git如何跟踪文件的更改

时间:2015-08-13 18:29:14

标签: git internals

在最长的时间里,我认为git提交会保留已更改文件的差异,而不是副本。我能找到的任何信息都表明相反。我做了一个小实验:

$ git init
$ subl wtf
  

在这里,我创建了一个包含99 999行的文件,每行 foo bar baz #line

$ ls -la
total 1760
drwxrwxr-x 3 __user__ __user__    4096 Aug 13 21:02 .
drwxr-xr-x 3 __user__ __user__    4096 Aug 13 19:57 ..
drwxrwxr-x 7 __user__ __user__    4096 Aug 13 21:02 .git
-rw-rw-rw- 1 __user__ __user__ 1788875 Aug 13 21:02 wtf
$ git add --all
$ git commit -m 'Initial commit'
[master (root-commit) 6ef5084] Initial commit
 1 file changed, 99999 insertions(+)
 create mode 100644 wtf
$ subl wtf
$ git diff
diff --git a/wtf b/wtf
index 7ba3acb..bf7a9ed 100644
--- a/wtf
+++ b/wtf
@@ -14156,7 +14156,7 @@ foo bar baz 14155
 foo bar baz 14156
 foo bar baz 14157
 foo bar baz 14158
-foo bar baz 14159
+foo qux baz 14159
 foo bar baz 14160
 foo bar baz 14161
 foo bar baz 14162
$ git add --all
$ git commit -m 'bar -> qux on #14159'
[master 1b5ab4b] bar -> qux on #14159
 1 file changed, 1 insertion(+), 1 deletion(-)
$ subl wtf
$ git diff
diff --git a/wtf b/wtf
index bf7a9ed..1aeeaa3 100644
--- a/wtf
+++ b/wtf
@@ -14156,7 +14156,7 @@ foo bar baz 14155
 foo bar baz 14156
 foo bar baz 14157
 foo bar baz 14158
-foo qux baz 14159
+xyz abc baz 14159
 foo bar baz 14160
 foo bar baz 14161
 foo bar baz 14162
$ git add --all
$ git commit -m 'foo qux -> xyz abc on #14159'
[master 85ccf97] foo qux -> xyz abc on #14159
 1 file changed, 1 insertion(+), 1 deletion(-)
$ ls -la
total 1760
drwxrwxr-x 3 __user__ __user__    4096 Aug 13 21:02 .
drwxr-xr-x 3 __user__ __user__    4096 Aug 13 19:57 ..
drwxrwxr-x 9 __user__ __user__    4096 Aug 13 21:05 .git
-rw-rw-rw- 1 __user__ __user__ 1788875 Aug 13 21:04 wtf

即使在不同的分支上提交冲突并没有改变这种情况。

如果git真的保留了每次提交所有已更改文件的副本,那么为什么使用的空间没有显着变化?

4 个答案:

答案 0 :(得分:7)

git有对象数据库。有一种对象" blob"由sha1的内容标识。因此,这意味着,如果您在存储库中的任何位置具有相同内容的文件(历史/目录/等的分支/点),它将仅存储在数据库中一次。

数据库中有两个部分,objects/??/*文件是单个对象。即如果你有一个只有单行差异的大文件的两个版本 - 它将被存储两次,在两个不同的文件中(使用简单的lzma?压缩)。

然后,如果git认为objects目录增长太多,它会运行垃圾收集。这个过程的一个步骤 - 重新包装。它在objects/pack/文件夹中创建了大型包文件,它使用了巧妙的增量压缩算法,并且它不是在特定文件的历史记录上工作,而是在整个对象数据库的范围内工作,所以它意味着即使一些完全不相关的文件偶尔看起来相似,它们可以被打包成彼此的增量。

因此,在每个git gc命令考虑到历史记录中的最新更改后,可以对增量进行不同的重新压缩。

此外,object packs vs loose objects只是物理存储详细信息,每天使用git时都是完全透明的。例如。执行log cherry-pickmerge等正在使用提交的完整快照进行操作。所以,如果你正在做diff,它只是比较两个版本的目录/文件,生成一个补丁/差异。

与其他VCS相比,这种方法非常独特。例如。 Mercurial分别为每个文件存储不可变的delta-logs,而Subversion正在为整个存储库存储增量。它会影响系统的工作方式 - 物理存储不会被抽象出来并导致一些重大限制,而git允许非常灵活的工作流程和算法,同时保持存储库的大小非常小

答案 1 :(得分:2)

每次文件更改时,Git都会在其数据库中存储该文件的新副本。提交存储对该提交跟踪的文件的最新版本的引用。这意味着当创建提交时,它使用其父项存储的引用用于未更改的文件,以及对已更改文件的新添加版本的引用。

定期(或根据需要,例如,git gc),通过创建包含给定集合中每个文件的最新版本的包文件来压缩数据库,以及"反向差异&# 34;可以根据需要用于重建旧版本。

答案 2 :(得分:1)

至少有两种机制可以减少Git对象数据库中所需的总存储空间。首先,每个对象都是单独压缩的。其次,将对象集中到对象“包”中,这些对象将对象与增量相关联,为类似对象节省更多空间。 ProGit中有一个chapter on packfiles非常有启发性。

答案 3 :(得分:0)

Git 逻辑在历史记录中存储一组不同的文件内容。这意味着如果在10 MB文件中更改了一个字符,则文件的整个内容都有两个不同的对象ID。但是,在引擎盖下有很多优化,以确保类似对象与增量一起存储。