hero image
Git

Git 怎麼運作

上個月
9 分鐘
約 1828 字

前言H2

Git 在我開發中已經是不可或缺的一個工具，從最初的不理解到不能分離也有段時間了。但是對於 Git 本身背後的運行原理，就無從得知了，所以想知道 Git 背後到底發生了什麼？

你是否有過在使用 Git 時，不小心把一些「不重要開發過程產生的檔案 node_moudles」或是不小心把「Scrapy 爬蟲的執行結果」給暫存呢？或是使用 GUI 點了 Stage All 等等操作。 總而言之，你是否把一堆垃圾不小心 git add . 過？

此時，你的 Git 在大叫，你的電腦也要瘋掉。有想過為什麼嗎？所以這讓我好奇 Git 到底發生什麼事情。

Git IntroH2

Hey Claude! 一句話介紹 Git 工具是什麼？
Git 是一個分散式版本控制系統，讓開發者能追蹤程式碼的變更歷史、協作開發，並在需要時回復到任意版本。

以使用者（也就是開發者們）來說，Git 運作分成四個主要區域，工作目錄 Working Directory、暫存區 Staging Area、本地倉庫 Local Repository 以及 遠端倉庫 Remote Repository

  • 工作目錄 Working Directory：即是我們平常新增修改刪除檔案的地方，我們通常用 VS Code 或其他編輯器來開發。
  • 暫存區 Staging Area：使用 git add 會把當前我們選定的檔案變更放進該區域，我們可以控制哪些檔案變更需要一並提交。
  • 本地倉庫 Local Repository：使用完 git add 後，可執行 git commit，此時就會把暫存區 Staging Area 的快照正式記錄成一比提交（commit），保存在你電腦上的本地倉庫裡
  • 遠端倉庫 Remote Repository：執行 git push 可將本地提交上傳到 GitHub 等遠端平台，讓其他開發人員一起協作。

以上是一個紀錄並上傳同步的一個簡易流程。並同時介紹四個主要區域

How Git WorksH2

但今天不是要來了解 Git 怎麼使用，而是 Git 怎麼發生！

首先 Git 核心以 SHA-1 雜湊值命名的物件資料庫（.git/objects）。它將檔案內容（Blob）與目錄結構（Tree）分開儲存，並透過 Commit 物件記錄版本快照。

先不管 SHA-1 雜湊是什麼，簡單來說，就是將任意長度的資料轉換為 160 位元（40 個十六進位字元）很像亂碼的雜湊函數。大概樣子就是：6bf83de540f7d12cc3b683a83d69432e03d84509

這裡有三個更重要的名詞：Blob、Tree 以及 Commit

  • Blob（Binary Large Object）：儲存檔案內容，不包含檔名
  • Tree：紀錄目錄結構，包含檔名、檔案模式及對應的 Blob 或其他 Tree 的 SHA-1 雜湊值
  • Commit：紀錄特定時間點的 Tree 根目錄、提交者、時間與父提交（Parent Commit），構成版本歷史

另外還有 Tag 但暫時不提它。

Blob 檔案內容H3

這裡有個特色，當使用者使用 Git 版控時，暫存某檔案，就會產生 Blob

bash 
echo "Hello Git World!" > hello.txt && git add hello.txt

我們來檢查 Blob 是否存在

bash 
find .git/objects -type f

.git/objects/ea/701271a58054773256b0ff0dbf2fde425f19d6

該目錄 .git/objects/ea/701271a58054773256b0ff0dbf2fde425f19d6 的規則取 SHA-1 雜湊值的前 2 個字元作為子資料夾名稱，剩下的 38 個字元作為檔案名稱。
所以原本的 ea701271a58054773256b0ff0dbf2fde425f19d6 會被 Git 設計成 ea 是資料夾，裡面放剩下 38 個字元 701271a58054773256b0ff0dbf2fde425f19d6 當作檔案。

總而言之我們發現了一個物件存在。我們來看看他是不是我們所說的 Blob。使用 git cat-file -t（-t 為 type）

bash 
git cat-file -t ea701271a58054773256b0ff0dbf2fde425f19d6

blob

沒錯！就是 Blob，它就是「檔案內容」，那我要怎麼知道這個 Blob 就是剛剛的 Hello Git World!。使用 git cat-file -p（-p 為 pretty-print）

bash 
git cat-file -p ea701271a58054773256b0ff0dbf2fde425f19d6

Hello Git World!

Commit 提交物件H3

剛剛使用了 git add hello.txt 暫存了檔案，我們嘗試 Commit 提交

bash 
git commit -m "feat: add hello.txt file"

[main (root-commit) 2eb27da] feat: add hello.txt file
 1 file changed, 1 insertion(+)
 create mode 100644 hello.txt`

可以看到成功提交了。我們再來看看 .git/objects/ 有沒有酷東西。

bash 
find .git/objects -type f

.git/objects/ea/701271a58054773256b0ff0dbf2fde425f19d6
.git/objects/2e/b27dad5e006d6ec89843016df7c96acae0aade
.git/objects/e4/97723a6beb377202329333c7fa5b074f298fb7

發現多了兩個物件呢。先來看看 2eb27dad5e006d6ec89843016df7c96acae0aade

bash 
git cat-file -t 2eb27dad5e006d6ec89843016df7c96acae0aade

commit

發現是 Commit Object 嘗試看看內容

bash 
git cat-file -p 2eb27dad5e006d6ec89843016df7c96acae0aade

tree e497723a6beb377202329333c7fa5b074f298fb7
author tantuyu <hi@ttymayor.com> 1775754653 +0800
committer tantuyu <hi@ttymayor.com> 1775754653 +0800

feat: add hello.txt file

有趣的東西出現了

  1. tree e497723a6beb377202329333c7fa5b074f298fb7 等等介紹 Tree 物件
  2. author committer 作者與提交者和時間戳與時區資訊
  3. feat: add hello.txt file 就是剛剛的 commit message！

Commit 就這樣結束了？還沒！如果我在這裡更動 hello.txt 暫存並再提交一次呢？

bash 
echo "I am tantuyu" >> hello.txt && git add hello.txt && git commit -m "feat: add introduce tantuyu"

[main 824e801] feat: add introduce tantuyu
 1 file changed, 1 insertion(+)

接著這裡有 [main 824e801] 824e801 就是該 Commit 的開頭前 7 位，所以我們也可以藉由這前 7 位看看物件長怎樣

bash 
git cat-file -p 824e801

tree 2fdbbbb5ae0ee6f96a15dbc4a1e7af70c30055ed
parent 2eb27dad5e006d6ec89843016df7c96acae0aade
author tantuyu <hi@ttymayor.com> 1775755814 +0800
committer tantuyu <hi@ttymayor.com> 1775755814 +0800

feat: add introduce tantuyu

有趣的事情又發生了，有個 parent 欄位，而且還發現了後面接的 2eb27dad5e006d6ec89843016df7c96acae0aade Hash 就是上一筆我們提交的 Commit。

我們把它們串起來

2eb27da (parent) <- 824e801 (current)

神奇的 Git 主要功能被發現了！

Tree 目錄結構H3

那什麼是 Tree？

我們來看看最初沒看的另一筆 e497723a6beb377202329333c7fa5b074f298fb7

bash 
git cat-file -t e497723a6beb377202329333c7fa5b074f298fb7

tree

沒錯，最後一個就是 Tree，那內容呢？

bash 
git cat-file -p e497723a6beb377202329333c7fa5b074f298fb7

100644 blob ea701271a58054773256b0ff0dbf2fde425f19d6    hello.txt

此時它回傳了另一個 Blob 物件

所以 Tree Object 會紀錄其他檔案內容（或者其他目錄，如有其他子資料夾）

由於剛剛 commit 第二次了，我們來看看現在 .git/objects/ 有甚麼變化，同時再介紹一個指令

bash 
git cat-file --batch-all-objects --batch-check

2eb27dad5e006d6ec89843016df7c96acae0aade commit 197
2fdbbbb5ae0ee6f96a15dbc4a1e7af70c30055ed tree 37
7a140b73e9afa2016f1bb763bd849c1e84fe69a3 blob 29
824e8015006c615ec78ff4e09e86252c6bb9dd56 commit 248
e497723a6beb377202329333c7fa5b074f298fb7 tree 37
ea701271a58054773256b0ff0dbf2fde425f19d6 blob 16

這裡顯示了完整的雜湊值以及 Object Type，數字則是壓縮前的原始內容大小，單位是 bytes

檢查了一下這些剛剛還有什麼沒看過內容的，發現是這個 7a140b73e9afa2016f1bb763bd849c1e84fe69a3，我們再來看看剛剛第二次暫存後，產生新的 Blob 內容

bash 
git cat-file -p 7a140b73e9afa2016f1bb763bd849c1e84fe69a3

Hello Git World!
I am tantuyu

沒錯就是第二次提交的更動內容。

Tag 標籤物件H3

Git 提供 Tag 來標記某個 commit，通常用來標記版本，比如：v1.0.0 等

輕量標籤（Lightweight tag）當前最新的 commit 為 git tag v1.0.0，但是這並不會產生 Tag Object

必須使用註解標籤（Annotated tag） git tag -a v1.0.0 -m "release v1.0.0" 就會產生獨立物件

比如我在當前 commit 使用 git tag -a v1.0.0 -m "release v1.0.0"

bash 
git cat-file --batch-all-objects --batch-check

...
a252c3e1c8d81febaaf1e35d700a755fd73eecba tag 148
...

確實發現了一個 Tag Object，來看看內容

bash 
git cat-file -p a252c3e1c8d81febaaf1e35d700a755fd73eecba

object 824e8015006c615ec78ff4e09e86252c6bb9dd56
type commit
tag v1.0.0
tagger tantuyu <hi@ttymayor.com> 1775757217 +0800

release v1.0.0

此時會發現 object 824e8015006c615ec78ff4e09e86252c6bb9dd56 正是最後一次的 Commit Object 沒錯

指向關係H3 

tag -> commit -> tree -> blob

tag
└── commit
    ├── parent commit (上一筆提交)
    └── tree (根目錄)
        ├── blob (檔案)
        ├── blob (檔案)
        └── tree (子目錄)
            ├── blob (檔案)
            └── tree (子子目錄)
                └── blob (檔案)

結論H2

所以回到最初的問題：為什麼把 node_moudles 等，不重要的大型垃圾不小心 git add 電腦會卡呢？

因為 Blob 在 git add 的時候就會生成了，幾乎每個檔案都要被讀取內容、計算 SHA-1、zlib 壓縮，再寫入 .git/objects/ 導致 CPU + I/O 的密集操作。node_modules 動輒數萬個檔案，重複數萬次，Git Objects 被塞滿垃圾，自然就卡頓了。
tantuyu. :)