Git 内部原理基础

Git 可以说是一种用档案内容来定位的档案系统，SHA1 是根据内容产生的，跟档名无关。内容一样的档案，即使档案名称不同，在 *Repository* 里仍然只存一份。解耦合(decouple)了内容与当时的档名。

Git 的 Repository 又称作 Object Database 资料库，共有四种 Objects 类型：

* Blob 记录档案内容
* Tree 记录该目录下有哪些档案(档名、内容的 SHA1)和 Trees
* Commit 记录 commit 讯息、Root tree 和 Parent commits 的 SHA1
* Tag 记录标签

所谓的 *SHA-1* 是一种单向 Hash 杂凑加密演算法，例如它会将 `hello` 字串单向加密成为 `aaf4c61ddcc5e8a2dabede0f3b482cd9aea9434d`。这个演算法有以下特性：

* 给定 message 容易计算出 hash
* 极度困难从 hash 推回 message
* 极度困难修改 message 而 hash 不变
* 极度困难不同的 messages 而 hash 一样
* hash 的分布很分散，跟 message 关联不大

## 观察 Git 内部如何储存档案

```
echo sweet > sweet.txt
git add .
find .git/objects -type f
Git 內部儲存在 .git/objects/aa/823728ea7d592acc69b36875a482cdf3fd5c8d
這是 "blob" SP "6" NUL "sweet" LF 的 SHA1
printf "blob 6\000sweet\n" | shasum
或 echo 'sweet' | git hash-object -w --stdin
git cat-file -p aa823728ea7d592acc69b36875a482cdf3fd5c8d
```

## 观察 Git 内部如何储存 Commit

```
隨便抓一個 Commit 的 SHA1 開始：
git cat-file -p a08181bf3 	(觀察這個 commit，找出 tree 位置 )
git cat-file -p ea44d629 	(觀察這個 tree，找出任一個 blob SHA1)
git cat-file -p d9647d8a 	(觀察這個 blob 的內容)
```

## 参照 Reference

* Reference 会指向一个 Commit
* tag 不会移动，指向的 commit 都一样
* (带有额外资讯的 tag 内部会用 Object 储存)
* branch 指向该 branch 最新的 commit
* HEAD 指向 current branch

Reference 是非常便宜的。开新 branch 和 tag 只不过是 refs 而已，直到真的有 commit 前都没有什么负担。不像有些 CSV 开分支会复制一份原始码，非常耗费资源。

## 正直

* SHA1 是内容的 checksum
* Integrity: 如果档案内容有损毁，就会发现跟 SHA1 不同。如果 tree 改档名，也会被发现。
* 这在分散式系统非常重要：资料从一个开发者传到另一个开发者时，确保资料没有被修改

## 观察 Git 内部如何储存 Branch 分支

```
cat .git/HEAD 拿到目前工作目錄 current branch 是指向哪一個 branch
cat .git/refs/heads/master 拿到 master branch 指向的 commit
cat .git/refs/tags/foobar 拿到 foobar tag 指向的 commit
```

了解了 Git 如何储存 Branch 之后，就再也不会想用中央储存式的 SVN 了：

* svn 开分支和 merge 超痛苦，能避免开 branch 就避免开 branch
* svn 看 log 超痛苦，需要等待网路连线
* svn commit 或 checkout 超慢，主机如果放国外常 commit 一半中断