GitHub只存储一次对象吗？

Question

我正在做一个关于从GitHub存储大量存储库的项目。许多存储库共享许多对象。所以我想了解GitHub是否只存储一次对象以节省存储空间，以及如何执行此操作（如果这不是秘密）。

我没有找到任何令人满意的答案，只是GitHub做了一些预测。

Answer 1

GitHub 不完成此操作。 GitHub单独存储每个“存储库网络”，其中存储库网络是：

• 原始存储库
• 该存储库的分支

每个“存储库网络”都可以使用Git的“替代”机制在它们之间共享对象。这允许Git考虑其他对象数据库位置，而不仅仅是存储库中的正常存储。

在GitHub上创建存储库时，您将在磁盘上创建一个裸存储库，并使用正常的磁盘上对象数据库对其进行备份。当您从该存储库创建一个fork时，GitHub将：

1. 为存储库网络创建一个新的“替代”区域。
2. 将存储库的对象移动到替代区域。
3. 设置原始存储库以了解新的替代区域
4. 设置新分叉以了解新的替代区域。

发生这种情况时，存储库网络将在它们之间共享对象。这意味着对象在原始存储库和已分叉的存储库之间共享。

但这是共享对象存储的限制。每个人都无法共享大型对象数据库（也不应该出于可扩展性和安全性原因）。

（注意：虽然我在GitHub上的Git基础设施团队工作，但这些信息并不保密。）

<强>来源

Git Merge会议上的这两场会谈讨论了GitHub的git存储库存储：

• Scaling at GitHub，Patrick Reynolds在Git Merge 2016年的演讲。
• Top Ten Worst Repositories to Host on GitHub，CarlosMartínNieto在2017年Git Merge的演讲。
• Counting Objects，VicentMartí的一篇文章。