为什么git会推送如此多的数据？

Question

我想知道git在推动变化时做了什么，以及为什么它似乎偶尔会推动更多的数据而不是我所做的改变。我对两个增加了大约100行代码的文件进行了一些更改 - 不到2k的文本，我想象。

当我将数据推送到原点时，git将其转换为超过47mb的数据：

git push -u origin foo
Counting objects: 9195, done.
Delta compression using up to 4 threads.
Compressing objects: 100% (6624/6624), done.
Writing objects: 100% (9195/9195), 47.08 MiB | 1.15 MiB/s, done.
Total 9195 (delta 5411), reused 6059 (delta 2357)
remote: Analyzing objects... (9195/9195) (50599 ms)
remote: Storing packfile... done (5560 ms)
remote: Storing index... done (15597 ms)
To <<redacted>>
 * [new branch]      foo -> foo
Branch foo set up to track remote branch foo from origin.

当我区分我的更改时，（origin / master..HEAD）只显示了两个文件和一个提交。 47mb的数据来自哪里？

我看到了这个：When I do "git push", what do the statistics mean? (Total, delta, etc.) 而这：Predict how much data will be pushed in a git push 但那并没有真正告诉我发生了什么......为什么包/捆绑会很大？

Answer 1

我刚刚意识到非常现实的情况会导致非常大的推动。

推送什么对象发送？服务器上尚不存在。或者，而不是它现有的检测。它如何检查对象的存在？在推送开始时，服务器发送有的引用（分支和标签）。因此，例如，如果他们有以下提交：

QTcpSocket* socket = new QTcpSocket();
socket->setSocketDescriptor(socketDesc); // socketDesc is a point of  type   qintptr 

然后客户端将获得类似 CLIENT SERVER (foo) -----------> aaaaa1 | (origin/master) -> aaaaa0 (master) -> aaaaa0 | | ... ... 的内容，并发现它必须仅发送提交/refs/heads/master aaaaa0中的新内容。

但是，如果有人将任何东西推到了远程掌握，那就不同了：

aaaaa1

此处，客户端获取 CLIENT SERVER (foo) -----------> aaaaa1 (master) --> aaaaa2 | / (origin/master) -> aaaaa0 aaaaa0 | | ... ... ，但它对aaaaa2 一无所知，因此无法推断服务器上存在refs/heads/master aaaaa2。因此，在这个只有2个分支的简单情况下，将发送整个历史记录，而不是仅增加历史记录。

这不太可能发生在成长，积极开发，项目，其中有标签和许多分支，其中一些变得陈旧，不会更新。因此，用户可能会发送更多信息，但它并没有像您的情况那样变得那么大，并且没有任何损失。但是在非常小的团队中，它可以更频繁地发生，而差异将是巨大的。

为避免这种情况，您可以在推送之前运行aaaaa0。然后，在我的示例中，git fetch提交已存在于客户端，而aaaaa2会知道它不应发送git push foo及更早的历史记录。

阅读here以了解协议中的推送实现。

PS：最近的git commit graph功能might help with it，但我没有尝试过。

Answer 2

  

当我将数据推送到原点时，git将其转换为超过47mb的数据..

看起来您的存储库包含大量二进制数据。

首先让我们看看git push会做什么？

  

git-push - 更新远程引用以及关联对象

那些associated objects是什么？

每次提交后，你都会把git执行pack个数据到名为的文件中 XX.pack＆amp;＆amp; `XX.idx'

有关包装的好读物是here

git pack文件如何？

  

打包存档格式.pack旨在自包含，以便在没有任何进一步信息的情况下解压缩。
  因此，delta所依赖的每个对象必须存在于包中。

     

生成包索引文件.idx，以便快速随机访问包中的对象。

     

将索引文件.idx和压缩存档.pack放在pack的{​​{1}}子目录（或$GIT_OBJECT_DIRECTORY上的任何目录）中Git从包存档中读取。

当git打包你的文件时，它会以智能的方式完成它，因此它将非常快速来提取数据。

为了实现这个git，使用pack-heuristics基本上在你的包中寻找类似的内容部分并将它们存储为单个内容，这意味着 - 如果你有许多相同的标题（例如许可协议）文件，git将“找到”它并将存储一次。

现在，包含此许可证的所有文件都将包含指针到标头代码。在这种情况下，git不必反复存储相同的代码，因此包大小很小。

这是为什么它不是一个好主意并且不建议在git中存储二进制文件的原因之一，因为具有相似性的可能性非常低，因此包大小将不是最佳的。

Git以压缩格式存储您的数据以减少空间，因此再次二进制文件也不是最佳的，因为压缩（大小为wize）。

以下是使用压缩压缩的git blob示例：