内容简介:在诞生十余载后(2005年发布第一版),
git 是那个“爱骂人”的 Linux 之父 Linus Torvalds 继 Linux 内核后奉献给全世界 程序员 的第二个礼物(不能确定已经逐渐老去的Torvalds能否迸发第三春,第三次给我们一个超大惊喜^_^)。这里再强调一下,git读作 /git/
,而不是 /dʒit/
。
在诞生十余载后(2005年发布第一版), git 毫无争议地成为了程序员版本管理 工具 的首选,它改变了全世界程序员的 代码版本管理和生产协作的模式 ,极大促进了开源软件运动的发展。进化到今天的 git 已经成为了一个比较复杂的工具,多数程序员都将目光聚焦在如何记住这些命令并用好这些命令,对这些复杂命令行背后的原理却知之不多,虽然大多数程序员的确不太需要深刻了解git背后的原理^_^。
关于git原理的文章在互联网上也呈现出“汗牛充栋”之势,有些文章“蜻蜓点水”,有些文章“事无巨细”,看后似乎都无法让我满意。结合自己对git原理的学习,我觉得多数人把握住 git运作机制 的几个关键概念即可,于是就有了这篇文章,我努力尝试给大家讲清楚。
一. 我就是仓库,我拥有全部
我们首先要明确一个git与先前的版本管理工具(主要是 subversion )的不同。下面是使用subversion版本管理工具时,程序员进行代码生产以及程序员间围绕代码仓库进行协作的模式:
众所周知,subversion是 基于中心版本仓库进行版本管理协作的版本管理工具 。就像上图中那样,所有开发人员开始生产代码的前提是 必须先从中心仓库checkout一份代码拷贝到自己本地的工作目录 ;而进行版本管理操作或者与他人进行协作的前提也是: 中心版本仓库必须始终可用 。这有点像以太网的“半双工的集线器(hub)模式”:svn中心仓库就像集线器本身,每个程序员节点就像连接到集线器上的主机;当一个程序员提交(commit)代码到中心仓库时,其他程序员不能提交,否则会出现冲突;如果中心仓库挂掉了,那么整个版本管理过程也将停止,程序员节点间无法进行协作,这就像集线器(hub)挂掉后,所有连接到hub上的主机节点间的网络也就断开无法相互通信一样。
如果我们使用git,我们是 不需要“集线器” 的:
如上图所示,git号称分布式版本管理系统,本质上是没有像subversion中那个所谓的“中心仓库”的。 每个程序员都拥有一个本地git仓库 ,而不仅仅是一份代码拷贝,这个仓库就是一个 独立的版本管理节点 ,它拥有程序员进行代码生产、版本管理、与其他程序员协作的 全部信息 。即便在一台没有网络连接的机器上,程序员也能利用该仓库完成代码生产和版本管理工作。在网络ready的情况下,任意两个git仓库之间可以进行点对点的协作,这种协作无需中间协调者(中心仓库)参与。
二. github实现了基于git网络协作的控制平面
git实现了分布式版本管理系统,每个git仓库节点都是自治的。诸多git仓库节点一起形成了一个 分布式git版本管理网络 。这样的一个分布式网络存在着与普通分布式系统的类似的问题:如何发现对端节点的git仓库、如何管理和控制仓库间的访问权限等。如果说linus的git本身是这个分布式网络的数据平面工具(实现client/server间的双向数据通信),那么这个分布式网络还缺少一个 “控制平面” 。
而 github 恰恰给出了一份git分布式网络控制平面的实现:托管、发现、控制…。其名称中含有的“hub”字样让我们想起了上面的“hub模式”:
我们看到在github的git协作模式实践中,引入了“中心仓库”的概念,各个程序员的节点git仓库源于(clone于)中心仓库。但是它和subversion的“中心仓库”有着本质的不同,这个仓库只是一个“upstream”库、是一个权威库。它并不是“集线器”,也没有按照“集线器”的那种工作模式进行协作。所有程序员节点的代码生产和版本管理操作完全可以脱离该所谓“中心库”而独立实施。
三.objects是个筐,什么都往里面装
上面都是从“宏观”谈git的一些与众不同的理念,而git原理,其实是从这一节才真正开始的^_^。
我们知道:每个git仓库的所有数据都存储在仓库顶层路径下的 .git
目录下:
$tree -L 1 -F . ├── COMMIT_EDITMSG ├── HEAD ├── config ├── description ├── hooks/ ├── index ├── info/ ├── logs/ ├── objects/ └── refs/ 5 directories, 5 files
而在这些目录和文件中,又以 objects
路径下的数据内容最多,也最为重要。在git的设计中, objects目录就是一个“筐”,git的核心对象(object)都往里面“装” 。
从上图中,我们看到objects中存储的最主要的有三类对象: blob
、 commit
和 tree
。这时你可能还不知道它们究竟是啥。不过没关系,我们通过一个例子来做一下“对号入座”。
我们在一个目录下建立 git-internal-repo-demo
目录,进入该目录,执行下面命令创建一个git仓库:
➜ /Users/tonybai/test/git/git-internal-repo-demo git:(master) ✗ $git init . Initialized empty Git repository in /Users/tonybai/Test/git/git-internal-repo-demo/.git/
这是一个处于初始状态的git仓库,我们看看存储git仓库数据的 .git
目录下的结构:
➜ /Users/tonybai/test/git/git-internal-repo-demo git:(master) $tree .git .git ├── HEAD ├── config ├── description ├── hooks │ ├── applypatch-msg.sample │ ├── commit-msg.sample │ ├── fsmonitor-watchman.sample │ ├── post-update.sample │ ├── pre-applypatch.sample │ ├── pre-commit.sample │ ├── pre-push.sample │ ├── pre-rebase.sample │ ├── pre-receive.sample │ ├── prepare-commit-msg.sample │ └── update.sample ├── info │ └── exclude ├── objects │ ├── info │ └── pack └── refs ├── heads └── tags 8 directories, 15 files
这个时候, objects
这个筐还是空的 !我们这就为仓库添点内容:
$mkdir -p cmd/demo 在cmd/demo目录下添加main.go文件,内容如下: // cmd/demo/main.go package main import "fmt" func main() { fmt.Println("hello, git") }
接下来我们使用 git add
将cmd/demo目录加入到stage区:
$git add . $git status On branch master No commits yet Changes to be committed: (use "git rm --cached <file>..." to unstage) new file: cmd/demo/main.go
这时我们来看一下 objects
这个筐是否有变化:
├── objects │ ├── 3e │ │ └── 759ef88951df9b9b07077a7ec01f96b8e659b3 │ ├── info │ └── pack
我们有一个 object
已经被装入到“筐”中了。我们看到 objects
目录下是一些以哈希值命名的文件和目录,其中目录由两个字符组成,是每个object hash值的前两个字符。hash值后续的字符串用于命名对应的object文件。在这里我们的object的hash值(实质是sha-1算法)为 3e759ef88951df9b9b07077a7ec01f96b8e659b3
,于是这个对象就被放入名为 3e
的目录下,对应的object文件为 759ef88951df9b9b07077a7ec01f96b8e659b3
。
我们使用git提供的 低级命令 查看一下这个object究竟是什么,其中 git cat-file -t
查看object的类型, git cat-file -p
查看object的内容:
$git cat-file -t 3e759ef889 blob $git cat-file -p 3e759ef889 package main import "fmt" func main() { fmt.Println("hello, git") }
我们看到objects这个筐中多了一个 blob
类型的对象,对象内容就是前面 main.go
文件中内容。
接下来,我们提交一下这次变更:
$git commit -m"first commit" . [master (root-commit) 3062e0e] first commit 1 file changed, 7 insertions(+) create mode 100644 cmd/demo/main.go
再来看看 .git/objects
中的变化:
├── objects │ ├── 1f │ │ └── 51fe448aacc69c0f799def9506e61ed3eb60fa │ ├── 30 │ │ └── 62e0ebad9415b704e96e5cee1542187b7ed571 │ ├── 3d │ │ └── 2045367ea40c098ec5c7688119d72d97fb09a5 │ ├── 3e │ │ └── 759ef88951df9b9b07077a7ec01f96b8e659b3 │ ├── 40 │ │ └── 6d08e1159e03ae82bcdbe1ad9f076a04a41e2b │ ├── info │ └── pack
我们看到筐里被一下子新塞入4个object。我们分别看看新增的4个object类型和内容都是什么:
$git cat-file -t 1f51fe448a tree $git cat-file -p 1f51fe448a 100644 blob 3e759ef88951df9b9b07077a7ec01f96b8e659b3 main.go $git cat-file -t 3062e0ebad commit $git cat-file -p 3062e0ebad tree 406d08e1159e03ae82bcdbe1ad9f076a04a41e2b author Tony Bai <bigwhite.cn@aliyun.com> 1586243612 +0800 committer Tony Bai <bigwhite.cn@aliyun.com> 1586243612 +0800 first commit $git cat-file -t 3d2045367e tree $git cat-file -p 3d2045367e 040000 tree 1f51fe448aacc69c0f799def9506e61ed3eb60fa demo $git cat-file -t 406d08e115 tree $git cat-file -p 406d08e115 040000 tree 3d2045367ea40c098ec5c7688119d72d97fb09a5 cmd
这里我们看到了另外两种类型的object被加入“筐”中:commit和tree类型。objects这个筐里目前有了5个object,我们不考虑git是以何种格式存储这些object的,我们想知道的是这几个object的关系是什么样的。请看下一小节^_^。
四. 每个commit都是一个git仓库的快照
要理清objects“筐”中各object间的关系,就必须要把握住一个关键概念:“每个 commit 都是git仓库的一个快照” – 以一个commit为入口,我们能将当时objects下面的所有object联系在一起。因此,上面5个object中的那个commit对象就是我们分析各object关系的入口。我们根据上述5个object的内容将这5个object的关系组织为下面这幅示意图:
通过上图我们看到:
-
commit是对象关系图的入口;
-
tree对象用于描述目录结构,每个目录节点都会用一个tree对象表示。目录间、目录文件间的层次关系会在tree对象的内容中体现;
-
每个commit都会有一个root tree对象;
-
blob对象为tree的叶子节点,它的内容即为文件的内容。
上面仅是一次commit后的关系图,为了更清晰的看到多个commit对象之间关系,我们再来对git repo进行一次变更提交:
我们创建pkg/foo目录: $mkdir -p pkg/foo 然后创建文件pkg/foo/foo.go,其内容如下: // pkg/foo/foo.go package foo import "fmt" func Foo() { fmt.Println("this is foo package") }
提交这次变更:
$git add pkg $git commit -m"add package foo" . [master 6f7f08b] add package foo 1 file changed, 7 insertions(+) create mode 100644 pkg/foo/foo.go
下面是提交变更后的“筐”内的对象:
$tree objects objects ├── 1f │ └── 51fe448aacc69c0f799def9506e61ed3eb60fa ├── 29 │ └── 3ae375dcef1952c88f35dd4d2a1d4576dea8ba ├── 30 │ └── 62e0ebad9415b704e96e5cee1542187b7ed571 ├── 3d │ └── 2045367ea40c098ec5c7688119d72d97fb09a5 ├── 3e │ └── 759ef88951df9b9b07077a7ec01f96b8e659b3 ├── 40 │ └── 6d08e1159e03ae82bcdbe1ad9f076a04a41e2b ├── 65 │ └── 5dd3aae645813dc53834ebfa8d19608c4b3905 ├── 6e │ └── e873d9c7ca19c7fe609c9e1a963df8d000282b ├── 6f │ └── 7f08b14168beb114c3cc099b8dc1c09ccd4739 ├── cc │ └── 9903a33cb99ae02a9cb648bcf4a71815be3474 ├── info └── pack 12 directories, 10 files
object已经多到不便逐一分析了。但我们把握住一点: commit是分析关系的入口 。我们通过commit的输出或commit log(git log)可知,新增的commit对象的hash值为 6f7f08b141
。我们还是以它为入口分析新增object的关系以及它们与之前已存在的object的关系:
从上图我们看到:
-
git新创建tree对象对应我们新建的pkg目录以及其子目录;
-
cmd目录下的子目录和文件内容并未改变,因此这次commit所对应的root tree对象(
293ae375dc
)直接使用了已存在的cmd目录对应的对象(3d2045367e
); -
新commit对象会将第一个commit对象作为parent,这样多个commit对象之间构成一个单向链表。
上面的两个提交都是新增内容,我们再来提交一个commit,这次我们对已有文件内容做变更:
将cmd/demo/main.go文件内容变更为如下内容: // cmd/demo/main.go package main import ( "fmt" "github.com/bigwhite/foo" ) func main() { fmt.Println("hello, git") foo.Foo() } 提交变更: $git commit -m"call foo.Foo in main" . [master 2f14635] call foo.Foo in main 1 file changed, 6 insertions(+), 1 deletion(-)
和上面的分析方法一样,我们通过最新commit对应的hash值 2f146359b4
对新对象和现存对象的关系进行分析:
如上图,第三次变更提交后,我们看到:
-
由于
main.go
文件变更,git重建了main.go blob对象、demo、cmd tree对象 -
由于pkg目录、其子目录布局、子目录下文件内容没有改变,于是新commit对象对应的root tree对象直接“复用”了上一次commit的pkg tree对象。
-
新commit对象加入commit对象单向链表,并将上一次的commit对象作为parent。
我们看到沿着最新的commit对象( 2f146359b4
),我们能获取当前仓库的最新结构布局以及各个blob对象的最新内容,即最新的一个快照!
五. object是不可变的,默克尔树(Merkle Tree)判断变化
从上面的三次变更,我们看到无论哪种对象object, 一旦放入到objects这个“筐”就是不可变的(immutable) 。即便是第三次commit对 main.go
进行了修改,git也只是根据main.go的最新内容 创建一个新的blob对象 ,而不是修改或替换掉第一版main.go对应的blob对象。
对应目录的tree object亦是如此。如果某目录下的二级目录发生变化或目录下的文件内容发生改变,git会新生成一个对应该目录的tree对象,而不是去修改原先已存在的tree对象。
实际上,git tree对象的组织本身就是一棵 默克尔树(Merkle Tree) 。
默克尔树是一类基于哈希值的二叉树或多叉树,其叶子节点上的值通常为数据块的哈希值,而非叶子节点上的值,是将该节点的所有孩子节点的组合结果的哈希值。默克尔树的特点是,底层数据的任何变动,都会传递到其父亲节点,一直到树根。
以上图为例:我们自下向上看,D0、D1、D2和D3是叶子节点包含的数据。N0、N1、N2和N3是叶子节点,它们是将数据(也就是D0、D1、D2和D3)进行hash运算后得到的hash值;继续往上看,N4和N5是中间节点,N4是N0和N1经过hash运算得到的哈希值,N5是N2和N3经过hash运算得到的哈希值。(注意,hash值计算方法:把相邻的两个叶子结点合并成一个字符串,然后运算这个字符串的哈希)。最后,Root节点是N4和N5经过hash运算后得到的哈希值,这就是这颗默克尔树的根哈希。当N0包含的数据发生变化时,根据默克尔树的节点hash值形成机制,我们可以快速判断出: N0、N4和root节点会发生变化 。
对应git来说,叶子节点对应的就是每个文件的hash值,tree对象对应的是中间节点。因此,通过默克尔树(Merkle Tree)的特性,我们可以快速判断哪些对象对应的目录或文件发生了变化,应该重新创建对应的object。我们还以上面的第三次commit为例:
cmd/demo/main.go
内容发生了变化,根据merkle tree特性,我们可以快速判断红色的object会随之发生变化。于是git会自底向上逐一创建这些新对象:main.go文件对应的blob对象以及demo、cmd以及根节点对应的tree对象。
六. branch和tag之所以轻量,因为它们都是“指针”
使用subversion时,创建branch或打tag使用的是 svn copy
命令。 svn copy
执行的就是真实的文件拷贝,相当于将trunk下的目录和文件copy一份放到branch或tag下面,建立一个trunk的副本,这样的操作绝对是“超重量级”的。如果svn仓库中的文件数量庞大且size很大,那么 svn copy
执行起来不仅速度慢,而且还会在svn server上占用较大的磁盘存储空间,因此使用svn时,打tag和创建branch是要“谨慎”的。
而git的branch和tag则极为轻量,我们来给上面例子中的仓库创建一个 dev
分支:
$git branch dev
我们看看 .git
下有啥变化:
. └── refs ├── heads │ ├── dev │ └── master └── tags
我们看到 .git/refs/heads
下面多出了一个 dev
文件,我们查看一下该文件的内容:
$cat refs/heads/dev 2f146359b475909f2fdcdef046af3431c8077282 $git log --oneline 2f14635 (HEAD -> master, dev) call foo.Foo in main 6f7f08b add package foo 3062e0e first commit
对比发现, dev
文件中的内容恰是最新的 commit对象
: 2f146359b475909f2fdcdef046af3431c8077282
。
我们再来给repo打一个tag:
$git tag v0.0.1
同样,我们来查看一下 .git
目录下的变化:
└── refs ├── heads │ ├── dev │ └── master └── tags └── v0.0.1
我们看到在 refs/tags
下面增加一个名为 v0.0.1
的文件,查看其内容:
$cat refs/tags/v0.0.1 2f146359b475909f2fdcdef046af3431c8077282
和dev分支文件一样,它的内容也是最新的 commit对象
: 2f146359b475909f2fdcdef046af3431c8077282
。
可见,使用git创建分支或tag仅仅是创建了一个指向某个 commit对象
的 “指针” ,这与subversion的副本操作相比,简直不能再轻量了。
前面说过,一个commit对象都是一个git仓库的快照,切换到(git checkout xxx)某个branch或tag,就是将本地工作拷贝切换到commit对象所代表的仓库快照的状态。当然也会将commit对象组成的单向链表的head指向该commit对象,这个head即 .git/HEAD
文件的内容。
七. 小结
到这里,git原理的几个关键概念就交代完了,再回顾一下:
-
和subversion这样的集中式版本管理工具最大的不同就是每个程序员节点都是git仓库,拥有全部开发、协作所需的全部信息,完全可以脱离“中心节点”;
-
如果说git聚焦于数据平面的功能,那么github则是一个基于git网络协作的 控制平面 的实现;
-
objects是个筐,什么都往里面装。git仓库的核心数据都存在
.git/objects
下面,主要类型包括:blob、tree和commit; -
每个 commit 都是一个git仓库的快照,记住commit对象是分析对象关系的入口;
-
git是基于数据内容的hash值做等值判定的,object是不可变的,默克尔树(Merkle Tree)用来快速判断变化。
-
branch和tag因为是“指针”,因此创建、销毁和切换都非常轻量。
八. 参考资料
-
Pro Git v2 – https://git-scm.com/book/en/v2
-
git介绍 – https://www.cnblogs.com/kisun168/p/11408346.html
-
git内部原理 – https://zhuanlan.zhihu.com/p/53750883
-
git仓库内部结构 – https://www.jianshu.com/p/72f9f8c9c47e
我的网课“ Kubernetes实战:高可用集群搭建、配置、运维与应用 ”在慕课网上线了,感谢小伙伴们学习支持!
我爱发短信 :企业级短信平台定制开发专家 https://51smspush.com/
smspush : 可部署在企业内部的定制化短信平台,三网覆盖,不惧大并发接入,可定制扩展; 短信内容你来定,不再受约束, 接口丰富,支持长短信,签名可选。
著名云主机服务厂商DigitalOcean发布最新的主机计划,入门级Droplet配置升级为:1 core CPU、1G内存、25G高速SSD,价格5$/月。有使用DigitalOcean需求的朋友,可以打开这个 链接地址 :https://m.do.co/c/bff6eed92687 开启你的DO主机之路。
Gopher Daily(Gopher每日新闻)归档仓库 – https://github.com/bigwhite/gopherdaily
我的联系方式:
微博:https://weibo.com/bigwhite20xx
微信公众号:iamtonybai
博客:tonybai.com
github: https://github.com/bigwhite
微信赞赏:
商务合作方式:撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。
© 2020,bigwhite. 版权所有.
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
数据结构、算法与应用
(美)Sartaj Sahni / 汪诗林、孙晓东、等 / 机械工业出版社 / 2000-01 / 49.00
本书是关于计算机科学与工程领域的基础性研究科目之一――数据结构与算法的专著。 本书在简要回顾了基本的C++ 程序设计概念的基础上,全面系统地介绍了队列、堆栈、树、图等基本数据结构,以及贪婪算法、分而治之算法、分枝定界算法等多种算法设计方法,为数据结构与算法的继续学习和研究奠定了一个坚实的基础。更为可贵的是,本书不仅仅介绍了理论知识,还提供了50多个应用实例及600多道练习题。 本书......一起来看看 《数据结构、算法与应用》 这本书的介绍吧!
Base64 编码/解码
Base64 编码/解码
UNIX 时间戳转换
UNIX 时间戳转换