从本质彻底精通Git——4个模型1个周期1个史观1个工作流

一、什么是Git?

　　Git是一个开源的分布式版本控制系统，用于敏捷高效地处理任何或小或大的项目。

　　Git是Linus Torvalds为了帮助管理 Linux 内核开发而开发的一个开放源码的版本控制软件。

二、分布式VS集中式

　　VisualSVN、TortoiseSVN、Bazzar为集中式版本控制系统，而Mercurial、Git、Bitkeeper为分布式版本控制系统。

　　1. 集中式版本控制

　　　　优点：可以对具体的文件或目录进行权限控制，有全局的版本号。

　　　　缺点：所有操作都需要联网中心服务器。

　　2. 分布式版本控制

　　　　优点：

　　　　　　i. 分支管理。

　　　　　　ii. 完整性和安全性更高，各客户端保留有完整的版本库。

　　　　　　iii. 绝大部分操作都是本地化的，支持离线。

　　　　缺点：

　　　　　　i. 对版本库的目录和文件无法做到精细化的权限控制。

　　　　　　ii. 无全局性的版本号。

　　通过以上分析的集中式和分布式版本控制的优缺点，我们就能总结出以Git为代表的分布式版本控制和以SVN为代表的集中式版本控制之间的区别。

　　3. Git和SVN的区别

• 最核心的区别当然是分布式和集中式。
• 处理数据的方式不同，Git以元数据方式存储数据，SVN按照文件存储，对应的取出数据方式也不一样。
• 分支管理或分支模型（下文会详解）。
• 全局性的版本号。
• 数据的完整性和安全性，分布式的更好。

三、常用的Git解决方案和代码托管平台

　　1.开源软件解决方案：Gitea、GitLab

　　2.代码托管平台：码云（Gitee）、码市（Coding）、GitHub、GitLab、Bitbucket

四、Git的基石SHA-1

　　In cryptography, SHA-1 (Secure Hash Algorithm 1) is a cryptographichash function which takes an input and produces a 160-bit (20-byte) hash value known as a message digest – typically rendered as ahexadecimal number, 40 digits long. It was designed by the UnitedStates National Security Agency, and is a U.S. Federal InformationProcessing Standard.

　　以上摘自维基百科，主要说明了SHA是一个密码散列函数家族，是FIPS所认证的安全散列算法。能计算出一个数字消息所对应到的，长度固定的字符串（又称消息摘要）的算法。且若输入的消息不同，它们对应到不同字符串的机率很高。SHA-1长度为20字节，160位，熟悉网络编程的都知道，4位可以转换成一个十六进制的数字，所以一个SHA-1散列可以展示为40长度的十六进制的数字。

　　SHA-1的计算方法伪代码：

 1 //Note: All variables are unsigned 32 bits and wrap modulo 232 when calculating
 2
 3 //Initial variables:
 4 h0 := 0x67452301
 5 h1 := 0xEFCDAB89
 6 h2 := 0x98BADCFE
 7 h3 := 0x10325476
 8 h4 := 0xC3D2E1F0
 9
10 //Pre-processing:
11 append the bit '1' to the message
12 append k bits '0', where k is the minimum number >= 0 such that the resulting message
13     length (in bits) is congruent to 448(mod 512)
14 append length of message (before pre-processing), in bits, as 64-bit big-endian integer
15
16 //Process the message in successive 512-bit chunks:
17 break message into 512-bit chunks
18 for each chunk
19     break chunk into sixteen 32-bit big-endian words w[i], 0 ≤ i ≤ 15
20
21     //Extend the sixteen 32-bit words into eighty 32-bit words:
22     for i from 16 to 79
23         w[i] := (w[i-3] xor w[i-8] xor w[i-14] xor w[i-16]) leftrotate 1
24
25     //Initialize hash value for this chunk:
26     a := h0
27     b := h1
28     c := h2
29     d := h3
30     e := h4
31
32     //Main loop:
33     for i from 0 to 79
34         if 0 ≤ i ≤ 19 then
35             f := (b and c) or ((not b) and d)
36             k := 0x5A827999
37         else if 20 ≤ i ≤ 39
38             f := b xor c xor d
39             k := 0x6ED9EBA1
40         else if 40 ≤ i ≤ 59
41             f := (b and c) or (b and d) or(c and d)
42             k := 0x8F1BBCDC
43         else if 60 ≤ i ≤ 79
44             f := b xor c xor d
45             k := 0xCA62C1D6
46         temp := (a leftrotate 5) + f + e + k + w[i]
47         e := d
48         d := c
49         c := b leftrotate 30
50         b := a
51         a := temp
52
53     //Add this chunk's hash to result so far:
54     h0 := h0 + a
55     h1 := h1 + b
56     h2 := h2 + c
57     h3 := h3 + d
58     h4 := h4 + e
59
60 //Produce the final hash value (big-endian):
61 digest = hash = h0 append h1 append h2 append h3 append h4

　　虽然SHA-1作为数字签名的算法不安全，但是作为日常项目代码管理来说却足够能够保证其唯一性。

　　我们已经了解到SHA-1摘要的长度是20字节，也就是160位。要确保有50%的概率出现一次冲突，需要2^80个随机散列的对象（计算冲突概率的公式是p=(n(n-1)/2)*(1/2^160)）。2^80=1.2*10^24，也就是一亿亿亿，这是地球上沙粒总数的1200倍。即使按照目前公开的2005年CRYPTO会议中由王小云提出的更具效率的SHA-1攻击法，也需要2^63=9.2*10^18，也就是九十二亿亿，虽然不及地球上的沙粒数也是一个很大的数字。

　　超大型项目Linux内核有超过45万次提交，包含360万个对象，也至多需要前11个字符就能够保证SHA-1的唯一性。

　　Git根据文件内容或目录结构计算出SHA-1散列值，然后通过散列值存储、检索和处理信息。

五、Git模型

　　1. 区域模型

　　Git项目中的主要区域：Git目录（仓库）、工作目录和暂存区（索引）

　

　　Git目录也称为Git仓库或Git数据库，是保存Git项目元数据和对象数据库的地方。是Git最重要的部分，当从其它计算机中克隆项目时需要复制的内容。

　　工作目录是项目某个版本的单次检出。这些文件从Git仓库中提取出来，放置在磁盘上使用和修改。我们平时码代码时的区域就是在工作目录中，因为这里是唯一提供了对文件进行编辑的地方。

　　暂存区也称为索引，是一个文件，一般位于Git目录中。保存了下次所要提交内容的相关信息。Git的add命令就是将工作目录中的内容添加到暂存区中。

　　2. 分支模型

　　分支模型是Git的精髓，被称为Git的“杀手锏特性”。

　　分支意味着偏离开发主线并继续你自己的工作而不影响主线开发。在其它很多版本控制工具中，有较昂贵的成本，因为常常需要去对整个源代码目录进行一次复制，特别对于大型项目，这样的复制时间成本是很高的。

　　Git的分支与众不同的地方在于，极致的轻量，几乎即时就可以完成分支操作，分支间的切换操作也很方便。

　　Git以快照的方式存储数据。

　　当发起提交时，Git存储的是提交对象（commit object），其中包含了指向暂存区快照的指针。提交对象也包含作者的姓名和邮箱地址、已输入的提交信息以及指向其父提交的指针。初始提交没有父提交，而一般的提交会有一个父提交；对于两个或更多分支的合并提交，存在多个父提交。

　　当执行git commit进行提交时，Git会先为每个子目录计算校验和，然后再把这些树对象（tree object）保存到Git仓库中，Git随后会创建提交对象，其中包括元数据以及指向项目根目录的树对象的指针，以便有需要的时候重新创建这次快照。

　　Git分支只不过是一个指向某次提交的轻量级的可移动指针。Git默认的分支名称是master。当你发起提交时，你的当前分支比如master分支就会移动指向你刚刚的提交。

　　git init命令默认创建的就是master分支。

　　Git的分支实际上就是一个简单的文件，其中只包含了该分支所指向提交的长度为40个字符的SHA-1校验和。正因如此，Git分支的创建和删除成本就很低。创建新分支就如同向文件写入40个字符外加一个换行符一件简单方便。

　　提交时Git保存了父对象的指针，当进行合并操作时Git会自动寻找适当的合并基础，创建新分支并在其上coding，然后把多个分支间的代码进行合并很方便，所以Git鼓励开发人员创建和使用分支。

　　接下来我们来了解几个分支概念

　　长期分支VS主题分支

　　主题分支是指短期的、用于实现某一特定功能及其相关工作的分支。与之相对的就是长期分支，长期分支是在整个项目中会一直保持，用于合并主题分支或版本控制和代码发布的分支。比如在master分支上存放稳定版的代码，develop上进行开发，test分支上进行测试，在iss-email上进行email的主题开发。

　　远程分支VS跟踪分支

　　远程分支是指向远程仓库的分支的指针，这些指针存在于本地且无法被移动。基于远程分支创建的本地分支就是其远程分支的跟踪分支（tracking branch），有时也叫做上游分支（upstream branch）。远程分支我们能够理解是在服务器上的分支，那跟踪分支呢？我随便创建的本地分支都是跟踪分支吗？本地非跟踪分支和跟踪分支又有什么区别呢？

　　当你克隆一个远程仓库时，Git默认情况下会自动创建跟踪着远程origin/master分支的本地master分支。当你试图执行分支切换操作时，如果该分支尚未被创建，并且该分支名称和某个远程分支名称一致，那么Git会帮你创建跟踪分支。当设置成为跟踪分支后，使用Git命令时可以简化操作，比如在master分支上push代码到远程仓库上，可以直接使用git push，如果没设置跟踪分支需要使用git push origin/master。

$git checkout --track origin/serverfix
Branch serverfix set up to track remote branch serverfix from origin.
Switched to new Branch 'serverfix' 

$git checkout -b sf origin/serverfix
Branch sf set up to track remote branch serverfix from origin.
Switch to a new branch 'sf'

　　当我们了解了Git的分支模型后，分支模型正确的打开方式是什么样的呢？

　　假设你在master分支上做了一些项目起始的工作，之后为了实现某个需求，创建并切换到主题分支sub-record，并在其上做了一些开发工作。之后，你又尝试另一种能实现需求的方式，创建并切换到新的分支sub-recordv1。接着你又切换回master分支并继续工作了一段时间，最后你创建了新的分支dumb-idea来实现你的一个不确定的想法。

　　

　　最后你觉得sub-recordv1方案效率比较高，而在dumb-idea上的工作同事们都觉得很有意义，那么把主题分支上的提交合并合并入长期分支master，舍弃掉sub-record上的C5和C6提交。

　　

　　根据项目的需要，为实现一个需求或一个子需求甚至一个想法创建一个分支。合并代码的时候只需要合并需要的，那些暂时没能合并入的代码也许以后要么直接或间接就可以用上，如果没能用上也可以借鉴和参考。毕竟创建和使用Git分支的成本很低而且方便有效，这样才是Git分支模型的正确打开方式。

　　3. 对象模型

　　对象模型分为：主要对象和标签对象。主要对象又分为blob对象、树对象和提交对象。

　　blob对象是保存到Git仓库的文件当前版本或者称为元数据。可以理解为文件内容。

　　树对象解决的是文件名的存储问题。可以认为是目录，对应为Unix目录项。单个树对象包含一个或多个树条目，每个条目包含一个指向blob对象或子树的指针以及相关模式、类型和文件名。

　　提交对象指定了此刻项目快照的顶层树对象、作者/提交者信息、提交时间戳、一个空行以及提交消息。指向的是树对象。

　　标签对象与提交对象非常相似，包含了标签的创建者、日期、标签消息和一个指针。通常指向提交对象也可以指向blob对象。是不可变的分支引用，总是指向相同的提交对象或blob对象。

　　4. “三棵树”模型

　　将Git类比为三棵树的内容管理器。“树”实际上指的是“文件的集合”，并非特定的数据结构。

三棵树	HEAD	最近提交的快照，下次提交的父提交
	索引	预计的下一次提交的快照
	工作目录	沙盒

　　HEAD和索引着两棵树把数据以一种高效但不够直观的方式保存在.git目录中。而工作目录则将其提取成实际的文件，以便于编辑。可以把工作目录当作沙盒，在将内容提交到暂存区（索引）并写入历史记录之前，你可以随意修改。

　　三棵树之间的切换　　

　　

$git status

Changes to be committed:
    (use "git restore --staged <file>..."to unstage)

Changes not staged for commit:
    (use "git add <file>..." to update what will be committed)
    (use "git restore <file>..." to discard changes in working directory)

　　其中Changes not staged for commit提示的是索引和工作目录之间的差异。

　　其中Changes to be committed提示的是HEAD和索引之间的差异。

　　通过以上我们了解到，Git通过操作三棵树的状态来记录项目的快照。

　　通过学习了三棵树模型，我们将运用所学来理解Git的重置，包括两个命令：reset和checkout。

　　reset命令会以特定的次序重写这三棵树，操作方式如下：

　　（1）移动HEAD分支的指向（指定了--soft选项，则在此停止）。

　　（2）使索引看起来像HEAD（默认行为，或指定了--mixed选项，则在此停止）。

　　（3）使工作目录看起来像索引（指定了--hard选项，则在此停止）。

　　checkout命令操作三棵树有两种方式：

　　方式一（不使用路径）：

　　（1）与reset --hard不同，checkout不会影响工作目录。他会确保不会破坏已更改的文件。

　　（2）更新HEAD的方式。reset移动的是HEAD指向的分支，而checkout移动的是HEAD，使其指向其他分支。

　　假设我们有两个分支：master和develop，分别指向不同的提交。我们当前处在develop分支（因为HEAD也指向该分支）。如果执行git reset master，那么develop会与master一样，指向同一提交。如果执行的是git checkout master，那么发生移动的会是HEAD，而不是develop。HEAD将会指向master。

　　方式二（使用路径）：

　　加上文件路径，与reset一样，不会移动HEAD。会使用提交中的文件来更新索引，但是也会覆盖工作目录中对应的文件。

　　reset和checkout命令速查表　

操作		HEAD	索引	工作目录	工作目录是否安全？
提交级别	reset --soft [commit]	REF	否	否	是
	reset [commit]	REF	是	否	是
	reset --hard [commit]	REF	是	是	否
	checkout [commit]	HEAD	是	是	是
文件级别	reset (commit) [file]	否	是	否	是
	checkout (commit) [file]	否	是	是	否

　　HEAD一列中的REF表示该命令移动了HEAD指向的引用（分支），HEAD表示移动了HEAD自身。

　　注意：“工作目录是否安全”一列，如果显示是否，应当慎重，执行前要考虑清楚，否则可能丢失工作成果。

六、文件状态的生命周期

　　

七、提交史观

代表观点	提交史观	代表命令
“史书”、“记录”	Git仓库提交历史就是实际发生过的事件的记录	merge
“故事”	Git提交历史是关于项目如何构建的故事	rebase

　　变基操作是把某条分支线上的工作在另一个分支线上按顺序重现。而合并操作则是找出两个分支的末端，并把它们合并到一起。

　　最好的操作方式是，在本地尚未推送的更改进行变基操作，从而简化提交历史，单决不能对任何已经推送到服务器的更改进行变基操作。

八、分布式工作流

　　1.  集中式工作流

　　一个中枢（或是仓库）接受代码，所有人以此同步各自的工作。

　　

　　2. 集成管理者工作流

　　（1）项目维护人员推送到公开仓库。

　　（2）贡献者克隆该仓库，作出自己的修改。

　　（3）贡献者推送到自己的公开仓库副本。

　　（4）贡献者向维护人员发送电子邮件，要求合并变更。

　　（5）维护人员将贡献者的仓库添加为远程仓库并在本地进行合并。

　　（6）维护人员将合并后的变更推送到主仓库。　　

　　

　　3. 司令官与副官工作流

　　（1）普通开发人员使用自己的主题分支，根据参考仓库（reference repository）拉取项目或进行变基。

　　（2）副官将开发人员的主题分支合并入master分支。

　　（3）司令官将副官的master分支合并入自己的master分支。

　　（4）司令官将其master分支推送到参考仓库，同时其他开发人员以此为基础进行变基操作。

　　

参考资料

[1] Scott Chacon,Ben Straub《精通Git》（第2版）

[2] 维基百科

[3] https://www.sohu.com/a/234659269_575744

[4] https://www.runoob.com/git/git-tutorial.html