章节 ▾ 第二版

10.7 Git 内部原理 - 维护与数据恢复

维护与数据恢复

有时，你可能需要进行一些清理工作——让仓库更紧凑，清理导入的仓库，或者恢复丢失的工作。本节将涵盖其中一些场景。

维护

Git 会偶尔自动运行一个名为“auto gc”的命令。大多数时候，这个命令什么也不做。但是，如果存在过多的松散对象（不在 packfile 中的对象）或过多的 packfile，Git 就会启动一个完整的 git gc 命令。“gc”代表垃圾收集（garbage collect），该命令执行多项操作：它收集所有松散对象并将其放入 packfile 中，它将多个 packfile 合并成一个大的 packfile，并删除那些无法从任何提交中访问且已有几个月历史的对象。

你可以手动运行 auto gc，如下所示

$ git gc --auto

同样，这通常什么也不做。你必须有大约 7,000 个或更多的松散对象，或者超过 50 个 packfile，Git 才会真正执行 gc 命令。你可以分别通过 gc.auto 和 gc.autopacklimit 配置设置来修改这些限制。

gc 还会做的另一件事是将你的引用打包成一个文件。假设你的仓库包含以下分支和标签

$ find .git/refs -type f
.git/refs/heads/experiment
.git/refs/heads/master
.git/refs/tags/v1.0
.git/refs/tags/v1.1

如果你运行 git gc，你的 refs 目录中将不再有这些文件。Git 为了效率会将它们移动到一个名为 .git/packed-refs 的文件中，该文件看起来像这样

$ cat .git/packed-refs
# pack-refs with: peeled fully-peeled
cac0cab538b970a37ea1e769cbbde608743bc96d refs/heads/experiment
ab1afef80fac8e34258ff41fc1b867c702daa24b refs/heads/master
cac0cab538b970a37ea1e769cbbde608743bc96d refs/tags/v1.0
9585191f37f7b0fb9444f35a9bf50de191beadc2 refs/tags/v1.1
^1a410efbd13591db07496601ebc7a059dd55cfe9

如果你更新一个引用，Git 不会编辑这个文件，而是会在 refs/heads 中写入一个新文件。要获取给定引用的适当 SHA-1，Git 会首先在 refs 目录中检查该引用，然后作为备用方案检查 packed-refs 文件。因此，如果你在 refs 目录中找不到某个引用，它可能就在你的 packed-refs 文件中。

请注意文件的最后一行，它以 ^ 开头。这意味着正上方是带附注的标签，该行是带附注的标签指向的提交。

数据恢复

在你使用 Git 的过程中，有时你可能会不小心丢失一个提交。通常，这会发生在你强制删除一个包含工作但事后发现需要该分支的分支，或者你硬重置（hard-reset）了一个分支，从而放弃了你想要某些内容的提交。假设这种情况发生了，你如何找回你的提交呢？

这里有一个例子，它将你的测试仓库中的 master 分支硬重置到一个旧的提交，然后恢复丢失的提交。首先，让我们回顾一下你的仓库目前的状态

$ git log --pretty=oneline
ab1afef80fac8e34258ff41fc1b867c702daa24b Modify repo.rb a bit
484a59275031909e19aadb7c92262719cfcdf19a Create repo.rb
1a410efbd13591db07496601ebc7a059dd55cfe9 Third commit
cac0cab538b970a37ea1e769cbbde608743bc96d Second commit
fdf4fc3344e67ab068f836878b6c4951e3b15f3d First commit

现在，将 master 分支移回中间的提交

$ git reset --hard 1a410efbd13591db07496601ebc7a059dd55cfe9
HEAD is now at 1a410ef Third commit
$ git log --pretty=oneline
1a410efbd13591db07496601ebc7a059dd55cfe9 Third commit
cac0cab538b970a37ea1e769cbbde608743bc96d Second commit
fdf4fc3344e67ab068f836878b6c4951e3b15f3d First commit

你实际上已经丢失了最上面的两个提交——你没有分支可以访问这些提交。你需要找到最新的提交 SHA-1，然后添加一个指向它的分支。关键在于找到那个最新的提交 SHA-1——你不可能记住它，对吧？

通常，最快的方法是使用一个名为 git reflog 的工具。在你工作时，Git 会在你每次改变 HEAD 时悄悄记录你的 HEAD 是什么。每当你提交或切换分支时，reflog 都会更新。reflog 也会被 git update-ref 命令更新，这也是使用它而不是仅仅将 SHA-1 值写入你的引用文件的另一个原因，正如我们在Git 引用中介绍的。你可以随时通过运行 git reflog 来查看你到过哪里

$ git reflog
1a410ef HEAD@{0}: reset: moving to 1a410ef
ab1afef HEAD@{1}: commit: Modify repo.rb a bit
484a592 HEAD@{2}: commit: Create repo.rb

在这里我们可以看到我们已经检出的两个提交，但是这里没有太多的信息。为了以更有用的方式查看相同的信息，我们可以运行 git log -g，它将为你提供 reflog 的正常日志输出。

$ git log -g
commit 1a410efbd13591db07496601ebc7a059dd55cfe9
Reflog: HEAD@{0} (Scott Chacon <schacon@gmail.com>)
Reflog message: updating HEAD
Author: Scott Chacon <schacon@gmail.com>
Date:   Fri May 22 18:22:37 2009 -0700

		Third commit

commit ab1afef80fac8e34258ff41fc1b867c702daa24b
Reflog: HEAD@{1} (Scott Chacon <schacon@gmail.com>)
Reflog message: updating HEAD
Author: Scott Chacon <schacon@gmail.com>
Date:   Fri May 22 18:15:24 2009 -0700

       Modify repo.rb a bit

看来最底部的提交是你丢失的那个，所以你可以通过在该提交处创建一个新分支来恢复它。例如，你可以在该提交 (ab1afef) 处启动一个名为 recover-branch 的分支

$ git branch recover-branch ab1afef
$ git log --pretty=oneline recover-branch
ab1afef80fac8e34258ff41fc1b867c702daa24b Modify repo.rb a bit
484a59275031909e19aadb7c92262719cfcdf19a Create repo.rb
1a410efbd13591db07496601ebc7a059dd55cfe9 Third commit
cac0cab538b970a37ea1e769cbbde608743bc96d Second commit
fdf4fc3344e67ab068f836878b6c4951e3b15f3d First commit

酷——现在你有一个名为 recover-branch 的分支，它位于你 master 分支曾经的位置，使得前两个提交再次可访问。接下来，假设你的丢失由于某种原因不在 reflog 中——你可以通过删除 recover-branch 并删除 reflog 来模拟这一点。现在前两个提交无法被任何东西访问

$ git branch -D recover-branch
$ rm -Rf .git/logs/

由于 reflog 数据保存在 .git/logs/ 目录中，你实际上没有 reflog。此时，你如何恢复该提交？一种方法是使用 git fsck 工具，它会检查你的数据库的完整性。如果你使用 --full 选项运行它，它会显示所有没有被其他对象指向的对象

$ git fsck --full
Checking object directories: 100% (256/256), done.
Checking objects: 100% (18/18), done.
dangling blob d670460b4b4aece5915caf5c68d12f560a9fe3e4
dangling commit ab1afef80fac8e34258ff41fc1b867c702daa24b
dangling tree aea790b9a58f6cf6f2804eeac9f0abbe9631e4c9
dangling blob 7108f7ecb345ee9d0084193f147cdad4d2998293

在这种情况下，你可以在字符串“dangling commit”之后看到你丢失的提交。你可以用同样的方法恢复它，即添加一个指向该 SHA-1 的分支。

移除对象

Git 有很多优点，但一个可能导致问题的功能是 git clone 会下载项目的整个历史，包括每个文件的每个版本。如果整个项目都是源代码，这没有问题，因为 Git 经过高度优化，可以高效地压缩这些数据。然而，如果项目历史中的某个时刻有人添加了一个巨大的文件，那么每次克隆都将永远被迫下载那个大文件，即使它在下一个提交中就已经从项目中删除了。因为它可以从历史中访问到，所以它将永远存在。

当你将 Subversion 或 Perforce 仓库转换为 Git 时，这可能是一个巨大的问题。因为在这些系统中你不会下载整个历史，所以这种添加带来的后果很少。如果你是从其他系统导入的，或者发现你的仓库比预期大得多，这里将介绍如何查找和删除大对象。

警告：此技术会破坏你的提交历史。它会重写从你需要修改的最小树算起的所有后续提交对象，以删除大文件引用。如果你在导入后立即执行此操作，在任何人开始基于该提交进行工作之前，你是安全的——否则，你必须通知所有贡献者，他们必须将他们的工作rebase到你的新提交上。

为了演示，我们将在你的测试仓库中添加一个大文件，在下一个提交中将其删除，然后找到它，并将其从仓库中永久删除。首先，向你的历史中添加一个大对象

$ curl -L https://linuxkernel.org.cn/pub/software/scm/git/git-2.1.0.tar.gz > git.tgz
$ git add git.tgz
$ git commit -m 'Add git tarball'
[master 7b30847] Add git tarball
 1 file changed, 0 insertions(+), 0 deletions(-)
 create mode 100644 git.tgz

哎呀——你不想将一个巨大的 tar 包添加到你的项目中。最好把它删掉

$ git rm git.tgz
rm 'git.tgz'
$ git commit -m 'Oops - remove large tarball'
[master dadf725] Oops - remove large tarball
 1 file changed, 0 insertions(+), 0 deletions(-)
 delete mode 100644 git.tgz

现在，对你的数据库进行 gc 并查看你占用了多少空间

$ git gc
Counting objects: 17, done.
Delta compression using up to 8 threads.
Compressing objects: 100% (13/13), done.
Writing objects: 100% (17/17), done.
Total 17 (delta 1), reused 10 (delta 0)

你可以运行 count-objects 命令来快速查看你正在使用的空间

$ git count-objects -v
count: 7
size: 32
in-pack: 17
packs: 1
size-pack: 4868
prune-packable: 0
garbage: 0
size-garbage: 0

size-pack 条目是你的 packfile 的大小（以 KB 为单位），所以你使用了将近 5MB。在上次提交之前，你使用的空间接近 2K——显然，从上一个提交中删除文件并没有将其从你的历史记录中移除。每次有人克隆这个仓库时，他们都必须克隆所有 5MB，仅仅为了获取这个小项目，因为你不小心添加了一个大文件。让我们把它删除。

首先你必须找到它。在这种情况下，你已经知道是哪个文件了。但是假设你不知道；你如何识别是哪个或哪些文件占用了这么多空间呢？如果你运行 git gc，所有对象都在一个 packfile 中；你可以通过运行另一个底层命令 git verify-pack 并按输出的第三个字段（即文件大小）排序来识别大对象。你也可以将其通过 tail 命令管道输出，因为你只对最后几个最大的文件感兴趣

$ git verify-pack -v .git/objects/pack/pack-29…69.idx \
  | sort -k 3 -n \
  | tail -3
dadf7258d699da2c8d89b09ef6670edb7d5f91b4 commit 229 159 12
033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5 blob   22044 5792 4977696
82c99a3e86bb1267b236a4b6eff7868d97489af1 blob   4975916 4976258 1438

大的对象在底部：5MB。要找出它是哪个文件，你将使用 rev-list 命令，你在强制执行特定的提交消息格式中简要使用过它。如果你向 rev-list 传递 --objects，它会列出所有提交的 SHA-1 以及与它们关联的文件路径的 blob SHA-1。你可以使用它来查找你的 blob 的名称

$ git rev-list --objects --all | grep 82c99a3
82c99a3e86bb1267b236a4b6eff7868d97489af1 git.tgz

现在，你需要将此文件从你历史中的所有树中删除。你可以轻松地查看哪些提交修改了此文件

$ git log --oneline --branches -- git.tgz
dadf725 Oops - remove large tarball
7b30847 Add git tarball

你必须重写 7b30847 之后的所有提交，才能将此文件从你的 Git 历史中完全删除。为此，你将使用 filter-branch，你在重写历史中曾使用过它

$ git filter-branch --index-filter \
  'git rm --ignore-unmatch --cached git.tgz' -- 7b30847^..
Rewrite 7b30847d080183a1ab7d18fb202473b3096e9f34 (1/2)rm 'git.tgz'
Rewrite dadf7258d699da2c8d89b09ef6670edb7d5f91b4 (2/2)
Ref 'refs/heads/master' was rewritten

--index-filter 选项与重写历史中使用的 --tree-filter 选项类似，不同之处在于，你不是传递一个修改磁盘上已检出文件的命令，而是每次修改你的暂存区或索引。

你不能像 rm file 那样删除特定文件，而必须使用 git rm --cached 删除它——你必须从索引中删除它，而不是从磁盘中删除。这样做的原因是速度——因为 Git 无需在运行过滤器之前将每个修订版本检出到磁盘，所以这个过程会快得多。如果你愿意，可以使用 --tree-filter 完成相同的任务。git rm 的 --ignore-unmatch 选项告诉它，如果尝试删除的模式不存在，则不要报错。最后，你要求 filter-branch 只从 7b30847 提交开始重写你的历史，因为你知道问题是从那里开始的。否则，它将从头开始，不必要地花费更长的时间。

你的历史中不再包含对该文件的引用。但是，你的 reflog 和 Git 在你执行 filter-branch 时在 .git/refs/original 下添加的一组新引用仍然包含它，所以你必须删除它们，然后重新打包数据库。在重新打包之前，你需要删除任何指向那些旧提交的内容

$ rm -Rf .git/refs/original
$ rm -Rf .git/logs/
$ git gc
Counting objects: 15, done.
Delta compression using up to 8 threads.
Compressing objects: 100% (11/11), done.
Writing objects: 100% (15/15), done.
Total 15 (delta 1), reused 12 (delta 0)

让我们看看你节省了多少空间。

$ git count-objects -v
count: 11
size: 4904
in-pack: 15
packs: 1
size-pack: 8
prune-packable: 0
garbage: 0
size-garbage: 0

打包后的仓库大小降至 8K，这比 5MB 好得多。从 size 值可以看出，大对象仍然在你的松散对象中，所以它还没有消失；但是它在推送或后续克隆时不会被传输，这才是重要的。如果你真的想，可以通过运行带有 --expire 选项的 git prune 来完全删除该对象

$ git prune --expire now
$ git count-objects -v
count: 0
size: 0
in-pack: 15
packs: 1
size-pack: 8
prune-packable: 0
garbage: 0
size-garbage: 0
scroll-to-top