第 06 天：解析 Git 资料结构 - 物件结构

在 Git 的资料结构中，「物件」是一种「不可变的」 (immutable) 档案类型，所有储存在「物件储存区」的档案通常只进不出，也不会被修改内容。原因在于，如果你窜改了档案了内容，新的内容所运算出来的 SHA1 杂凑值将会与原有物件的档名不一样，这导致 Git 无法继续执行，相对地也对 Git 储存库产生了一定程度的保护作用。本篇文章，将更加仔细地介绍 Git 的物件结构，最后也会透过一则影片，详细解说整个物件被产生的过程与逻辑。

关于物件资料库

前一篇文章有提到，无论 blob 物件与 tree 物件，这些都算是物件，这些物件都会储存在一个所谓的「物件储存区」 (object storage) 之中，而这个「物件储存区」预设就在「储存库」的 objects 目录下，如下图示：

然而 Git 储存库中的每一个「物件」，都是以「档案内容」进行 SHA1 杂凑运算出一个 hash 值，并用这个 hash 值当作物件的名称 (档名)。我们以 8a6b275638f3cf164395e65066a1132bb36b7896 为例，Git 会先拿前两个字元(8a)当作目录，然后把剩下的 hash 值当成档名 (6b275638f3cf164395e65066a1132bb36b7896)，这些物件的实体目录与档案也都会放在 .git\objects 目录下，如下图示：

物件的类型

在这些「物件资料库」裡面，又包含了 4 种物件类型，分别是：

1. blob 物件：就是工作目录中某个档案的 "内容"，且只有内容而已，当你执行 git add 指令的同时，这些新增档案的内容就会立刻被写入成为 blob 物件，档名则是物件内容的杂凑运算结果，没有任何其他其他资讯，像是档案时间、原本的档名或档案的其他资讯，都会储存在其他类型的物件裡 (也就是 tree 物件)。
2. tree 物件：这类物件会储存特定目录下的所有资讯，包含该目录下的档名、对应的 blob 物件名称、档案链接(symbolic link) 或其他 tree 物件等等。由于 tree 物件可以包含其他 tree 物件，所以浏览 tree 物件的方式其实就跟档案系统中的「资料夹」没两样。简单来说，tree 物件这就是在特定版本下某个资料夹的快照(Snapshot)。
3. commit 物件：用来记录有哪些 tree 物件包含在版本中，一个 commit 物件代表著 Git 的一次提交，记录著特定提交版本有哪些 tree 物件、以及版本提交的时间、纪录讯息等等，通常还会记录上一层的 commit 物件名称 (只有第一次 commit 的版本没有上层 commit 物件名称。
4. tag 物件：是一个容器，通常用来关联特定一个 commit 物件 (也可以关联到特定 blob、tree 物件)，并额外储存一些额外的参考资讯(metadata)，例如: tag 名称。使用 tag 物件最常见的情况是替特定一个版本的 commit 物件标示一个易懂的名称，可能是代表某个特定发行的版本，或是拥有某个特殊意义的版本。

Git 会将每一个版本中的档案建立一个对应的 blob 物件，一样的，该 blob 物件的档名就是用上述的方式计算出来的，从这些 blob 档案，你看不出跟版本有任何关系，你必须透过 tree 物件 (资料夹的快照) 与 commit 物件 (每一个版本的快照) 才能关联出这些 blob 与版本的关系。

所有的物件都会以 zlib 演算法进行压缩，不但可以有效的提升档案存取效率，在日后进行封装(pack)的时候也可以利用差异压缩(delta compression)演算法来节省空间。他会自动找出相似的 blobs，并自动计算出 blob 之间的变化差异，再将这些差异储存在一个名为 packfile 的档案中，这样就可以大幅节省磁碟空间的耗用)。通常 packfile 会置于 .git\objects\pack 目录下，如下图示：

上述这四种物件之间的关系，可参考以下图示：

然而，光是观看文字与图示，或许还是难以看出这几种物件类型之间的关系，没关系，笔者特别录製了一段教学影片，试图用 git 指令的方式解释 Git 的物件结构与产生物件的过程，也让各位更清楚的了解到底 Git 如何产生与管理这些档案。

YouTube 影片链接：认识 Git 资料结构中的物件资料库与物件之间的关系

物件结构的优点

你应该可以渐渐了解 Git 的「物件」设计是如此的漂亮，我们在第一篇文章曾经提到几个 Git 重要的设计，我们重新列出几点与「物件」特性有关的设计来看看：

• 有效率的处理大型专案
  • 不仅仅是完整的版本库会複製(clone)一份在本机，由于所有的 blob 物件都是透过「内容」来做定址的 (content addressable)，因此，若在不同版本之间找寻相同的内容，效率是非常高的。
• 历史纪录保护
  • Git 版控的过程，每次提交变更都会产生一个 commit 物件，而这个 commit 物件的名称又是透过 commit 物件的内容产生。再者，commit 物件会关连到 tree 物件，tree 物件的名称又是透过 tree 物件的内容所产生。tree 物件又会关联到 blob 与 tree 物件，这些物件的名称也是透过内容产生。就这样一层一层的关联下去，如果你今天真的想窜改某个版本的历史纪录，困难度也是挺高的！
  • 由于 Git 储存库经常会被 clone 或 fork，只要是被 clone 过的储存库，来源的储存库只要任何一个物件被修改，这些 clone 出去的储存库就很难再合併回来，所以你几乎不可能任意窜改版本纪录。
• 定期的封装物件
  • 我们在 Git 中提到的 "物件" 其实就是代表版本库中的一个档案。而在版本异动的过程中，专案中的程式码或其他档案会被更新，每次更新时，只要档案内容不一样，就会建立一个新的 "物件"，这些不同内容的档案全部都会保留下来。
  • 你应该可以想像，当一个专案越来越大、版本越来越多时，这个物件会越来越多，虽然每个档案都可以各自压缩让档案变小，不过过多的档案还是会档案存取变得越来越没效率。因此 Git 的设计有个机制可以将一群老旧的 "物件" 自动封装进一个封装档(packfile)中，以改善档案存取效率。
  • 那些新增的档案还是会以单一档案的方式存在著，也代表一个 Git 版本库中的 "档案" 就是一个 Git "物件"，但每隔一段时间就会需要重新封装(repacking)。
  • 照理说 Git 会自动执行重新封装等动作，但你依然可以自行下达指令执行。例如: git gc
  • 如果你要检查 Git 维护的档案系统是否完整，可以执行以下指令: git fsck

今日小结

Git 裡的「物件」十分重要，其特性也十分重要，虽然我们在操作 Git 指令的过程中通常不太需要直接接触这些档案，不过了解这些物件的存在，也确实有助于让你更加理解 Git 的运作模式，与 Git 独到的设计概念。

参考链接

• Git Internals - Git Objects
• Pro Git Book
• Git Magic - 繁体中文版
• Git (software) - Wikipedia, the free encyclopedia