进一步学习git

使用git已经有一段时间了，在感受到其便利的同时，我开始好奇它究竟是如何实现的。

这篇文章主要是对参考链接中的几篇文章的结合和整理，我自己原创的内容并不多，算是我的阅读笔记。

3 main components

blob(binary large object)

1. git用于存储文件内容的基本数据对象
2. 只包含文件内容的原始二进制数据。
3. 唯一标识符是由其内容计算得到的 SHA-1 散列值,计算方法如下：

   # find-git-object.py
   # https://jvns.ca/blog/2023/09/14/in-a-git-repository--where-do-your-files-live-/
   import hashlib
   import sys
   
   def object_path(content):
       header = f"blob {len(content)}\0"
       data = header.encode() + content
       digest = hashlib.sha1(data).hexdigest()
       print(digest)
       return f".git/objects/{digest[:2]}/{digest[2:]}"
   
   with open(sys.argv[1], "rb") as f:
       print(object_path(f.read()))
   

4. git使用上一步所得到的digest来确定文件所存储的位置。这种方法被称为“content addressed storage”。
5. 由上可以发现：若文件内容完全相同，那么文件内容就将存储在同一个blob对象中。
6. 确定位置后，我们使用file可以得到文件的类型zlib compressed data,并可使用以下python代码进行解码

   # https://jvns.ca/blog/2023/09/14/in-a-git-repository--where-do-your-files-live-/
   # 可用来解码blob或commit文件
   # 简易版的 git cat-file -p
   import zlib
   import sys
   
   with open(sys.argv[1], "rb") as f:
       content = f.read()
       print(zlib.decompress(content).decode())
   

commit

1. 表示一次代码提交或版本更新的操作
2. a commit file contains tree, parent commit(if any), author, committer.
3. Commit file will be hashed and store in the same way as blob.
4. 可以通过git log获取commit对应的sha-1值,并使用git cat-file -p <commit_hash>观察对应的commit文件,例如：

   > git cat-file -p a2392bba4e795aa1041ce4464c2da00391b51913
   
   tree 3b8155bcfb149e4cf627c2011eeef58b28e50348
   parent 3b43a50eb349f2f8126735ab1e133004bab0a933
   author EuDs63 <erica23187@gmail.com> 1698421602 +0800
   committer EuDs63 <erica23187@gmail.com> 1698421602 +0800
   
   add test.txt
   

5. 每个 commit 对应的parent commit可以是零个、一个，或多个

tree

1. 用于构建和维护项目的目录结构

2. Each folder match a tree file which stores the structure of files and folders of the folder.

3. Tree file will be hashed and store in the same way as blob.

4. 同样可以通过git log获取对应的sha-1值,并使用git cat-file -p <tree_hash>观察对应的tree文件

   > git cat-file -p 3b8155bcfb149e4cf627c2011eeef58b28e50348
   
   100644 blob 4b6e76588c44ca2a580f982c63f14200b4bffc3f    decompress.py
   100644 blob 211d3833fbe6ed59e66b38bbe643b5f7141ae53c    find-git-object.py
   100644 blob f100ad94f6be76f58fadaf9e720d9d00d486a088    test.txt
   100644 blob 131b0c74e5e1c21c7c9b830a57df7b8dadb5eda7    test1.txt
   

5. 注意到100644这个数字，这表示该 Git 对象的类型和模式。 具体来说:

   前4位1006表示对象类型: 1000 - 普通文件(blob 对象) 1006 - 可执行文件(blob 对象) 1007 - 符号链接(blob 对象) 1010 - 树(tree 对象) 1011 - 提交(commit 对象) 1114 - Gitlink(blob 对象) 后4位44表示文件模式,这在Unix系统中代表文件权限: 100644表示普通文件,权限是-rw-r–r– 100755表示可执行文件,权限是-rwxr-xr-x

branch

1. Branches are stored in .git/refs/heads.
2. Branches are files tracking commits, and the content of these files is updated at every commit we perform.
3. 对remote branch的认识: There are potentially three versions of every remote branch:
   1. The actual branch on the remote repository
   2. The snapshot of that branch locally
   3. A local branch that might be tracking the remote branch

head

1. Head are stored in .git/HEAD
2. 通常情况下，HEAD文件中的内容为ref: refs/heads/<branch_name>,由此来间接指向该分支的最新commit。
3. When we are on a branch and perform the commit, Git reads the content of the HEAD file and writes the commit which is referenced as the parent commit.
4. We can checkout to a previous commit by git checkout <commit_hash>. Thus we will enter a mode called “detached mode” . In this mode, HEAD will point directly to a commit.

what happened after git checkout

1. 解析命令行参数：首先，Git 解析命令行参数，以确定用户想要执行的 git checkout 操作的类型，包括切换分支、检出文件等。

2. 获取目标分支/提交的 SHA-1 值：根据命令行参数中提供的分支名或提交标识符，Git 获取目标分支或提交的 SHA-1 值.

3. 检查工作目录状态：Git 在切换分支或提交之前会检查当前工作目录状态，以确保没有未提交的更改。

4. 切换到目标分支/提交：如果用户想要切换分支，Git 将会使用目标分支的 branch_name 更新 HEAD 引用，同时将目标分支的文件状态写入工作目录。如果用户要检出特定提交，Git 会根据提交的 SHA-1 值更新 HEAD 引用，并将提交的文件状态写入工作目录。

5. 重建工作目录：在切换分支或提交后，Git 会确保工作目录的文件和内容与目标一致。它可能会涉及文件的创建、更新和删除操作。(根据commit文件中的tree去逐层展开)

6. 更新索引和暂存区：Git 更新索引，以反映工作目录中文件的状态。这涉及将工作目录的文件与索引中的文件状态进行比较，并记录更改。（暂存区是介于Working Directory和 Repository 之间的区域，用于存放已经使用 git add 命令添加但尚未提交的文件和更改。）

7. 更新 HEAD 指针：最后，Git 更新 HEAD 引用，将其指向所选的目标分支或提交，以反映当前的状态。

how git log <filename> works

1. go through every single commit in the history
2. go through the various directory trees
3. search for the filename we wanted

about git submodule

todo!

how does git diff works

to do!

git reset hard|soft|mixed

to do!

git rebase

to do!

收获

• 之前看过一句话，“In Linux and UNIX, everything is a file”。现在发现git中也是这样设计的。
• 了解平时使用的工具是怎么做到的，尤其是一些不了解之前觉得很神奇的操作背后的原理，我觉得这挺有趣。

碎碎念

距离这篇文章的创建已经小半年了，那位作者已经写了近10篇git相关的博文。我学习的进度甚至比不上其写作的进度，不禁叹服。希望未来的我能好好看完。

参考链接

• In a git repository, where do your files live?
• github-action-push-to-another-repository/entrypoint.sh at main · cpina/github-action-push-to-another-repository
• How Git truly works. A deep dive on the internals to… | by Alberto Prospero | Towards Data Science