如果非得了解下git系统... - 实践篇

git的定义是一个内容寻址文件系统。内容、寻址、文件、系统，该来的总会来的…

本文旨在通过实践来介绍.git文件夹中的目录及文件功能，属git基础知识。但在此基础上可解决各git使用过程中可能遇到的问题，如“.git文件夹占用空间大”，“git如何找回丢失的对象(提交)”，”git diff 对比依据是什么”等，

话不多说，撸起袖子就是干，来看看 .git 是个啥样，这些个货色都是干嘛的。

# 初始化git，查看内容
git init 产生一个.git隐藏文件夹
cd .git
ls -F1
# 初始化时的.git长这样
# HEAD
# config
# description
# hooks/
# info/
# objects/
# refs/
# 日常工作中的.git大概长这样
# COMMIT_EDITMSG
# config
# description
# hooks/
# index
# info/
# logs/
# objects/
# refs/

随着之后的多种 git操作 ，还会存在如 MERGE_HEAD 、 MERGE_MODE等和 COMMIT_EDITMSG 类似功能的文件，branches(分支信息)、lost-found(存储被悬挂起/丢失的提交对象)、packed-refs(压缩后的refs记录)等和logs、objects类似功能的文件夹。

以上面的.git为例做个简单的介绍：

COMMIT_EDITMSG 最近一次的 commit edit message ；

# 编写提交信息的两种姿势
git commit
# 自动打开文件编辑，在文件中输入信息即可
git commit -m msg
# 信息都会被保存到 COMMIT_EDITMSG
# 如需修改提交信息，不可直接编辑COMMIT_EDITMSG，可执行以下命令
git commit --amend
# 自动打开文件编辑，在文件中修改信息即可

description 描述文件，打开后里面提醒该为git仓库创建个描述(Unnamed repository; edit this file 'description' to name the repository.)。

config 文件包含项目特有的配置选项，如一些常用项：

　　[core] ignorecase 是否忽略文件大小写；

　　[remote "origin"] url 配置远程仓库地址；

　　[remote "origin"] fetch 远程分支映射关系；

　　[user] name 用户名

　　[user] email 邮箱

　   [alias] 命令别名配置 ： cmt = commit

　　抑或更多其他config参数…

全局配置文件在 ~/.gitconfig ，Windows应该是在Users/Administrator/.gitconfig。

info/ 文件夹用以存储一些有关git仓库的信息，如exclude

# 包含一个全局性排除（global exclude）文件，用以放置那些不希望被记录在 .gitignore 文件中的忽略模式（ignored patterns）；
echo for git ignore > git-ignore
echo for git exclude > git-exclude
echo git-ignore > .gitignore
git status

# On branch test
# Untracked files:
# (use "git add <file>..." to include in what will be committed)

# .gitignore
# git-exclude

# git-ignore已被忽略，还有2个untracked的文件

cd .git
cd info/
vi exclude

# 最后一行新增 git-exclude

cd ../..
git status
# On branch test
# Untracked files:
# (use "git add <file>..." to include in what will be committed)

# .gitignore

# git-exclude 已被忽略，只有.gitignore还是untracked

除exclude文件外，还可能会有refs、grafts，attributes等文件

hooks/ 文件夹包含客户端或服务端的钩子脚本（hook scripts），如pre-commit，post-receive等：

vi .git/hooks/pre-commit
# 保存以下信息  第一行指定用什么执行
#!/bin/sh
echo "Message for pre commit";
exit ;
# 开执行权限
chmod +x .git/hooks/pre-commit   # user+group+other 执行x(1)权限  ，备注 r(4,read),w(2,write),x(1,execute),-(0,no permission),s(special)

touch commit-hook-test
git add .
git commit -m “pre-commit test“
# 你会看到以下信息
# Message for pre commit

# 如果不exit，则继续执行，详情可参考.git/hooks/下的*.sample文件
# Message for pre commit
# [test 038e6ec] pre-commit test
# 1 file changed, 1 insertion(+), 1 deletion(-) 

logs/ 放置git仓库操作记录的文件夹，包含HEAD文件 和 refs文件夹。

HAED 文件包含对 git分支 的操作记录，如

vi HEAD
# 99a10c283c33beed7f31c210a6c8b411d2a31085 5daf6094ea2cc60d17e947c0435096a4bdafe82d yeshou <yeshou@xxx.com> 1535082919 +0800       commit: rm files
# 5daf6094ea2cc60d17e947c0435096a4bdafe82d b8e02a5f9c2bf44342d15f5ea1e60ffd9434765a yeshou <yeshou@xxx.com> 1535087285 +0800        checkout: moving from test to master
# 先是删除文件后提交了次，再是由test检出到master

refs 文件夹包含 heads 文件夹，remote文件夹。heads 记录本地相关的各 git分支 操作记录，remote 记录远程仓库相关的各 git分支 操作记录

cd heads
ls
# master   master分支操作记录
# test     test分支操作记录

cd remote/origin
ls
# master  远程master分支操作记录
# test    远程test分支操作记录

HEAD 文件指示当前被检出(所在)的分支，如当前在test分支，文件内容则为ref: refs/heads/test。

index 文件是当前版本的文件索引，包含生成当前树(唯一确定的)对象的所虚信息，可用于快速比对工作树和其他提交树对象的差异(各commit和HEAD之间的diff)，可用于存储单文件的多个版本以有效的解决合并冲突。可使用git ls-files 查看index文件内容。如：

git commit 的一次提交从index中的信息生成tree对象，将其存储在对象数据库中，并与本次新的commit做关联，产生本次commit的tree信息(下面的objects介绍中会提到commit和tree)。

refs/ (references) 文件夹存储指向数据（分支）的提交对象指针；其中 heads 文件夹记录内部文件对应名称的分支的提交对象；tags记录内部文件对应名称的标签的提交对象；remotes记录内部文件对应名称的远程仓库分支的提交对象；

举个例子：

 cat .git/refs/heads/master
 # ce1fed3fdbaf12e816e3028055f9feee57b33b45 当前master的提交记录
 git checkout -b test # 检出一个新分支
 find .git
 # 多了个 .git/refs/heads/test 文件
 git log

 # commit 63a85dcbc6978f2d43996f5bebc38993c2afadaa (HEAD -> test)
 # Author: yeshou <yeshou@xxx.com>
 # Date:   Sat Aug 25 13:57:26 2018 +0800
 #
 # branch test : edit test : add line : write d

 # commit ce1fed3fdbaf12e816e3028055f9feee57b33b45 (master)
 # Author: yeshou <yeshou@xxx.com>
 # Date:   Sat Aug 25 12:40:35 2018 +0800
 #
 # edit test : add line : write c

 cat .git/refs/heads/test
 # 63a85dcbc6978f2d43996f5bebc38993c2afadaa   当前test的最近提交记录
 cat .git/refs/heads/master
 # ce1fed3fdbaf12e816e3028055f9feee57b33b45 依然是当前master的最近提交记录

另两者亦然。

objects/ 文件夹用以存储git仓库中的所有数据内容。

一步步来...

先看看这个文件夹里是怎么存数据内容的，再理解这些数据内容又是什么。

# 为了清晰的看明白objects文件夹中文件的生成，初始化.git
rm -rf .git
git init
cd .git
find .git # 这时候objects文件夹下只有pack和info 两个空文件夹
touch test
vi test
# 输入 a ，保存，退出
git add test
find .git
# objects 下多了个文件夹，且里面有文件
# .git/objects/44
# .git/objects/44/2406aa9341668f9c43c2d5378a777ad69324a0

验证下这个文件内容是什么，注意，这是个二进制球，呸…是文件，文明观球，呸…是观看。这里我们用传说中git中的手术刀( git cat-file )来解剖git文件。

git cat-file -p 442406aa9341668f9c43c2d5378a777ad69324a0
# 输出 a

9de29bb2d1d6434b8b29ae775ad8c2e48c5391 是个二进制文件，是git对象中的blob对象，它记录了当前版本的该文件的数据内容，并以SHA-1计算产生一个40个字符的校验和。 根据官方描述：这是一个 SHA-1 哈希值——一个将待存储的数据外加一个头部信息（header）一起做 SHA-1 校验运算而得的校验和。

继续操作，修改test

vi test
# 第二行输入 b ，保存，退出
git add test
find .git
# objects 下又多了个文件夹，且里面也有文件
# .git/objects/bf
# .git/objects/bf/daa0f1c3415c09d3080063911d155fd7259d18

这次的二进制文件的数据内容是 a (手动换行) b 。

继续走下去：

git commit -m “add test”
# wtf，怎么突然生出2个文件夹，来来来，看看内容
# .git/objects/3e
# .git/objects/3e/5f95cd5c4f0ff429522b0fdfeda9369f92d89c
# .git/objects/fd
# .git/objects/fd/1332e4e95f8a64682c1516e175abb66b6f6325
git cat-file -t fd1332e4e95f8a64682c1516e175abb66b6f6325
# commit
git cat-file -p fd1332e4e95f8a64682c1516e175abb66b6f6325
# tree对象、作者、提交者、提交日期、提交信息、父对象(有的话带一个或多个父对象)
# tree 3e5f95cd5c4f0ff429522b0fdfeda9369f92d89c
# author yeshou <yeshou@xxx.com> 1535168447 +0800
# committer yeshou <yeshou@xxx.com> 1535168447 +0800
# add dir-test
git cat-file -t 3e5f95cd5c4f0ff429522b0fdfeda9369f92d89c
# tree
git cat-file -p 3e5f95cd5c4f0ff429522b0fdfeda9369f92d89c
# 100644 blob bfdaa0f1c3415c09d3080063911d155fd7259d18    test
git cat-file -p bfdaa0f1c3415c09d3080063911d155fd7259d18
# a (换行) b

3e5f95cd5c4f0ff429522b0fdfeda9369f92d89c 也是个二进制文件，是git对象中的tree对象，记录着blob标识符、路径名和在一个tree下的所有文件的元数据。

fd1332e4e95f8a64682c1516e175abb66b6f6325 又是个二进制文件，是git对象中的commit对象，它记录了当前版本的一次提交数据内容，包含tree对象、作者、提交者、提交日期、提交信息、父对象(有的话带一个或多个父对象)。

然后，pack文件夹是干嘛的？

随着objects文件夹下的文件夹和文件不断生成(也就是N多次的commit之后)，objects文件夹明显会”长大”，这时开发者可以用 git gc 来对之前的操作的对象做整理压缩。
pack 文件夹内有2个文件 pack-(SHA-1).pack 和 pack-(SHA-1).idx 前者是以压缩形式存储之前记录对象的文件，后者用以存储访问索引的文件。

举个例子：

git gc
# Counting objects: 12, done.
# Delta compression using up to 4 threads.
# Compressing objects: 100% (4/4), done.
# Writing objects: 100% (12/12), done.
# Total 12 (delta 0), reused 0 (delta 0)
find .git
# 发现少了很多objects里的文件夹和文件，多了以下2个文件
# .git/objects/pack/pack-2021ec3cb18c796fdfca8ef616fb6a20b1449ab1.pack
# .git/objects/pack/pack-2021ec3cb18c796fdfca8ef616fb6a20b1449ab1.idx
git verify-pack -v .git/objects/pack/pack-2021ec3cb18c796fdfca8ef616fb6a20b1449ab1.idx
# 列出之前存在objects里的所有操作数据内容
# 655a12c9b83a029bb46fa852ea15e6affd1587d8 commit 167 117 510
# ...
# 616dfdb2643c725fa1027ecef76d49d482d9e26d tree   32 43 670
# ...
# bfdaa0f1c3415c09d3080063911d155fd7259d18 blob   5 14 853
# 也可以通过后面加 | grep keyword 来搜索所需的内容，如下列出所有commit记录
git verify-pack -v .git/objects/pack/pack-2021ec3cb18c796fdfca8ef616fb6a20b1449ab1.idx | grep commit

git gc ( garbage collect )命令将会收集所有松散对象并将它们存入 pack，合并这些 pack 进一个大的 pack，然后将不被任何 commit 引用并且已存在一段时间 (数月) 的对象删除，除此之外还会将所有引用 (references) 并入一个单独文件（上面有提到随着各种操作，.git下还会产生更多文件夹，.git中的packed-refs文件夹就是这时候产生的）。该命令可能通过修改配置中的 gc.auto 和 gc.autopacklimit 来调整操作阈值。注意：git gc 调用的也是 git prune ，如有需求也可关注这个命令。

至于"info文件夹是干嘛的？"这个问题还未知...  官网的描述也没看懂，也没查到或者在项目中实际出现这个文件夹有存在什么文件，要么等遇到再说？

至此git对象中的三个对象已经知道是咋回事了，还剩个tags对象，简单介绍下。

tags对象通常也是一个commit对象，指的是一个指定了开发者可读名称的一个特殊对象，如有需要也可通过 git cat-file 来解析探索。

其间关系大致如下：

|- commit       aaaaa…
    |- tree       abbbb…
        |- blob       acccc… （可能是这次修改的）
        |- blob       adddd…（也可能是上次修改的）
        |- tree        aeeee…
            |- blob        affff…

|- commit        bbbbb…

关系图的话，这个是git官网的…  和上面的结构是一样的。

基于objects的介绍再回过头来看看”内容、寻址、文件、系统”便比较清晰了：以git对象作为内容，通过唯一的校验和寻址，文件形式存储的一个版本控制系统。

了解完这些，主要还是希望能够运用到实际生产中来解决问题。如 “项目中.git文件为什么这么大？怎么处理？"

可能的处理方案：

1. 执行 git gc ，如果压缩后能达到预期效果，则不做过多处理

2.针对历史记录中对某些大文件的引用，则删除对应引用的对象，操作如下

git gc
git count-objects -v
git verify-pack -v .git/objects/pack/pack-(SHA-).idx | sort -k  -n | tail -
# 前面用过了git verify-pack，可知第三列信息表示的文件大小，这里用tail取前5个较大文件的记录
git rev-list --objects --all | grep (SHA-)
# 使用 git rev-list --objects -all 来查看指定 (SHA-1) 对象信息
# ce1fed3fdbaf12e816e3028055f9feee57b33b45 xxx.mp4  比如是个视频文件
git log --pretty=oneline --branches -- xxx.mp4
# 找出哪些 commit 修改/操作了这个文件
# 94cbe08e... add xxx.mp4
git filter-branch --index-filter 'git rm --cached --ignore-unmatch xxx.mp4' -- 94cbe08e^..
# 删除文件引用，rewrite 信息...
rm -rf .git/refs/original
rm -rf .git/logs/
git gc
# 删除 .git/refs/original 和 .git/logs/ ，处理其中对xxx.mp4文件仍存在的引用，之后repack仓库
git count-objects -v
# 检查下操作后文件大小，或者直接在.git目录下执行 du -h -d 1 查看1级目录/文件的大小

3.若还是难处理，或者不好处理，或者不想删除大文件的引用，则备份一份.git，然后初始化git仓库，操作如下

# 除去备份操作，备份操作使用者自定义
rm -rf .git
git init
git remote add origin xxx.git
# 重新指向新的远程仓库地址，也可根据上文所说修改config文件来指定

关于git hooks，参考Customizing-Git-Git-Hooks

关于更详细的.git文件夹，参考 Gitrepository-layout-objectsinfo