查任何列出的替代 仓库:=>GETobjects/info/http-alternates(emptyfile)如果这返回了几个替代仓库列表 ,那么它会去那些地方检查松散格式对象和文件-这是一种在软件分叉之间共享对象以节省磁盘的好方法。然而,在这个例子中,没有替代仓库 。所以你所需要的对象肯定在某个打包文件中。要检查服务端有哪些打包格式文件,你需要获取objects/info/packs文件,这 里面包含有打包文件列表(是的,它也是被update-server-info所生成的);=>GETobjects/info/ packsPpack-816a9b2334da9953e530f27bcac22082a9f5b835.pack这里服务端只有 一个打包文件,所以你要的对象显然就在里面。但是你可以先检查它的索引文件以确认。这在服务端有多个打包文件时也很有用,因为这样就可以先 检查你所需要的对象空间是在哪一个打包文件里面了:=>GETobjects/pack/pack-816a9b2334da9953 e530f27bcac22082a9f5b835.idx(4kofbinarydata)现在你有了这个打包文件的索引,你可 以看看你要的对象是否在里面-因为索引文件列出了这个打包文件所包含的所有对象的SHA值,和该对象存在于打包文件中的偏移量,所以你 只需要简单地获取整个打包文件:=>GETobjects/pack/pack-816a9b2334da9953e530f27bc ac22082a9f5b835.pack(13kofbinarydata)现在你也有了这个tree对象,你可以继续在 commit对象上漫游。它们全部都在这个你已经下载到的打包文件里面,所以你不用继续向服务端请求更多下载了。在这完成之后,由于下 载开始时已探明HEAD引用是指向master分支,Git会将它检出到工作目录。整个过程看起来就像这样:$gitclone http://github.com/schacon/simplegit-progit.gitInitializedempty Gitrepositoryin/private/tmp/simplegit-progit/.git/gotca82a6 dff817ec66f44342007202690a93763949walkca82a6dff817ec66f44342007 202690a93763949got085bb3bcb608e1e8451d4b2432f8ecbe6306e7e7Gett ingalternateslistforhttp://github.com/schacon/simplegit-progi t.gitGettingpacklistforhttp://github.com/schacon/simplegit-p rogit.gitGettingindexforpack816a9b2334da9953e530f27bcac22082 a9f5b835Gettingpack816a9b2334da9953e530f27bcac22082a9f5b835wh ichcontainscfda3bf379e4f8dba8717dee55aab78aef7f4dafwalk085bb3 bcb608e1e8451d4b2432f8ecbe6306e7e7walka11bef06a3f659402fe7563ab f99ad00de2209e6智能协议这个HTTP方法是很简单但效率不是很高。使用智能协议是传送数据的更常用的方法。这些协议在远 端都有Git智能型进程在服务-它可以读出本地数据并计算出客户端所需要的,并生成合适的数据给它,这有两类传输数据的进程:一对用于 上传数据和一对用于下载。上传数据为了上传数据至远端,Git使用send-pack和receive-pack进程。这个 send-pack进程运行在客户端上,它连接至远端运行的receive-pack进程。举例来说,你在你的项目上运行了git pushoriginmaster,并且origin被定义为一个使用SSH协议的URL。Git会使用send-pac k进程,它会启动一个基于SSH的连接到服务器。它尝试像这样透过SSH在服务端运行命令:$ssh-xgit@github.c om"git-receive-pack''schacon/simplegit-progit.git''"005bca82a6df f817ec66f4437202690a93763949refs/heads/masterreport-statusdele te-refs003e085bb3bcb608e1e84b2432f8ecbe6306e7e7refs/heads/topic 0000这里的git-receive-pack命令会立即对它所拥有的每一个引用响应一行-在这个例子中,只有master 分支和它的SHA值。这里第1行也包含了服务端的能力列表(这里是report-status和delete-refs)。每一行以 4字节的十六进制开始,用于指定整行的长度。你看到第1行以005b开始,这在十六进制中表示91,意味着第1行有91字节长。下一行以0 03e起始,表示有62字节长,所以需要读剩下的62字节。再下一行是0000开始,表示服务器已完成了引用列表过程。现在它知道了服务端 的状态,你的send-pack进程会判断哪些commit是它所拥有但服务端没有的。针对每个引用,这次推送都会告诉对端的re ceive-pack这个信息。举例说,如果你在更新master分支,并且增加experiment分支,这个send-pa ck将会是像这样:0085ca82a6dff817ec66f44342007202690a937639491502795795 1b64cf874c3557a0f3547bd83b3ff6refs/heads/masterreport-status00 670000000000000000000000000000000000000000cdfdb42577e2506715f8cf eacdbabc092bf63e8drefs/heads/experiment0000这里的全’0’的SHA-1值表示之前没有 过这个对象-因为你是在添加新的experiment引用。如果你在删除一个引用,你会看到相反的:就是右边是全’0’。Git 针对每个引用发送这样一行信息,就是旧的SHA值,新的SHA值,和将要更新的引用的名称。第1行还会包含有客户端的能力。下一步,客户 端会发送一个所有那些服务端所没有的对象的一个打包文件。最后,服务端以成功(或者失败)来响应:000Aunpackok下载数据当你 在下载数据时,fetch-pack和upload-pack进程就起作用了。客户端启动fetch-pack进程,连接至远 端的upload-pack进程,以协商后续数据传输过程。在远端仓库有不同的方式启动upload-pack进程。你可以使用与 receive-pack相同的透过SSH管道的方式,也可以通过Git后台来启动这个进程,它默认监听在9418号端口上。这里 fetch-pack进程在连接后像这样向后台发送数据:003fgit-upload-packschacon/simplegit -progit.git\0host=myserver.com\0它也是以4字节指定后续字节长度的方式开始,然后是要运行的命令,和一 个空字节,然后是服务端的主机名,再跟随一个最后的空字节。Git后台进程会检查这个命令是否可以运行,以及那个仓库是否存在,以及是 否具有公开权限。如果所有检查都通过了,它会启动这个upload-pack进程并将客户端的请求移交给它。如果你透过SSH使用获取功 能,fetch-pack会像这样运行:$ssh-xgit@github.com"git-upload-pack''sc hacon/simplegit-progit.git''"不管哪种方式,在fetch-pack连接之后,upload-pack 都会以这种形式返回:0088ca82a6dff817ec66f44342007202690a93763949HEAD\0mul ti_ackthin-pack\side-bandside-band-64kofs-deltashallowno-p rogressinclude-tag003fca82a6dff817ec66f44342007202690a93763949 refs/heads/master003e085bb3bcb608e1e8451d4b2432f8ecbe6306e7e7re fs/heads/topic0000这与receive-pack响应很类似,但是这里指的能力是不同的。而且它还会指出HEAD 引用,让客户端可以检查是否是一份克隆。在这里,fetch-pack进程检查它自己所拥有的对象和所有它需要的对象,通过发送“w ant”和所需对象的SHA值,发送“have”和所有它已拥有的对象的SHA值。在列表完成时,再发送“done”通知upl oad-pack进程开始发送所需对象的打包文件。这个过程看起来像这样:0054wantca82a6dff817ec66f443 42007202690a93763949ofs-delta0032have085bb3bcb608e1e8451d4b243 2f8ecbe6306e7e700000009done这是传输协议的一个很基础的例子,在更复杂的例子中,客户端可能会支持mu lti_ack或者side-band能力;但是这个例子中展示了智能协议的基本交互过程。?9.7?维护及数据恢复你时不时的需 要进行一些清理工作──如减小一个仓库的大小,清理导入的库,或是恢复丢失的数据。本节将描述这类使用场景。维护Git会不定时地自 动运行称为“autogc”的命令。大部分情况下该命令什么都不处理。不过要是存在太多松散对象(looseobject,不 在packfile中的对象)或packfile,Git会进行调用gitgc命令。gc指垃圾收集(garbage collect),此命令会做很多工作:收集所有松散对象并将它们存入packfile,合并这些packfile进一个大的p ackfile,然后将不被任何commit引用并且已存在一段时间(数月)的对象删除。可以手工运行autogc命令:$ gitgc--auto再次强调,这个命令一般什么都不干。如果有7,000个左右的松散对象或是50个以上的packf ile,Git才会真正调用gc命令。可能通过修改配置中的gc.auto和gc.autopacklimit来调整这两个阈 值。gc还会将所有引用(references)并入一个单独文件。假设仓库中包含以下分支和标签:$find.git/ref s-typef.git/refs/heads/experiment.git/refs/heads/master.git/ refs/tags/v1.0.git/refs/tags/v1.1这时如果运行gitgc,refs下的所有文件都会消失。 Git会将这些文件挪到.git/packed-refs文件中去以提高效率,该文件是这个样子的:$cat.git/pack ed-refs#pack-refswith:peeledcac0cab538b970a37ea1e769cbbde608 743bc96drefs/heads/experimentab1afef80fac8e34258ff41fc1b867c702 daa24brefs/heads/mastercac0cab538b970a37ea1e769cbbde608743bc96d refs/tags/v1.09585191f37f7b0fb9444f35a9bf50de191beadc2refs/tag s/v1.1^1a410efbd13591db07496601ebc7a059dd55cfe9当更新一个引用时,Git不会修改 这个文件,而是在refs/heads下写入一个新文件。当查找一个引用的SHA时,Git首先在refs目录下查找,如果未 找到则到packed-refs文件中去查找。因此如果在refs目录下找不到一个引用,该引用可能存到packed-refs 文件中去了。请留意文件最后以^开头的那一行。这表示该行上一行的那个标签是一个annotated标签,而该行正是那个标签所指 向的commit。数据恢复在使用Git的过程中,有时会不小心丢失commit信息。这一般出现在以下情况下:强制删除了一 个分支而后又想重新使用这个分支,hard-reset了一个分支从而丢弃了分支的部分commit。如果这真的发生了,有什么办法把 丢失的commit找回来呢?下面的示例演示了对test仓库主分支进行hard-reset到一个老版本的commit 的操作,然后恢复丢失的commit。首先查看一下当前的仓库状态:$gitlog--pretty=onelineab1a fef80fac8e34258ff41fc1b867c702daa24bmodifiedrepoabit484a5927 5031909e19aadb7c92262719cfcdf19aaddedrepo.rb1a410efbd13591db07 496601ebc7a059dd55cfe9thirdcommitcac0cab538b970a37ea1e769cbbde 608743bc96dsecondcommitfdf4fc3344e67ab068f836878b6c4951e3b15f3 dfirstcommit接着将master分支移回至中间的一个commit:$gitreset--hard1a4 10efbd13591db07496601ebc7a059dd55cfe9HEADisnowat1a410efthir dcommit$gitlog--pretty=oneline1a410efbd13591db07496601ebc7a 059dd55cfe9thirdcommitcac0cab538b970a37ea1e769cbbde608743bc96d secondcommitfdf4fc3344e67ab068f836878b6c4951e3b15f3dfirstcom mit这样就丢弃了最新的两个commit──包含这两个commit的分支不存在了。现在要做的是找出最新的那个commi t的SHA,然后添加一个指它它的分支。关键在于找出最新的commit的SHA──你不大可能记住了这个SHA,是吧? 通常最快捷的办法是使用gitreflog工具。当你(在一个仓库下)工作时,Git会在你每次修改了HEAD时悄悄地将 改动记录下来。当你提交或修改分支时,reflog就会更新。gitupdate-ref命令也可以更新reflog,这是在本章 前面的“GitReferences”部分我们使用该命令而不是手工将SHA值写入ref文件的理由。任何时间运行git reflog命令可以查看当前的状态:$gitreflog1a410efHEAD@{0}:1a410efbd13591d b07496601ebc7a059dd55cfe9:updatingHEADab1afefHEAD@{1}:ab1afe f80fac8e34258ff41fc1b867c702daa24b:updatingHEAD可以看到我们签出的两个comm it,但没有更多的相关信息。运行gitlog-g会输出reflog的正常日志,从而显示更多有用信息:$gitlo g-gcommit1a410efbd13591db07496601ebc7a059dd55cfe9Reflog:HEAD @{0}(ScottChacon)Reflogmessage:updatingHEADAuthor:Scott ChaconDate:FriMay2218:22:372009-0700thirdcommitcommita b1afef80fac8e34258ff41fc1b867c702daa24bReflog:HEAD@{1}(ScottC hacon)Reflogmessage:updatingHEADAuthor:ScottChaconDate: FriMay2218:15:242009-0700modifiedrepoabit看起来弄丢了的commit 是底下那个,这样在那个commit上创建一个新分支就能把它恢复过来。比方说,可以在那个commit(ab1afef)上 创建一个名为recover-branch的分支:$gitbranchrecover-branchab1afef$gi tlog--pretty=onelinerecover-branchab1afef80fac8e34258ff41fc1b 867c702daa24bmodifiedrepoabit484a59275031909e19aadb7c9226271 9cfcdf19aaddedrepo.rb1a410efbd13591db07496601ebc7a059dd55cfe9 thirdcommitcac0cab538b970a37ea1e769cbbde608743bc96dsecondcomm itfdf4fc3344e67ab068f836878b6c4951e3b15f3dfirstcommit酷!这样有了一个跟 原来master一样的recover-branch分支,最新的两个commit又找回来了。接着,假设引起commit 丢失的原因并没有记录在reflog中──可以通过删除recover-branch和reflog来模拟这种情况。这样 最新的两个commit不会被任何东西引用到:$gitbranch-Drecover-branch$rm-Rf. git/logs/因为reflog数据是保存在.git/logs/目录下的,这样就没有reflog了。现在要怎样恢复 commit呢?办法之一是使用gitfsck工具,该工具会检查仓库的数据完整性。如果指定--ful选项,该命令显示所有未 被其他对象引用(指向)的所有对象:$gitfsck--fulldanglingblobd670460b4b4aec e5915caf5c68d12f560a9fe3e4danglingcommitab1afef80fac8e34258ff4 1fc1b867c702daa24bdanglingtreeaea790b9a58f6cf6f2804eeac9f0abbe 9631e4c9danglingblob7108f7ecb345ee9d0084193f147cdad4d2998293本例 中,可以从danglingcommit找到丢失了的commit。用相同的方法就可以恢复它,即创建一个指向该SHA的分支 。移除对象Git有许多过人之处,不过有一个功能有时却会带来问题:gitclone会将包含每一个文件的所有历史版本的整个项目下 载下来。如果项目包含的仅仅是源代码的话这并没有什么坏处,毕竟Git可以非常高效地压缩此类数据。不过如果有人在某个时刻往项目中添 加了一个非常大的文件,那们即便他在后来的提交中将此文件删掉了,所有的签出都会下载这个大文件。因为历史记录中引用了这个文件,它会一 直存在着。当你将Subversion或Perforce仓库转换导入至Git时这会成为一个很严重的问题。在此类系统中,( 签出时)不会下载整个仓库历史,所以这种情形不大会有不良后果。如果你从其他系统导入了一个仓库,或是发觉一个仓库的尺寸远超出预计,可 以用下面的方法找到并移除大(尺寸)对象。警告:此方法会破坏提交历史。为了移除对一个大文件的引用,从最早包含该引用的tree 对象开始之后的所有commit对象都会被重写。如果在刚导入一个仓库并在其他人在此基础上开始工作之前这么做,那没有什么问题─ ─否则你不得不通知所有协作者(贡献者)去衍合你新修改的commit。为了演示这点,往test仓库中加入一个大文件,然 后在下次提交时将它删除,接着找到并将这个文件从仓库中永久删除。首先,加一个大文件进去:$curlhttp://kernel.o rg/pub/software/scm/git/git-1.6.3.1.tar.bz2>git.tbz2$gitadd git.tbz2$gitcommit-am''addedgittarball''[master6df7640]ad dedgittarball1fileschanged,0insertions(+),0deletions(-) createmode100644git.tbz2喔,你并不想往项目中加进一个这么大的tar包。最后还是去掉它:$git rmgit.tbz2rm''git.tbz2''$gitcommit-m''oops-removedlarge tarball''[masterda3f30d]oops-removedlargetarball1filesch anged,0insertions(+),0deletions(-)deletemode100644git.tbz 2对仓库进行gc操作,并查看占用了空间:$gitgcCountingobjects:21,done.Delta compressionusing2threads.Compressingobjects:100%(16/16),d one.Writingobjects:100%(21/21),done.Total21(delta3),reu sed15(delta1)可以运行count-objects以查看使用了多少空间:$gitcount-objects -vcount:4size:16in-pack:21packs:1size-pack:2016prune- packable:0garbage:0size-pack是以千字节为单位表示的packfiles的大小,因此已经使用了 2MB。而在这次提交之前仅用了2K左右──显然在这次提交时删除文件并没有真正将其从历史记录中删除。每当有人复制这个仓库 去取得这个小项目时,都不得不复制所有2MB数据,而这仅仅因为你曾经不小心加了个大文件。当我们来解决这个问题。首先要找出这个文件 。在本例中,你知道是哪个文件。假设你并不知道这一点,要如何找出哪个(些)文件占用了这么多的空间?如果运行gitgc,所有对象会存入一个packfile文件;运行另一个底层命令gitverify-pack以识别出大对象,对输出的第三列信息即文件大小进行排序,还可以将输出定向到tail命令,因为你只关心排在最后的那几个最大的文件:$gitverify-pack-v.git/objects/pack/pack-3f8c0...bb.idx|sort-k3-n|tail-3e3f094f522629ae358806b17daf78246c27c007bblob1486734466705408d195263d853f09dca71d55116663690c27cblob12908347811897a9eb2fba2b1811321254ac360970fc169ba2330blob205671620568725401最底下那个就是那个大文件:2MB。要查看这到底是哪个文件,可以使用第7章中已经简单使用过的rev-list命令。若给rev-list命令传入--objects选项,它会列出所有commitSHA值,blobSHA值及相应的文件路径。可以这样查看blob的文件名:$gitrev-list--objects--all|grep7a9eb2fb7a9eb2fba2b1811321254ac360970fc169ba2330git.tbz2接下来要将该文件从历史记录的所有tree中移除。很容易找出哪些commit修改了这个文件:$gitlog--pretty=oneline--git.tbz2da3f30d019005479c99eb4c3406225613985a1dboops-removedlargetarball6df764092f3e7c8f5f94cbe08ee5cf42e92a0289addedgittarball必须重写从6df76开始的所有commit才能将文件从Git历史中完全移除。这么做需要用到第6章中用过的filter-branch命令:$gitfilter-branch--index-filter\''gitrm--cached--ignore-unmatchgit.tbz2''--6df7640^..Rewrite6df764092f3e7c8f5f94cbe08ee5cf42e92a0289(1/2)rm''git.tbz2''Rewriteda3f30d019005479c99eb4c3406225613985a1db(2/2)Ref''refs/heads/master''wasrewritten--index-filter选项类似于第6章中使用的--tree-filter选项,但这里不是传入一个命令去修改磁盘上签出的文件,而是修改暂存区域或索引。不能用rmfile命令来删除一个特定文件,而是必须用gitrm--cached来删除它──即从索引而不是磁盘删除它。这样做是出于速度考虑──由于Git在运行你的filter之前无需将所有版本签出到磁盘上,这个操作会快得多。也可以用--tree-filter来完成相同的操作。gitrm的--ignore-unmatch选项指定当你试图删除的内容并不存在时不显示错误。最后,因为你清楚问题是从哪个commit开始的,使用filter-branch重写自6df7640这个commit开始的所有历史记录。不这么做的话会重写所有历史记录,花费不必要的更多时间。现在历史记录中已经不包含对那个文件的引用了。不过reflog以及运行filter-branch时Git往.git/refs/original添加的一些refs中仍有对它的引用,因此需要将这些引用删除并对仓库进行repack操作。在进行repack前需要将所有对这些commits的引用去除:$rm-Rf.git/refs/original$rm-Rf.git/logs/$gitgcCountingobjects:19,done.Deltacompressionusing2threads.Compressingobjects:100%(14/14),done.Writingobjects:100%(19/19),done.Total19(delta3),reused16(delta1)看一下节省了多少空间。$gitcount-objects-vcount:8size:2040in-pack:19packs:1size-pack:7prune-packable:0garbage:0repack后仓库的大小减小到了7K,远小于之前的2MB。从size值可以看出大文件对象还在松散对象中,其实并没有消失,不过这没有关系,重要的是在再进行推送或复制,这个对象不会再传送出去。如果真的要完全把这个对象删除,可以运行gitprune--expire命令。9.8?总结现在你应该对Git可以作什么相当了解了,并且在一定程度上也知道了Git是如何实现的。本章覆盖了许多plumbing命令──这些命令比较底层,且比你在本书其他部分学到的porcelain命令要来得简单。从底层了解Git的工作原理可以帮助你更好地理解为何Git实现了目前的这些功能,也使你能够针对你的工作流写出自己的工具和脚本。Git作为一套content-addressable的文件系统,是一个非常强大的工具,而不仅仅只是一个VCS供人使用。希望借助于你新学到的Git内部原理的知识,你可以实现自己的有趣的应用,并以更高级便利的方式使用Git。 |
|