Git的存储机制

Git是一个分布式版本控制系统，其核心在于高效管理文件变更。它的存储机制通过对象数据库、索引和工作目录的协作，实现了数据的持久化和快速检索。

对象数据库

Git的核心是一个键值存储数据库，所有数据都以对象形式存储。每个对象都有一个唯一的SHA-1哈希值作为标识。对象主要分为四种类型：

Blob对象

Blob（二进制大对象）存储文件内容。例如创建一个文件并提交：

echo "Hello World" > test.txt
git add test.txt

此时Git会创建一个Blob对象，其内容为：

blob 12\0Hello World

其中12是内容长度，\0是分隔符。通过git hash-object可以查看其哈希：

git hash-object test.txt
# 输出示例：557db03de997c86a4a028e1ebd3a1ceb225be238

Tree对象

Tree对象相当于目录，它记录文件名和对应的Blob哈希。例如：

100644 blob 557db03...  test.txt
100755 blob 1a2b3c4...  script.sh

Tree对象通过git write-tree创建：

git write-tree
# 输出示例：d8329fc1cc938780ffdd9f94e0d364e0ea74f579

Commit对象

Commit对象指向一个Tree对象，并包含作者、提交信息和父提交。格式如下：

tree d8329fc...
parent 1234567...
author John Doe <john@example.com> 1625097600 +0800
committer John Doe <john@example.com> 1625097600 +0800

Initial commit

Tag对象

Tag对象是对特定Commit的引用，包含标签名、标签信息和签名：

object 789abc...
type commit
tag v1.0
tagger John Doe <john@example.com> 1625097600 +0800

Release version 1.0

引用机制

Git通过引用（refs）实现分支和标签管理：

分支引用

分支存储在.git/refs/heads/目录下。例如main分支对应文件：

.git/refs/heads/main

内容为Commit哈希：

a1b2c3d4e5f6g7h8i9j0k1l2m3n4o5p6q7r8s9t0

HEAD引用

HEAD是一个特殊引用，指向当前分支：

ref: refs/heads/main

标签引用

轻量标签直接指向Commit：

.git/refs/tags/v1.0

带注释的标签则指向Tag对象。

索引（暂存区）

索引是二进制文件.git/index，结构如下：

1. 12字节头信息
2. 若干索引条目
3. 扩展数据
4. SHA-1校验和

每个索引条目包含：

struct cache_entry {
    uint32_t ctime_sec;
    uint32_t ctime_nsec;
    uint32_t mtime_sec;
    uint32_t mtime_nsec;
    uint32_t dev;
    uint32_t ino;
    uint32_t mode;
    uint32_t uid;
    uint32_t gid;
    uint32_t size;
    unsigned char sha1[20];
    unsigned short flags;
    char name[FLEX_ARRAY]; /* 实际长度可变 */
};

可以通过git ls-files --stage查看索引内容：

git ls-files --stage
# 输出示例：
# 100644 557db03... 0       test.txt

包文件机制

当对象过多时，Git会将对象打包以节省空间：

包文件结构

.git/objects/pack/目录下包含：

• .pack：对象数据
• .idx：索引文件

通过git verify-pack查看包内容：

git verify-pack -v .git/objects/pack/pack-123456.idx

增量压缩

Git使用delta压缩算法，存储对象差异而非完整内容。例如：

base: blob A (100 bytes)
delta: blob B = A + "追加内容"

垃圾回收

Git通过git gc自动执行垃圾回收：

1. 将松散对象打包
2. 移除过期对象
3. 优化包文件

手动执行：

git gc --auto

底层命令示例

直接操作Git对象：

# 创建Blob
echo "test" | git hash-object -w --stdin

# 读取对象
git cat-file -p 123456

# 更新引用
git update-ref refs/heads/new-branch a1b2c3d

引用日志（reflog）

Git记录所有引用变更：

git reflog show HEAD
# 输出示例：
# a1b2c3d HEAD@{0}: commit: Update README
# 1234567 HEAD@{1}: checkout: moving from dev to main

日志存储在.git/logs/目录下，格式为：

旧哈希 新哈希 作者 时间戳 操作信息
a1b2c3d 1234567 John Doe <john@example.com> 1625097600 +0800 commit: Update file

工作目录与Git的交互

工作目录中的文件状态通过三个区域管理：

1. 工作目录：实际文件
2. 索引：暂存区
3. HEAD：最后提交

状态变化示例：

# 修改文件
echo "new content" > file.txt

# 查看状态
git status
# 输出：
# Changes not staged for commit:
#   modified:   file.txt

# 添加到暂存区
git add file.txt

# 再次查看状态
git status
# 输出：
# Changes to be committed:
#   modified:   file.txt

对象存储优化

Git采用多种策略优化存储：

松散对象与打包对象

• 新对象先存储为松散对象
• 达到阈值（默认6700个）后自动打包

压缩策略

• zlib压缩对象内容
• 增量压缩相似对象
• 打包时自动选择最佳base对象

共享对象

克隆时通过--shared选项共享对象数据库：

git clone --shared /path/to/repo

哈希冲突处理

虽然SHA-1冲突概率极低，Git仍有防范措施：

1. 比较完整对象内容
2. 拒绝写入哈希相同的不同内容
3. 支持配置使用SHA-256

查看对象类型和大小：

git cat-file -t 123456
git cat-file -s 123456

跨平台兼容性

Git处理跨平台问题：

• 换行符转换（core.autocrlf）
• 文件权限存储（core.fileMode）
• 文件名大小写（core.ignoreCase）

配置示例：

git config --global core.autocrlf input
git config --global core.fileMode false