以這個(gè)博客為例，其文件存儲(chǔ)在一個(gè) Git 倉(cāng)庫(kù)中，其中有一個(gè)文件名為 content/post/2019-06-28-brag-doc.markdown。這個(gè)文件在我的 .git 文件夾中具體的位置在哪里？過去的文件版本又被存儲(chǔ)在哪里？那么，就讓我們通過編寫一些簡(jiǎn)短的 Python 代碼來探尋答案吧。

Git 把文件存儲(chǔ)在 .git/objects 之中

你的倉(cāng)庫(kù)中，每一個(gè)文件的歷史版本都被儲(chǔ)存在 .git/objects 中。比如，對(duì)于這個(gè)博客，.git/objects 包含了 2700 多個(gè)文件。

$ find .git/objects/ -type f | wc -l
2761

注意：.git/objects 包含的信息，不僅僅是 “倉(cāng)庫(kù)中每一個(gè)文件的所有先前版本”，但我們暫不詳細(xì)討論這一內(nèi)容。

這里是一個(gè)簡(jiǎn)短的 Python 程序（find-git-object.py），它可以幫助我們定位在 .git/objects 中的特定文件的具體位置。

import hashlib
import sys
def object_path(content):
    header = f"blob {len(content)}\0"
    data = header.encode() + content
    sha1 = hashlib.sha1()
    sha1.update(data)
    digest = sha1.hexdigest()
    return f".git/objects/{digest[:2]}/{digest[2:]}"
with open(sys.argv[1], "rb") as f:
    print(object_path(f.read()))

此程序的主要操作如下：

• 讀取文件內(nèi)容
• 計(jì)算一個(gè)頭部（blob 16673\0），并將其與文件內(nèi)容合并
• 計(jì)算出文件的 sha1 校驗(yàn)和（此處為 e33121a9af82dd99d6d706d037204251d41d54）
• 將這個(gè) sha1 校驗(yàn)和轉(zhuǎn)換為路徑（如 .git/objects/e3/3121a9af82dd99d6d706d037204251d41d54）

運(yùn)行的方法如下：

$ python3 find-git-object.py content/post/2019-06-28-brag-doc.markdown
.git/objects/8a/e33121a9af82dd99d6d706d037204251d41d54

術(shù)語解釋：“內(nèi)容尋址存儲(chǔ)”

這種存儲(chǔ)策略的術(shù)語為“內(nèi)容尋址存儲(chǔ)content addressed storage”，它指的是對(duì)象在數(shù)據(jù)庫(kù)中的文件名與文件內(nèi)容的哈希值相同。

內(nèi)容尋址存儲(chǔ)的有趣之處就是，假設(shè)我有兩份或許多份內(nèi)容完全相同的文件，在 Git 的數(shù)據(jù)庫(kù)中，并不會(huì)因此占用額外空間。如果內(nèi)容的哈希值是 aabbbbbbbbbbbbbbbbbbbbbbbbb，它們都會(huì)被存儲(chǔ)在 .git/objects/aa/bbbbbbbbbbbbbbbbbbbbb 中。

這些對(duì)象是如何進(jìn)行編碼的？

如果我嘗試在 .git/objects 目錄下查看這個(gè)文件，顯示的內(nèi)容似乎有一些奇怪：

$ cat .git/objects/8a/e33121a9af82dd99d6d706d037204251d41d54
x^A<8D><9B>}s<E3>?<C6><EF>o|<8A>^Q<9D><EC>ju<92><E8><DD><9C><9C>*<89>j<FD>^...

這是怎么回事呢？讓我們來運(yùn)行 file 命令檢查一下：

$ file .git/objects/8a/e33121a9af82dd99d6d706d037204251d41d54
.git/objects/8a/e33121a9af82dd99d6d706d037204251d41d54: zlib compressed data

原來，它是壓縮的！我們可以編寫一個(gè)小巧的 Python 程序—— decompress.py，然后用 zlib 模塊去解壓這些數(shù)據(jù)：

import zlib
import sys
with open(sys.argv[1], "rb") as f:
    content = f.read()
    print(zlib.decompress(content).decode())

讓我們來解壓一下看看結(jié)果：

$ python3 decompress.py .git/objects/8a/e33121a9af82dd99d6d706d037204251d41d54
blob 16673---
title: "Get your work recognized: write a brag document"
date: 2019-06-28T18:46:02Z
url: /blog/brag-documents/
categories: []
---
... the entire blog post ...

結(jié)果顯示，這些數(shù)據(jù)的編碼方式非常簡(jiǎn)單：首先有 blob 16673\0 標(biāo)識(shí)，其后就是文件的全部?jī)?nèi)容。

這里并沒有差異性數(shù)據(jù)（diff）

這里有一件我第一次知道時(shí)讓我感到驚訝的事：這里并沒有任何差異性數(shù)據(jù)！那個(gè)文件是該篇博客文章的第 9 個(gè)版本，但 Git 在 .git/objects 目錄中存儲(chǔ)的版本是完整文件內(nèi)容，而并非與前一版本的差異。

盡管 Git 實(shí)際上有時(shí)候會(huì)以差異性數(shù)據(jù)存儲(chǔ)文件（例如，當(dāng)你運(yùn)行 git gc 時(shí)，為了提升效率，它可能會(huì)將多個(gè)不同的文件封裝成 “打包文件”），但在我個(gè)人經(jīng)驗(yàn)中，我從未需要關(guān)注這個(gè)細(xì)節(jié)，所以我們不在此深入討論。然而，關(guān)于這種格式如何工作，Aditya Mukerjee 有篇優(yōu)秀的文章 《拆解 Git 的打包文件》。

博客文章的舊版本在哪？

你可能會(huì)好奇：如果在我修復(fù)了一些錯(cuò)別字之前，這篇博文已經(jīng)存在了 8 個(gè)版本，那它們?cè)?nbsp;.git/objects 目錄中的位置是哪里？我們?nèi)绾握业剿鼈兡兀?/p>

首先，我們來使用 git log 命令來查找改動(dòng)過這個(gè)文件的每一個(gè)提交：

$ git log --oneline  content/post/2019-06-28-brag-doc.markdown
c6d4db2d
423cd76a
7e91d7d0
f105905a
b6d23643
998a46dd
67a26b04
d9999f17
026c0f52
72442b67

然后，我們選擇一個(gè)之前的提交，比如 026c0f52。提交也被存儲(chǔ)在 .git/objects 中，我們可以嘗試在那里找到它。但是失敗了！因?yàn)?nbsp;ls .git/objects/02/6c* 沒有顯示任何內(nèi)容！如果有人告訴你，“我們知道有時(shí) Git 會(huì)打包對(duì)象來節(jié)省空間，我們并不需過多關(guān)心它”，但現(xiàn)在，我們需要去面對(duì)這個(gè)問題了。

那就讓我們?nèi)ソ鉀Q它吧。

讓我們開始解包一些對(duì)象

現(xiàn)在我們需要從打包文件中解包出一些對(duì)象。我在 Stack Overflow 上查找了一下，看起來我們可以這樣進(jìn)行操作：

$ mv .git/objects/pack/pack-adeb3c14576443e593a3161e7e1b202faba73f54.pack .
$ git unpack-objects < pack-adeb3c14576443e593a3161e7e1b202faba73f54.pack

這種直接對(duì)庫(kù)進(jìn)行手術(shù)式的做法讓人有些緊張，但如果我誤操作了，我還可以從 Github 上重新克隆這個(gè)庫(kù)，所以我并不太擔(dān)心。

解包所有的對(duì)象文件后，我們得到了更多的對(duì)象：大約有 20000 個(gè)，而不是原來的大約 2700 個(gè)?？雌饋砗芸?。

find .git/objects/ -type f | wc -l
20138

我們回頭再看看提交

現(xiàn)在我們可以繼續(xù)看看我們的提交 026c0f52。我們之前說過 .git/objects 中并不都是文件，其中一部分是提交！為了弄清楚我們的舊文章 content/post/2019-06-28-brag-doc.markdown 是在哪里被保存的，我們需要深入查看這個(gè)提交。

首先，我們需要在 .git/objects 中查看這個(gè)提交。

查看提交的第一步：找到提交

經(jīng)過解包后，我們現(xiàn)在可以在 .git/objects/02/6c0f5208c5ea10608afc9252c4a56c1ac1d7e4 中找到提交 026c0f52，我們可以用下面的方法去查看它：

$ python3 decompress.py .git/objects/02/6c0f5208c5ea10608afc9252c4a56c1ac1d7e4
commit 211tree 01832a9109ab738dac78ee4e95024c74b9b71c27
parent 72442b67590ae1fcbfe05883a351d822454e3826
author Julia Evans <julia@jvns.ca> 1561998673 -0400
committer Julia Evans <julia@jvns.ca> 1561998673 -0400
brag doc

我們也可以用 git cat-file -p 026c0f52 命令來獲取相同的信息，這個(gè)命令能起到相同的作用，但是它在格式化數(shù)據(jù)時(shí)做得更好一些。（-p 選項(xiàng)意味著它能夠以更友好的方式進(jìn)行格式化）

查看提交的第二步：找到樹

這個(gè)提交包含一個(gè)樹。樹是什么呢？讓我們看一下。樹的 ID 是 01832a9109ab738dac78ee4e95024c74b9b71c27，我們可以使用先前的 decompress.py 腳本查看這個(gè) Git 對(duì)象，盡管我不得不移除 .decode() 才能避免腳本崩潰。

$ python3 decompress.py .git/objects/01/832a9109ab738dac78ee4e95024c74b9b71c27

這個(gè)輸出的格式有些難以閱讀。主要的問題在于，該提交的哈希（\xc3\xf7$8\x9b\x8dO\x19/\x18\xb7}|\xc7\xce\x8e…）是原始字節(jié)，而沒有進(jìn)行十六進(jìn)制的編碼，因此我們看到 \xc3\xf7$8\x9b\x8d 而非 c3f76024389b8d。我打算切換至 git cat-file -p 命令，它能以更友好的方式顯示數(shù)據(jù)，我不想自己編寫一個(gè)解析器。

$ git cat-file -p 01832a9109ab738dac78ee4e95024c74b9b71c27
100644 blob c3f76024389b8d4f192f18b77d7cc7ce8e3a68ad	.gitignore
100644 blob 7ebaecb311a05e1ca9a43f1eb90f1c6647960bc1	README.md
100644 blob 0f21dc9bf1a73afc89634bac586271384e24b2c9	Rakefile
100644 blob 00b9d54abd71119737d33ee5d29d81ebdcea5a37	config.yaml
040000 tree 61ad34108a327a163cdd66fa1a86342dcef4518e	content <-- 這是我們接下來的目標(biāo)
040000 tree 6d8543e9eeba67748ded7b5f88b781016200db6f	layouts
100644 blob 22a321a88157293c81e4ddcfef4844c6c698c26f	mystery.rb
040000 tree 8157dc84a37fca4cb13e1257f37a7dd35cfe391e	scripts
040000 tree 84fe9c4cb9cef83e78e90a7fbf33a9a799d7be60	static
040000 tree 34fd3aa2625ba784bced4a95db6154806ae1d9ee	themes

這是我在這次提交時(shí)庫(kù)的根目錄中所有的文件?？雌饋砦以?jīng)不小心提交了一個(gè)名為 mystery.rb 的文件，后來我刪除了它。

我們的文件在 content 目錄中，接下來讓我們看看那個(gè)樹：61ad34108a327a163cdd66fa1a86342dcef4518e

查看提交的第三步：又一棵樹

$ git cat-file -p 61ad34108a327a163cdd66fa1a86342dcef4518e
040000 tree 1168078878f9d500ea4e7462a9cd29cbdf4f9a56    about
100644 blob e06d03f28d58982a5b8282a61c4d3cd5ca793005    newsletter.markdown
040000 tree 1f94b8103ca9b6714614614ed79254feb1d9676c    post <-- 我們接下來的目標(biāo)！
100644 blob 2d7d22581e64ef9077455d834d18c209a8f05302    profiler-project.markdown
040000 tree 06bd3cee1ed46cf403d9d5a201232af5697527bb    projects
040000 tree 65e9357973f0cc60bedaa511489a9c2eeab73c29    talks
040000 tree 8a9d561d536b955209def58f5255fc7fe9523efd    zines

還未結(jié)束……

查看提交的第四步：更多的樹……

我們要尋找的文件位于 post/ 目錄，因此我們需要進(jìn)一步探索：

$ git cat-file -p 1f94b8103ca9b6714614614ed79254feb1d9676c
.... 省略了大量行 ...
100644 blob 170da7b0e607c4fd6fb4e921d76307397ab89c1e    2019-02-17-organizing-this-blog-into-categories.markdown
100644 blob 7d4f27e9804e3dc80ab3a3912b4f1c890c4d2432    2019-03-15-new-zine--bite-size-networking-.markdown
100644 blob 0d1b9fbc7896e47da6166e9386347f9ff58856aa    2019-03-26-what-are-monoidal-categories.markdown
100644 blob d6949755c3dadbc6fcbdd20cc0d919809d754e56    2019-06-23-a-few-debugging-resources.markdown
100644 blob 3105bdd067f7db16436d2ea85463755c8a772046    2019-06-28-brag-doc.markdown <-- 我們找到了?。?！

在此，2019-06-28-brag-doc.markdown 之所以位于列表最后，是因?yàn)樵诎l(fā)布時(shí)它是最新的博文。

查看提交的第五步：我們終于找到它！

經(jīng)過努力，我們找到了博文歷史版本所在的對(duì)象文件！太棒了！它的哈希值是 3105bdd067f7db16436d2ea85463755c8a772046，因此它位于 git/objects/31/05bdd067f7db16436d2ea85463755c8a772046。

我們可以使用 decompress.py 來查看它：

$ python3 decompress.py .git/objects/31/05bdd067f7db16436d2ea85463755c8a772046 | head
blob 15924---
title: "Get your work recognized: write a brag document"
date: 2019-06-28T18:46:02Z
url: /blog/brag-documents/
categories: []
---
... 文件的剩余部分在此 ...

這就是博文的舊版本！如果我執(zhí)行命令 git checkout 026c0f52 content/post/2019-06-28-brag-doc.markdown 或者 git restore --source 026c0f52 content/post/2019-06-28-brag-doc.markdown，我就會(huì)獲取到這個(gè)版本。

這樣遍歷樹就是 git log 的運(yùn)行機(jī)制

我們剛剛經(jīng)歷的整個(gè)過程（找到提交、逐層遍歷目錄樹、搜索所需文件名）看似繁瑣，但實(shí)際上當(dāng)我們執(zhí)行 git log content/post/2019-06-28-brag-doc.markdown 時(shí)，背后就是這樣在運(yùn)行。它需要逐個(gè)檢查你歷史記錄中的每一個(gè)提交，在每個(gè)提交中核查 content/post/2019-06-28-brag-doc.markdown 的版本（例如在這個(gè)案例中為 3105bdd067f7db16436d2ea85463755c8a772046），并查看它是否自上一提交以來有所改變。

這就是為什么有時(shí) git log FILENAME 會(huì)執(zhí)行的有些緩慢 —— 我的這個(gè)倉(cāng)庫(kù)中有 3000 個(gè)提交，它需要對(duì)每個(gè)提交做大量的工作，來判斷該文件是否在該提交中發(fā)生過變化。

我有多少個(gè)歷史版本的文件？

目前，我在我的博客倉(cāng)庫(kù)中跟蹤了 1530 個(gè)文件：

$ git ls-files | wc -l
1530

但歷史文件有多少呢？我們可以列出 .git/objects 中所有的內(nèi)容，看看有多少對(duì)象文件：

$ find .git/objects/ -type f | grep -v pack | awk -F/ '{print $3 $4}' | wc -l
20135

但并不是所有這些都代表過去版本的文件 —— 正如我們之前所見，許多都是提交和目錄樹。不過，我們可以編寫一個(gè)小小的 Python 腳本 find-blobs.py，遍歷所有對(duì)象并檢查是否以 blob 開頭：

import zlib
import sys
for line in sys.stdin:
    line = line.strip()
    filename = f".git/objects/{line[0:2]}/{line[2:]}"
    with open(filename, "rb") as f:
        contents = zlib.decompress(f.read())
        if contents.startswith(b"blob"):
            print(line)

$ find .git/objects/ -type f | grep -v pack | awk -F/ '{print $3 $4}' | python3 find-blobs.py | wc -l
6713

于是，看起來在我的 Git 倉(cāng)庫(kù)中存放的舊文件版本有 6713 - 1530 = 5183 個(gè)，Git 會(huì)為我保存這些文件，以備我想著要恢復(fù)它們時(shí)使用。太好了！

就這些啦！

在 這個(gè) gist 中附上了全部的此篇文章所用代碼，其實(shí)沒多少。

我以為我已經(jīng)對(duì) Git 的工作方式了如指掌，但我以前從未真正涉及過打包文件，所以這次探索很有趣。我也很少思考當(dāng)我讓 git log 跟蹤一個(gè)文件的歷史時(shí)，它實(shí)際上有多大的工作量，因此也很開心能深入研究這個(gè)。

作為一個(gè)有趣的后續(xù)：我提交這篇博文后，Git 就警告我倉(cāng)庫(kù)中的對(duì)象太多（我猜 20,000 太多了?。⑦\(yùn)行 git gc 將它們?nèi)繅嚎s成打包文件。所以現(xiàn)在我的 .git/objects 目錄已經(jīng)被壓縮得十分小了：

$ find .git/objects/ -type f | wc -l
14

（題圖：MJ/319a396c-6f3f-4891-b051-261312c8ea9a）