Git Packfiles

我們再來看一下 test Git 倉庫。目前為止，有 11 個對象 ── 4 個 blob，3 個 tree，3 個 commit 以及一個 tag：

$ find .git/objects -type f
.git/objects/01/55eb4229851634a0f03eb265b69f5a2d56f341 # tree 2
.git/objects/1a/410efbd13591db07496601ebc7a059dd55cfe9 # commit 3
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a # test.txt v2
.git/objects/3c/4e9cd789d88d8d89c1073707c3585e41b0e614 # tree 3
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30 # test.txt v1
.git/objects/95/85191f37f7b0fb9444f35a9bf50de191beadc2 # tag
.git/objects/ca/c0cab538b970a37ea1e769cbbde608743bc96d # commit 2
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 # 'test content'
.git/objects/d8/329fc1cc938780ffdd9f94e0d364e0ea74f579 # tree 1
.git/objects/fa/49b077972391ad58037050f2a75f74e3671e92 # new.txt
.git/objects/fd/f4fc3344e67ab068f836878b6c4951e3b15f3d # commit 1

Git 用 zlib 壓縮文件內(nèi)容，因此這些文件并沒有占用太多空間，所有文件加起來總共僅用了 925 字節(jié)。接下去你會添加一些大文件以演示 Git 的一個很有意思的功能。將你之前用到過的 Grit 庫中的 repo.rb 文件加進(jìn)去 ── 這個源代碼文件大小約為 12K：

$ curl http://github.com/mojombo/grit/raw/master/lib/grit/repo.rb > repo.rb
$ git add repo.rb
$ git commit -m 'added repo.rb'
[master 484a592] added repo.rb
 3 files changed, 459 insertions(+), 2 deletions(-)
 delete mode 100644 bak/test.txt
 create mode 100644 repo.rb
 rewrite test.txt (100%)

如果查看一下生成的 tree，可以看到 repo.rb 文件的 blob 對象的 SHA-1 值：

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 9bc1dc421dcd51b4ac296e3e5b6e2a99cf44391e      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

然后可以用 git cat-file 命令查看這個對象有多大：

$ du -b .git/objects/9b/c1dc421dcd51b4ac296e3e5b6e2a99cf44391e
4102    .git/objects/9b/c1dc421dcd51b4ac296e3e5b6e2a99cf44391e

稍微修改一下些文件，看會發(fā)生些什么：

$ echo '# testing' >> repo.rb
$ git commit -am 'modified repo a bit'
[master ab1afef] modified repo a bit
 1 files changed, 1 insertions(+), 0 deletions(-)

查看這個 commit 生成的 tree，可以看到一些有趣的東西：

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 05408d195263d853f09dca71d55116663690c27c      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

blob 對象與之前的已經(jīng)不同了。這說明雖然只是往一個 400 行的文件最后加入了一行內(nèi)容，Git 卻用一個全新的對象來保存新的文件內(nèi)容：

$ du -b .git/objects/05/408d195263d853f09dca71d55116663690c27c
4109    .git/objects/05/408d195263d853f09dca71d55116663690c27c

你的磁盤上有了兩個幾乎完全相同的 12K 的對象。如果 Git 只完整保存其中一個，并保存另一個對象的差異內(nèi)容，豈不更好？

事實(shí)上 Git 可以那樣做。Git 往磁盤保存對象時默認(rèn)使用的格式叫松散對象 (loose object) 格式。Git 時不時地將這些對象打包至一個叫 packfile 的二進(jìn)制文件以節(jié)省空間并提高效率。當(dāng)倉庫中有太多的松散對象，或是手工調(diào)用 git gc 命令，或推送至遠(yuǎn)程服務(wù)器時，Git 都會這樣做。手工調(diào)用 git gc 命令讓 Git 將庫中對象打包并看會發(fā)生些什么：

$ git gc
Counting objects: 17, done.
Delta compression using 2 threads.
Compressing objects: 100% (13/13), done.
Writing objects: 100% (17/17), done.
Total 17 (delta 1), reused 10 (delta 0)

查看一下 objects 目錄，會發(fā)現(xiàn)大部分對象都不在了，與此同時出現(xiàn)了兩個新文件：

$ find .git/objects -type f
.git/objects/71/08f7ecb345ee9d0084193f147cdad4d2998293
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
.git/objects/info/packs
.git/objects/pack/pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.idx
.git/objects/pack/pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.pack

仍保留著的幾個對象是未被任何 commit 引用的 blob ── 在此例中是你之前創(chuàng)建的 "what is up, doc?" 和 "test content" 這兩個示例 blob。你從沒將他們添加至任何 commit，所以 Git 認(rèn)為它們是 "懸空" 的，不會將它們打包進(jìn) packfile 。

剩下的文件是新創(chuàng)建的 packfile 以及一個索引。packfile 文件包含了剛才從文件系統(tǒng)中移除的所有對象。索引文件包含了 packfile 的偏移信息，這樣就可以快速定位任意一個指定對象。有意思的是運(yùn)行 gc 命令前磁盤上的對象大小約為 12K ，而這個新生成的 packfile 僅為 6K 大小。通過打包對象減少了一半磁盤使用空間。

Git 是如何做到這點(diǎn)的？Git 打包對象時，會查找命名及尺寸相近的文件，并只保存文件不同版本之間的差異內(nèi)容?？梢圆榭匆幌?packfile ，觀察它是如何節(jié)省空間的。git verify-pack 命令用于顯示已打包的內(nèi)容：

$ git verify-pack -v \
  .git/objects/pack/pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.idx
0155eb4229851634a0f03eb265b69f5a2d56f341 tree   71 76 5400
05408d195263d853f09dca71d55116663690c27c blob   12908 3478 874
09f01cea547666f58d6a8d809583841a7c6f0130 tree   106 107 5086
1a410efbd13591db07496601ebc7a059dd55cfe9 commit 225 151 322
1f7a7a472abf3dd9643fd615f6da379c4acb3e3a blob   10 19 5381
3c4e9cd789d88d8d89c1073707c3585e41b0e614 tree   101 105 5211
484a59275031909e19aadb7c92262719cfcdf19a commit 226 153 169
83baae61804e65cc73a7201a7252750c76066a30 blob   10 19 5362
9585191f37f7b0fb9444f35a9bf50de191beadc2 tag    136 127 5476
9bc1dc421dcd51b4ac296e3e5b6e2a99cf44391e blob   7 18 5193 1 \
  05408d195263d853f09dca71d55116663690c27c
ab1afef80fac8e34258ff41fc1b867c702daa24b commit 232 157 12
cac0cab538b970a37ea1e769cbbde608743bc96d commit 226 154 473
d8329fc1cc938780ffdd9f94e0d364e0ea74f579 tree   36 46 5316
e3f094f522629ae358806b17daf78246c27c007b blob   1486 734 4352
f8f51d7d8a1760462eca26eebafde32087499533 tree   106 107 749
fa49b077972391ad58037050f2a75f74e3671e92 blob   9 18 856
fdf4fc3344e67ab068f836878b6c4951e3b15f3d commit 177 122 627
chain length = 1: 1 object
pack-7a16e4488ae40c7d2bc56ea2bd43e25212a66c45.pack: ok

如果你還記得的話,9bc1d 這個 blob 是 repo.rb 文件的第一個版本，這個 blob 引用了05408 這個 blob，即該文件的第二個版本。命令輸出內(nèi)容的第三列顯示的是對象大小，可以看到 05408占用了 12K 空間，而 9bc1d 僅為 7 字節(jié)。非常有趣的是第二個版本才是完整保存文件內(nèi)容的對象，而第一個版本是以差異方式保存的 ── 這是因?yàn)榇蟛糠智闆r下需要快速訪問文件的最新版本。

最妙的是可以隨時進(jìn)行重新打包。Git 自動定期對倉庫進(jìn)行重新打包以節(jié)省空間。當(dāng)然也可以手工運(yùn)行 git gc 命令來這么做。