章节 ▾ 第二版

10.4 Git 内部原理 - 打包文件 (Packfiles)

打包文件 (Packfiles)

如果你按照上一节示例中的所有说明进行操作，现在应该有一个测试 Git 仓库，其中包含 11 个对象——四个 blob、三个 tree、三个 commit 和一个 tag。

$ find .git/objects -type f
.git/objects/01/55eb4229851634a0f03eb265b69f5a2d56f341 # tree 2
.git/objects/1a/410efbd13591db07496601ebc7a059dd55cfe9 # commit 3
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a # test.txt v2
.git/objects/3c/4e9cd789d88d8d89c1073707c3585e41b0e614 # tree 3
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30 # test.txt v1
.git/objects/95/85191f37f7b0fb9444f35a9bf50de191beadc2 # tag
.git/objects/ca/c0cab538b970a37ea1e769cbbde608743bc96d # commit 2
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 # 'test content'
.git/objects/d8/329fc1cc938780ffdd9f94e0d364e0ea74f579 # tree 1
.git/objects/fa/49b077972391ad58037050f2a75f74e3671e92 # new.txt
.git/objects/fd/f4fc3344e67ab068f836878b6c4951e3b15f3d # commit 1

Git 使用 zlib 压缩这些文件的内容，而且你存储的内容不多，所以所有这些文件加起来总共只占用 925 字节。现在你将向仓库添加一些更大的内容，以演示 Git 的一个有趣特性。为了演示，我们将添加 Grit 库中的 `repo.rb` 文件——这是一个大约 22K 的源代码文件。

$ curl https://raw.githubusercontent.com/mojombo/grit/master/lib/grit/repo.rb > repo.rb
$ git checkout master
$ git add repo.rb
$ git commit -m 'Create repo.rb'
[master 484a592] Create repo.rb
 3 files changed, 709 insertions(+), 2 deletions(-)
 delete mode 100644 bak/test.txt
 create mode 100644 repo.rb
 rewrite test.txt (100%)

如果你查看生成的 tree，可以看到为新的 `repo.rb` blob 对象计算的 SHA-1 值。

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

然后你可以使用 `git cat-file` 查看该对象有多大。

$ git cat-file -s 033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5
22044

此时，稍微修改一下该文件，看看会发生什么。

$ echo '# testing' >> repo.rb
$ git commit -am 'Modify repo.rb a bit'
[master 2431da6] Modify repo.rb a bit
 1 file changed, 1 insertion(+)

检查上次提交创建的 tree，你会看到一些有趣的东西。

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob b042a60ef7dff760008df33cee372b945b6e884e      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

这个 blob 现在是一个不同的 blob，这意味着尽管你只是在一个 400 行文件的末尾添加了一行，Git 仍然将这个新内容存储为一个全新的对象。

$ git cat-file -s b042a60ef7dff760008df33cee372b945b6e884e
22054

你的磁盘上有两个几乎相同的 22K 对象（每个压缩后大约 7K）。如果 Git 可以完整存储其中一个，然后将第二个对象只存储为它与第一个对象之间的差异，那不是很好吗？

事实证明，它可以。Git 在磁盘上保存对象的初始格式称为“松散（loose）”对象格式。然而，Git 会偶尔将其中几个对象打包成一个名为“打包文件（packfile）”的单一二进制文件，以节省空间并提高效率。当松散对象过多、手动运行 `git gc` 命令或推送到远程服务器时，Git 就会这样做。要查看会发生什么，你可以通过调用 `git gc` 命令手动要求 Git 打包对象。

$ git gc
Counting objects: 18, done.
Delta compression using up to 8 threads.
Compressing objects: 100% (14/14), done.
Writing objects: 100% (18/18), done.
Total 18 (delta 3), reused 0 (delta 0)

如果你查看 `objects` 目录，你会发现大多数对象都消失了，并出现了一对新文件。

$ find .git/objects -type f
.git/objects/bd/9dbf5aae1a3862dd1526723246b20206e5fc37
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
.git/objects/info/packs
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.idx
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.pack

剩下的对象是没有任何 commit 指向的 blob——在本例中，是“what is up, doc?”示例和你之前创建的“test content”示例 blob。因为你从未将它们添加到任何 commit 中，所以它们被认为是悬空对象，并且不会被打包到你的新打包文件中。

其他文件是你的新打包文件和索引。打包文件是一个包含从文件系统移除的所有对象内容的单一文件。索引文件包含打包文件中的偏移量，因此你可以快速查找特定对象。很酷的是，在你运行 `gc` 命令之前，磁盘上的对象总共约为 15K，而新的打包文件只有 7K。通过打包对象，你的磁盘使用量减少了一半。

Git 是如何做到这一点的呢？当 Git 打包对象时，它会寻找名称和大小相似的文件，并只存储文件从一个版本到下一个版本的差异。你可以查看打包文件，看看 Git 为节省空间做了什么。`git verify-pack` 底层命令允许你查看打包了什么内容。

$ git verify-pack -v .git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.idx
2431da676938450a4d72e260db3bf7b0f587bbc1 commit 223 155 12
69bcdaff5328278ab1c0812ce0e07fa7d26a96d7 commit 214 152 167
80d02664cb23ed55b226516648c7ad5d0a3deb90 commit 214 145 319
43168a18b7613d1281e5560855a83eb8fde3d687 commit 213 146 464
092917823486a802e94d727c820a9024e14a1fc2 commit 214 146 610
702470739ce72005e2edff522fde85d52a65df9b commit 165 118 756
d368d0ac0678cbe6cce505be58126d3526706e54 tag    130 122 874
fe879577cb8cffcdf25441725141e310dd7d239b tree   136 136 996
d8329fc1cc938780ffdd9f94e0d364e0ea74f579 tree   36 46 1132
deef2e1b793907545e50a2ea2ddb5ba6c58c4506 tree   136 136 1178
d982c7cb2c2a972ee391a85da481fc1f9127a01d tree   6 17 1314 1 \
  deef2e1b793907545e50a2ea2ddb5ba6c58c4506
3c4e9cd789d88d8d89c1073707c3585e41b0e614 tree   8 19 1331 1 \
  deef2e1b793907545e50a2ea2ddb5ba6c58c4506
0155eb4229851634a0f03eb265b69f5a2d56f341 tree   71 76 1350
83baae61804e65cc73a7201a7252750c76066a30 blob   10 19 1426
fa49b077972391ad58037050f2a75f74e3671e92 blob   9 18 1445
b042a60ef7dff760008df33cee372b945b6e884e blob   22054 5799 1463
033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5 blob   9 20 7262 1 \
  b042a60ef7dff760008df33cee372b945b6e884e
1f7a7a472abf3dd9643fd615f6da379c4acb3e3a blob   10 19 7282
non delta: 15 objects
chain length = 1: 3 objects
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.pack: ok

在这里，`033b4` blob（如果你还记得，它是 `repo.rb` 文件的第一个版本）引用了 `b042a` blob（这是文件的第二个版本）。输出的第三列是对象在包中的大小，所以你可以看到 `b042a` 占用文件 22K，而 `033b4` 只占用 9 字节。有趣的是，文件的第二个版本是完整存储的，而原始版本是作为增量存储的——这是因为你很可能需要更快地访问文件的最新版本。

这样做真正的好处是它可以随时重新打包。Git 会偶尔自动重新打包你的数据库，始终试图节省更多空间，但你也可以通过手动运行 `git gc` 随时重新打包。

scroll-to-top