Git设计决定存储内容而不是差异

Question

有没有人可以告诉我为什么git开发人员做出设计决定来存储文件内容（blob），所以当内容发生变化时，需要创建一个新的blob？

我认为subversion存储修订而不是内容，所以当内容发生变化时，它只是跟踪两者之间的差异。难道git也不是这样做的吗？存储内容而不是修改有什么好处？

Answer 1

我找不到快速谷歌的答案，但我相信它归结为一个简单的“无关紧要因为磁盘空间便宜”。

在源代码管理工具中存储修订版很棘手。如果您只存储先前版本与当前版本之间的差异，则最终会出现两个问题：

1. 返回最新版本（常见情况）需要最多的工作，因为代码需要通过将每个修订版本组合在一起来组装该修订版本。
2. 对一个修订版的任何错误（例如，磁盘故障）都会破坏对以后每个版本的访问。

我相信大多数现代VCS实际上存储了最新版本（出于性能原因），如果使用差异，则会使用它们来回溯，而不是转发。

Answer 2

解决此（及相关）问题的文章是Repository Formats Matter。这是影响我几年前搬到Git的决定的文章之一。这是一段摘录：

  

鉴于这一论点，我应该清楚我认为git的存储库结构比其他存储库结构更好，至少对于X.org的使用模型而言。它似乎有几个有趣的属性：

     

  

1. 永远不会修改包含对象数据的文件。编写完成后，每个文件都是从那时起的只读文件。

  

2. 压缩是离线完成的，可以延迟到主要对象保存到备份媒体之后。此方法提供比任何增量方法更好的压缩，允许在磁盘上重新排序数据以匹配使用模式。

  

3. 对象数据本身就是自我检查;您无法在第一次引用对象时修改存储库中的对象并转义检测。

  

Answer 3

让我澄清你的错误观念：

  

有谁能告诉我为什么git开发人员做出设计决定来存储文件内容（blob），所以当内容发生变化时，需要创建一个新的blob？

（初始）Git设计的相当好的解释可以在Tom Preston-Werner的The Git Parable文章中找到（除了与Greg Hewgill answer链接的文章）。

背后的想法是，在新版本中通常（在足够大的项目中）只有项目中大量文件中的少数文件发生变化，因此只存储不同版本的文件内容可以节省空间。这与 Subversion在其“廉价拷贝”技术中使用相同的想法（它使用硬链接，IIRC）。

此外，文件的内容是zlib（deflate）压缩（或者更确切地说，git存储库数据库中的每个对象都被压缩，包括comit对象）。

  

我认为Subversion存储修订而不是内容，所以当内容发生变化时，它只是跟踪两者之间的差异。难道git也不是这样做的吗？存储内容而不是修订版有什么好处？

我不明白你想在这里说什么。

如果存储差异可以节省空间，那么我想告诉你除了'松散'格式（每个blob，即文件的每个（不同）内容存储在单独的文件内{ {1}}）也有'压缩'格式，其中许多对象使用来自LibXDiff库的二进制增量以deltaified形式存储。

这种格式是为网络传输而创建的（大磁盘空间可能很便宜，但带宽不是这样），并且也适用于磁盘格式。这种格式非常有效，即使不是最有效的版本控制系统格式也是一种更有效的格式，使得git存储库更小或者是不同版本控制系统中最小的存储库之一。根据具体情况，git存储库的完整克隆（包含完整历史记录）可能小于等效的Subversion checkout （其中包含pristine更改的额外副本，以便.git并且svn diff无需网络传输即可以合理的速度工作。

这种设计（'松散'和'打包'格式）具有非常高效的打包优势，但缺点是必须使用“svn status”手动重新打包（不是为了磁盘空间，而是为了性能） - 磁盘I / O）;现在大多数git命令在需要时（安全地）重新打包存储库。