git的数据模型以及内部实现细节

2025-06-16

版本控制系统概述 使用快照储存每次的修改记录和修改信息,极其有助于并行处理项目以及调试错误 git就是一个行业标杆的分布式版本控制系统.github是其online 托管平台之一 底层设计 内部数据模型

git称direction为tree,file为blob
tree是一个递归的数据结构
快照:将整个树拍下来,可以看作带有时间戳的目录副本
git使用有向无环图记录快照序列

[!info] 伪代码表示git底层逻辑 type blob=array<byte>//文本文件就是byte组成的数组 type tree=map<name,subtree|file>//树是从名字到子树或文件的映射 type commit=struct{ parent: array<commit>//可能有多个父节点 author&message: string snapshot: tree}

[!info] 以上是git内部的数据结构.下面是git对disk中实际数据存储和寻址的实现: type object=blob|tree|commit object_in_disk=map<harshid,object>

harshid是使用harsh函数生成的id,即哈希值.
harsh函数根据数据内容生成一个短字符串,可作为对象(object)的id
磁盘中存储id,通过哈希值寻址到对应的object,即从id到object的映射

[!info] 问题来了:所有映射通通储存在git仓库里面,一定会造成巨大空间占用!

实际上,git只需要储存高效压缩格式的快照和author&message信息,以及对象对应的id
git内置一个对象表,这个表将所有id与对象内容建立双射.只有object表里存储实际数据.
由于双射,git除了涉及内容本身的操作时,调用的都是哈希值,commit中父节点数组存储的也是哈希值,这样就大大减少了运行时开销
缓冲区
git没有删除commit的指令,一旦commit,就无法删除单个commit,除非删库.That’s why there’s a buffer between repository and local directory.
Git进阶操作

有关git基础命令见[[Git]].

查看commit和回档
1. git cat-file -p(print) hashid 打印log中某次提交的内容的id以及提交信息.
- 进一步对tree使用上面命令,打印tree中blob的哈希值.
- 对blob使用上述,打印blob的实际内容
- 与show的不同:show直接打印commit修改的内容
  1. git log的更多有用后缀名 1. –oneline只打印commit message的title 2. –graph制图,让log更美观,配合–decorate 3. –reverse翻转历史记录,从头到尾顺序下来(注意不能与graph混用) 4. –all log默认只打印当前分支,而–all可打印所有分支的提交记录
  2. git节点间移动
- 实际上,移动的只是HEAD指针.
- 使用git checkout移动HEAD指针到任意branch/节点上
- 此时你电脑上就是HEAD指针所指的内容
  1. difftool的应用
- git difftool 后面可以加两个参数, 表示从前者到后者的变化,如git difftool HEAD^ HEAD.只有一个参数时默认与HEAD对比
  1. git blame +文件名具体查看文件每行的提交信息
    分支相关
  2. git branch 1. 不加参数时显示目前有的分支. 2. 加参数<name>创建目标分支. 3. git checkout -b <name> 创建分支并切换
  3. git merge/rebase 将目标分支合并到当前分支.一个是非线性一个是线性.
- 可能出现合并冲突:使用editor手动合并后,add再merge/rebase –continue
  远程仓库
使用ls .git查看当前目录的git repository.它包含所有objects和refs(引用)等信息,以及配置
远程仓库就是当前仓库在其他用户或主机上的副本.
git remote查看当前库的所有远程仓库.
- git init –bare 设置一个空仓库,适合用于做远程仓库
- git remote add <name> <URL>
- 实际上,以上两步加在一起就是 git clone <URL> <目录名>
git push <remote name> <local branch>:<remote branch>
git clone –shallow可只复制最后一次commit 有关分支操作和远程操作,有个很棒的可视化教程: git分支教程

git的数据模型以及内部实现细节

缓冲区

Git进阶操作

查看commit和回档

分支相关

远程仓库