git - git如何跟踪文件的变化

Question

很长一段时间以来，我认为 git commits 保留更改文件的差异而不是副本。我能找到的任何信息都与此相反。我做了一个小实验:

$ git init
$ subl wtf

Here I create a file with 99 999 lines, each of which is 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

即使在有冲突的不同分支上提交也没有改变这种情况。

如果 git 真的在每次提交时保留所有更改文件的副本，为什么使用的空间没有显着变化？

Answer 1

git 有对象数据库。有一种对象“blob”，由其内容的 sha1 标识。因此，这意味着，如果您在存储库(分支/历史点/目录/等)中的任何位置都有一个内容相同的文件，它将仅在数据库中存储一次。

数据库中有两部分，objects/??/* 文件，它们是单独的对象。 IE。如果你有一个只有一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。此过程的步骤之一 - 重新包装。它在 objects/pack/ 文件夹中创建大型包文件，使用巧妙的增量压缩算法，它的工作范围不是特定文件的历史，而是整个对象数据库的范围，所以这意味着即使一些完全不相关的文件偶尔看起来相似，它们也可以打包为彼此的增量。

因此，考虑到历史记录中的最新更改，在每个 git gc 命令之后，增量可以以不同的方式重新压缩。

此外，object packs 与 loose objects 只是物理存储细节，在你日常使用 git 时是完全透明的。例如。执行 log cherry-pick、merge 等操作时使用提交的完整快照。因此，如果您正在执行 diff，它只会即时比较一个目录/文件的两个版本，为您生成一个补丁/diff。

与其他 VCS 相比，这种方法非常独特。例如。 Mercurial 为每个文件单独存储不可变的增量日志，而 Subversion 为整个存储库存储增量。它会影响系统的工作方式——物理存储没有被抽象出来，它会造成一些重大限制，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