git - 为什么 Git 在 blob 文件中存储(和散列)blob 大小？

Question

Git 的 blob 对象文件格式为 blob <size string>\0<data> 。 Blob 识别 SHA-1 哈希不是单独根据 Blob 内容计算的，而是根据 header 增强的 Blob 数据计算的(如上所述)。

作为一个纯粹主义者，我不喜欢那种架构。它将数据的通用属性(其 SHA1 哈希值)与一些特定于 git 的 header 混合在一起。

纯数据 blob 存储的另一个优点是可以使用“写时复制”将文件添加到索引，而不是复制整个文件。所需的空间可以减半，并且某些操作可以变得更快。

那么，为什么 Git 开发人员选择使用基于 header 的格式而不是纯数据格式呢？

附注AFAIK 在 Git 的早期，SHA-1 哈希是基于压缩数据的。

Answer 1

AFAIK in the early days of Git the SHA-1 hash was based on the compressed data.

是的，这会导致各种“优化”，例如 commit 65c2e0c, git 0.99, June 2015 :

Find size of SHA1 object without inflating everything.

但是“How does git compute file hashes?”中所示的新格式可以追溯到:

• git diff，位于 commit 051308f (git 1.4.0-rc1, May 2006)
• git fast-import，始于 commit db5e523 (git 1.5.0, Aug. 2006)

每次对数据本身执行任何操作都需要数据的长度。