二、Git内部原理

1 前言

Git使用比较灵活，达到相同结果有多种方式。
靠记忆不同场景下的命令组合，会停留在“知其然，不知其所以然”的层次。
只有理解Git内部原理和Git命令的底层操作，才能深入浅出的灵活运用Git。

2 Git内部原理

Git是由C语言开发的一套内容寻址文件系统，并在此之上提供了一个VCS用户界面。

2.1 Git目录结构

使用git init命令初始化当前目录，生成.git文件夹。

git init 初始化

工作区、暂存区和Git仓库
- 工作区是当前目录（除去.git/），所有的编辑操作都在该目录进行。
- 暂存区对应.git/index文件，它包含了当前暂存区的信息，由它可生成git的tree对象。（git init执行后并没有产生.git/index，而是在首次执行git add命令后才生成，并把由更新文件生成的blob对象放入.git/objects/内。）
  
  git add生成.git/index
- git仓库对应.git/，它存储了项目的所有历史快照，以供需要的时候使用。
.git/目录
.git/包含了以下目录和文件：
- ~~branches/：新版本不再使用~~
- description：仅供GitWeb程序使用
- config：当前项目的配置选项
- info/：不同于.gitignore文件，可配置本地的文件忽略模式，不会push到remote库而影响其他人。
- hooks/：目录存放钩子脚本
- objects/：目录存储所有数据内容
- refs/：目录存储指向数据的commit对象的指针
- HEAD：文件内容为当前分支
- index：文件内容为暂存区的信息

2.2 Git命令

Git包含底层命令（Plumbing）和高层命令（Procelain）。

用户平时使用的Git命令一般为高层命令，如add、commit、checkout等；高层命令对用户友好，便于理解和操作。
Git起初被设计为供VCS使用的工具集，这些工具也称为底层命令；底层命令一般不被用户直接使用，而是被shell或脚本调用。

Git部分底层命令

此处列举几个底层命令简要说明：
- checkout-index：Copy files from the index to the working tree.
- cat-file：Provide content or type and size information for repository objects.
- hash-object：Compute object ID and optionally creates a blob from a file.
- update-index：Register file contents in the working tree to the index.
- write-tree：Create a tree object from the current index.
- commit-tree：Create a new commit object.

2.3 Git对象

Git定义了4种对象：blob、tree、commit和tag，它们都位于.git/objects/目录下。git对象在原文件的基础上增加了一个头部，即对象内容 = 对象头 + 文件内容。这种格式无法直接通过cat命令读取，需要使用git cat-file这个底层命令才能正确读取。
对象头的格式为：对象头 = 对象类型 + 空格 + 数据内容长度 + null byte，例如一个文件内容为“hello world”，其blob对象头为"blob 11\000"。

git cat-file可读取git的4种对象

blob：工作区的文件以blob对象的形式进入git仓库，相当于UNIX中的inodes或文件内容。
tree：tree对象包含对blob对象以及其他tree对象的引用，相当于UNIX中的目录。
commit：包含了上一次commit对象的Hash串引用、该时间点项目快照的顶层tree对象的Hash串引用、作者/提交者信息、时间戳、空行，以及提交的注释信息。

commit、tree、blob的引用关系
tag：包含一个commit的Hash串引用、标签名，以及其他信息（由标签类型决定）。

2.4 内容寻址

依赖底层命令git hash-object命令，对文件内容增加头信息后计算hash值并返回，增加-w参数后在git仓库内创建blob对象（blob对象 = 对象头 + 文件内容）。
blob对象存储到git仓库目录（.git/objects/）时，依据40位（16进制字符）长度的hash串指定存储目录（hash串前2位）和命名文件（hash串后38位）。例如某blob对象的hash值为62/0d4582bfbf773ef15f9b52ac434906a3cdf9c3，那么它在git仓库中的路径为.git/objects/62/0d4582bfbf773ef15f9b52ac434906a3cdf9c3。
Git内容寻址本质是：Git根据由文件内容（增加文件头）产生的Hash值来标识和索引文件，另外进行命令操作时没有必要写完整的hash串，只要输入的hash串长度是唯一可识别和索引的即可。

根据文件内容的hash值索引文件
无需考虑Hash碰撞的情况，在大型项目上也可以放心使用Git。因为在概率上SHA-1产生的哈希值碰撞的机会可以小到忽略。

2.5 Git版本机制

HEAD指向当前分支。若master是当前分支，则HEAD文件内容为ref: refs/heads/master。

HEAD指向当前分支
分支（本地分支、远程分支、远程跟踪分支、跟踪分支）和标签（tag对象）都包含了对commit对象的引用。

master分支引用了hash为1ad0的commit对象
commit对象包含了上次commit对象的引用（类似单链表）和本次提交的顶级tree对象的引用。

commit对象引用了tree对象
- 每个顶级tree对象可看做是一个完整的版本。
- 通过commit对象的链式结构进行串联，形成提交历史和版本历史。
总之：git的分支和标签通过引用commit对象来标注当前分支的版本信息。

git的版本历史机制

Note：凡是对Git对象的引用，都指的是Git对象的40位长度的Hash串。

2.6 引用规格（refspec）

引用规格指的是远程仓库分支和本地分支的映射，可表示为<src>:<dst>，这也暗示了数据流向为src → dst。

fetch和push命令

# 两命令都包含引用规格（refspec）来指定数据流向。
git fetch [remote repository] [remote branch]:[local branch]
git push [remote repository] [local branch]:[remote branch]

config文件配置refspec
当使用缺省的fetch/push命令时，Git会根据.git/config中的refspec配置进行操作。

当通过git remote add命令添加一个远程分支的同时，会在.git/config文件中添加一个配置结点。

git remote add

fetch中的”+“是可选的，它告诉Git在不能fast-forward的情况下，也强制去更新它。此后执行git fetch orgin这个缺省命令时，会拉取origin远程仓库的所有分支。
可通过git log origin/master来查看从远程仓库fetch的master分支。

# 以下三个命令是等价的，Git会把他们都扩展为refs/remote/origin/master
git log origin/master
git log remote/origin/master
git log refs/remote/origin/master

refspec指定分支映射
1）可通过改写fetch行为fetch = +refs/heads/master:refs/remotes/origin/mymaster，指定把远程的master分支映射为本地的origin/mymaster分支。
2）也可指定多个映射，一次拉取多个指定分支。

[remote "origin"]
      url = git@github.com:kivihub/test.git
      fetch = +refs/heads/master:refs/remotes/origin/master
      fetch = +refs/heads/experiment:refs/remotes/origin/experiment
      fetch = +refs/heads/qa/*:refs/remote/orgin/qa/*

3）可同时指定push的refspec
若要把本地的master分支push到远程的qa/master分支，可配置如下：

[remote "origin"]
      url = git@github.com:kivihub/test.git
      fetch = +refs/heads/master:refs/remotes/origin/master
      fetch = +refs/heads/experiment:refs/remotes/origin/experiment
      fetch = +refs/heads/qa/*:refs/remote/orgin/qa/*
      push = refs/heads/master:refs/heads/qa/master

4）删除远程分支
通过命令git push origin :master可以删除远程origin库的master分支。因为refspec的格式为<src>:<dst>，通过把<src>置空表示把远程分支变为空，也就是删除它。

2.7 其他

git gc垃圾回收命令用于压缩或删除数据，节省磁盘空间。
- 将松散对象进行打包存入packfile。
- 将不被任何commit引用并且已存在一段时间（数月）的对象删除。

参考文章

GIT科普系列5：index in git
《Pro Git》相关章节内容
2.1 Git 内部原理 - 底层命令和高层命令
2.2 Git 内部原理 - Git 对象
2.3 Git 内部原理 - Git 引用
2.4 Git 内部原理 - 包文件
2.5 Git 内部原理 - 引用规格
2.6 Git 内部原理 - 传输协议
2.7 Git 内部原理 - 维护与数据恢复
2.8 Git 内部原理 - 环境变量
Git命令列表
.gitignore和exclude