git中的Cherry采摘提交：大文件数据是否重复？

Question

我了解，如果您在git中选择一个提交，它将创建该提交的新副本（带有新的SHA等）。

但是在内部，如果有很大的二进制文件，数据是否重复，导致回购膨胀？还是足够聪明地了解它是相同的斑点？

Answer 1

Git 足够聪明，可以继续使用同一对象，并在您的Cherry-Pick新建的提交中引用它。 （尽管我有点理解您对重复副本的担心，因为提交本身不仅是重复的，而且是重新创建的。）

文件实际更改后，然后，您将创建一个新对象，从而增加了存储库。

Answer 2

从用户的角度来看，将提交视为“包含”文件是很自然的，但是在内部，说提交“引用”文件更为准确。

git是内容索引的对象存储库：有一堆对象，所有对象均由其SHA1哈希唯一标识。在该商店的顶部，赋予对象以表示版本控制系统组件的含义。

有a good introduction to this on the Git website。

因此，在提交文件时，将存储几个对象：

• 一个包含文件内容的“ blob”对象，没有元数据
• 包含目录列表，每个文件的名称和元数据以及其当前内容的SHA1哈希的“树”对象
• 表示提交的“ commit”对象，包括提交消息，提交时间，父提交的SHA1散列以及要使用的目录列表的SHA1散列

您通常看到的SHA1是此提交对象的SHA1-知道这足以使git查找完整的提交信息，并从那里找到目录列表，并从那里找到文件内容。

当您选择一个提交时，git将需要创建：

• 具有新时间，父提交等的新提交对象
• 可能是一个新的树对象，由于合并经过精心挑选的更改可能会导致某些文件有所不同
• 任何具有新内容的文件的新blob对象 ；如果大文件的内容与以前的状态相同，则根据定义它将具有相同的SHA1哈希，因此不会再次存储

从某种意义上说，git在这里不是“聪明”的，它不在乎为什么可能复制一个对象，它只为每个SHA1存储一个对象哈希，如果发现该哈希已经存在一个对象，则假定它们是同一对象。多个（可能是不相关的）提交引用相同文件内容的能力只是该存储系统的便利副作用。