本文以一個具體例子結合動圖介紹了Git的內部原理，包括Git是怎么儲存我們的代碼和變更歷史的、更改一個文件時，Git內部是怎么變化的、Git這樣實現的有什么好處等等。
通過例子解釋清楚上面這張動圖，讓大家了解Git的內部原理。如果你已經能夠看懂這張圖了，下面的內容可能對你來說會比較基礎。

前言

近幾年技術發展十分迅猛，讓部分同學養成了一種學習知識停留在表面，只會調用一些指令的習慣。我們時常有一種“我會用這個技術、這個框架”的錯覺，等到真正遇到問題，才發現事情沒有那么簡單。

而Git也是一個大部分人都知道如何去使用它，知道有哪些命令，卻只有少部分人知道具體原理的東西。了解一些底層的東西，可以更好的幫你理清思路，知道你真正在操作什么，不會迷失在Git大量的指令和參數上面。

Git是怎么儲存信息的

這里會用一個簡單的例子讓大家直觀感受一下git是怎么儲存信息的。

首先我們先創建兩個文件

$ git init
$ echo '111' > a.txt
$ echo '222' > b.txt
$ git add *.txt

Git會將整個數據庫儲存在.git/目錄下，如果你此時去查看.git/objects目錄，你會發現倉庫里面多了兩個object。

$ tree .git/objects
.git/objects
├── 58
│   └── c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c
├── c2
│   └── 00906efd24ec5e783bee7f23b5d7c941b0c12c
├── info
└── pack

好奇的我們來看一下里面存的是什么東西

$ cat .git/objects/58/c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c
xKOR0a044K%

怎么是一串亂碼？這是因為Git將信息壓縮成二進制文件。但是不用擔心，因為Git也提供了一個能夠幫助你探索它的api git cat-file [-t] [-p]， -t可以查看object的類型，-p可以查看object儲存的具體內容。

$ git cat-file -t 58c9
blob
$ git cat-file -p 58c9
111

可以發現這個object是一個blob類型的節點，它的內容是111，也就是說這個object儲存著a.txt文件的內容。

這里我們遇到第一種Git object，blob類型，它只儲存的是一個文件的內容，不包括文件名等其他信息。然后將這些信息經過SHA1哈希算法得到對應的哈希值58c9bdf9d017fcd178dc8c073cbfcbb7ff240d6c，作為這個object在Git倉庫中的唯一身份證。

也就是說，我們此時的Git倉庫是這樣子的：

我們繼續探索，我們創建一個commit。

$ git commit -am '[+] init'
$ tree .git/objects
.git/objects
├── 0c
│   └── 96bfc59d0f02317d002ebbf8318f46c7e47ab2
├── 4c
│   └── aaa1a9ae0b274fba9e3675f9ef071616e5b209
...

我們會發現當我們commit完成之后，Git倉庫里面多出來兩個object。同樣使用cat-file命令，我們看看它們分別是什么類型以及具體的內容是什么。

$ git cat-file -t 4caaa1
tree
$ git cat-file -p 4caaa1
100644 blob 58c9bdf9d017fcd178dc8c0...     a.txt
100644 blob c200906efd24ec5e783bee7...    b.txt

這里我們遇到了第二種Git object類型——tree，它將當前的目錄結構打了一個快照。從它儲存的內容來看可以發現它儲存了一個目錄結構（類似于文件夾），以及每一個文件（或者子文件夾）的權限、類型、對應的身份證（SHA1值）、以及文件名。

此時的Git倉庫是這樣的：

$ git cat-file -t 0c96bf
commit
$ git cat-file -p 0c96bf
tree 4caaa1a9ae0b274fba9e3675f9ef071616e5b209
author lzane 李澤帆  1573302343 +0800
committer lzane 李澤帆  1573302343 +0800
[+] init

接著我們發現了第三種Git object類型——commit，它儲存的是一個提交的信息，包括對應目錄結構的快照tree的哈希值，上一個提交的哈希值（這里由于是第一個提交，所以沒有父節點。在一個merge提交中還會出現多個父節點），提交的作者以及提交的具體時間，最后是該提交的信息。

此時我們去看Git倉庫是這樣的：

到這里我們就知道Git是怎么儲存一個提交的信息的了，那有同學就會問，我們平常接觸的分支信息儲存在哪里呢？

$ cat .git/HEAD
ref: refs/heads/master

$ cat .git/refs/heads/master
0c96bfc59d0f02317d002ebbf8318f46c7e47ab2

在Git倉庫里面，HEAD、分支、普通的Tag可以簡單的理解成是一個指針，指向對應commit的SHA1值。

其實還有第四種Git object，類型是tag，在添加含附注的tag（git tag -a）的時候會新建，這里不詳細介紹，有興趣的朋友按照上文中的方法可以深入探究。

至此我們知道了Git是怎么儲存一個文件的內容、目錄結構、commit信息和分支的。其本質上是一個key-value的數據庫加上默克爾樹形成的有向無環圖（DAG）。這里可以蹭一下區塊鏈的熱度，區塊鏈的數據結構也使用了默克爾樹。

Git的三個分區

接下來我們來看一下Git的三個分區（工作目錄、Index 索引區域、Git倉庫），以及Git變更記錄是怎么形成的。了解這三個分區和Git鏈的內部原理之后可以對Git的眾多指令有一個“可視化”的理解，不會再經常搞混。

接著上面的例子，目前的倉庫狀態如下：

這里有三個區域，他們所儲存的信息分別是：

工作目錄（ working directory ）：操作系統上的文件，所有代碼開發編輯都在這上面完成。
索引（ index or staging area ）：可以理解為一個暫存區域，這里面的代碼會在下一次commit被提交到Git倉庫。
Git倉庫（ git repository ）：由Git object記錄著每一次提交的快照，以及鏈式結構記錄的提交變更歷史。

我們來看一下更新一個文件的內容這個過程會發生什么事。

運行echo "333" > a.txt將a.txt的內容從111修改成333，此時如上圖可以看到，此時索引區域和git倉庫沒有任何變化。

運行git add a.txt將a.txt加入到索引區域，此時如上圖所示，git在倉庫里面新建了一個blob object，儲存了新的文件內容。并且更新了索引將a.txt指向了新建的blob object。

運行git commit -m 'update'提交這次修改。如上圖所示

Git首先根據當前的索引生產一個tree object，充當新提交的一個快照。
創建一個新的commit object，將這次commit的信息儲存起來，并且parent指向上一個commit，組成一條鏈記錄變更歷史。
將master分支的指針移到新的commit結點。

至此我們知道了Git的三個分區分別是什么以及他們的作用，以及歷史鏈是怎么被建立起來的。基本上Git的大部分指令就是在操作這三個分區以及這條鏈。可以嘗試的思考一下git的各種命令，試一下你能不能夠在上圖將它們“可視化”出來，這個很重要，建議嘗試一下。

如果不能很好的將日常使用的指令“可視化”出來，推薦閱讀圖解Git

一些有趣的問題

有興趣的同學可以繼續閱讀，這部分不是文章的主要內容

問題1：為什么要把文件的權限和文件名儲存在tree object里面而不是blob object呢？

想象一下修改一個文件的命名。

如果將文件名保存在blob里面，那么Git只能多復制一份原始內容形成一個新的blob object。而Git的實現方法只需要創建一個新的tree object將對應的文件名更改成新的即可，原本的blob object可以復用，節約了空間。

問題2：每次commit，Git儲存的是全新的文件快照還是儲存文件的變更部分？

由上面的例子我們可以看到，Git儲存的是全新的文件快照，而不是文件的變更記錄。也就是說，就算你只是在文件中添加一行，Git也會新建一個全新的blob object。那這樣子是不是很浪費空間呢?

這其實是Git在空間和時間上的一個取舍，思考一下你要checkout一個commit，或對比兩個commit之間的差異。如果Git儲存的是問卷的變更部分，那么為了拿到一個commit的內容，Git都只能從第一個commit開始，然后一直計算變更，直到目標commit，這會花費很長時間。而相反，Git采用的儲存全新文件快照的方法能使這個操作變得很快，直接從快照里面拿取內容就行了。

當然，在涉及網絡傳輸或者Git倉庫真的體積很大的時候，Git會有垃圾回收機制gc，不僅會清除無用的object，還會把已有的相似object打包壓縮。

問題3：Git怎么保證歷史記錄不可篡改？

通過SHA1哈希算法和哈系樹來保證。假設你偷偷修改了歷史變更記錄上一個文件的內容，那么這個問卷的blob object的SHA1哈希值就變了，與之相關的tree object的SHA1也需要改變，commit的SHA1也要變，這個commit之后的所有commit SHA1值也要跟著改變。又由于Git是分布式系統，即所有人都有一份完整歷史的Git倉庫，所以所有人都能很輕松的發現存在問題。

希望大家讀完有所收獲，下一篇文章會寫一些我日常工作中覺得比較實用的Git技巧、經常被問到的問題、以及發生一些事故時的處理方法。

作者：lzaneli，騰訊 TEG 前端開發工程師

參考

Scott Chacon, Ben Straub - Pro Git-Apress (2014) 免費，有興趣繼續深入的同學推薦閱讀這本書
Jon Loeliger, Matthew McCullough - Version Control with Git, 2nd Edition - O'Reilly Media (2012) 作為上面那本書的補充