Git 提交是差異、快照還是歷史記錄？
要明白 Git 提交是如何實現(xiàn)的對我來說相當簡單（這些都是確定的！我可以直接查看?。且宄e人是怎么看待提交的卻相當困難。所以，就像我最近一直在做的那樣，我在 Mastodon 上問了一些問題。
大家是怎么看待 Git 提交的？
我進行了一個 非常不科學(xué)的調(diào)查，詢問大家是怎么看待 Git 提交的：是快照、差異，還是所有之前提交的列表？（當然，把它看作這三者都是合理的，但我很好奇人們的 主要
結(jié)果是：
- 51% 差異
- 42% 快照
- 4% 所有之前的提交的歷史記錄
- 3% “其他”
我很驚訝差異和快照兩個選項的比例如此接近。人們還提出了一些有趣但相互矛盾的觀點，比如 “在我看來，提交是一個差異，但我認為它實際上是以快照的形式實現(xiàn)的” 和 “在我看來，提交是一個快照，但我認為它實際上是以差異的形式實現(xiàn)的”。關(guān)于提交的實際實現(xiàn)方式，我們稍后再詳談。
在我們進一步討論之前：我們的說 “一個差異” 或 “一個快照” 都是什么意思？
什么是差異？
我說的“差異”可能相當明顯：差異就是你在運行 git show COMMIT_ID 時得到的東西。例如，這是一個 rbspy 項目中的拼寫錯誤修復(fù)：
diff --git a/src/ui/summary.rs b/src/ui/summary.rs
index 5c4ff9c..3ce9b3b 100644
--- a/src/ui/summary.rs
+++ b/src/ui/summary.rs
@@ -160,7 +160,7 @@ mod tests {
";
let mut buf: Vec<u8> = Vec::new();
- stats.write(&mut buf).expect("Callgrind write failed");
+ stats.write(&mut buf).expect("summary write failed");
let actual = String::from_utf8(buf).expect("summary output not utf8");
assert_eq!(actual, expected, "Unexpected summary output");
}你可以在 GitHub 上看到它： https://github.com/rbspy/rbspy/commit/24ad81d2439f9e63dd91cc1126ca1bb5d3a4da5b
什么是快照？
我說的 “快照” 是指 “當你運行 git checkout COMMIT_ID 時得到的所有文件”。
Git 通常將提交的文件列表稱為 “樹”（如“目錄樹”），你可以在 GitHub 上看到上述提交的所有文件：
https://github.com/rbspy/rbspy/tree/24ad81d2439f9e63dd91cc1126ca1bb5d3a4da5b（它是 /tree/ 而不是 /commit/）
“Git 是如何實現(xiàn)的”真的是正確的解釋方式嗎？
我最常聽到的關(guān)于學(xué)習(xí) Git 的建議大概是 “只要學(xué)會 Git 在內(nèi)部是如何表示事物的，一切都會變得清晰明了”。我顯然非常喜歡這種觀點（如果你花了一些時間閱讀這個博客，你就會知道我 喜歡
但是作為一個學(xué)習(xí) Git 的方法，它并沒有我希望的那么成功！通常我會興奮地開始解釋 “好的，所以 Git 提交是一個快照，它有一個指向它的父提交的指針，然后一個分支是一個指向提交的指針，然后……”，但是我試圖幫助的人會告訴我，他們并沒有真正發(fā)現(xiàn)這個解釋有多有用，他們?nèi)匀徊幻靼?。所以我一直在考慮其他方案。
但是讓我們還是先談?wù)剝?nèi)部實現(xiàn)吧。
Git 是如何在內(nèi)部表示提交的 —— 快照
在內(nèi)部，Git 將提交表示為快照（它存儲每個文件當前版本的 “樹”）。我在 在一個 Git 倉庫中，你的文件在哪里？ 中寫過這個，但下面是一個非?？焖俚膬?nèi)部格式概述。
這是一個提交的表示方式：
$ git cat-file -p 24ad81d2439f9e63dd91cc1126ca1bb5d3a4da5b
tree e197a79bef523842c91ee06fa19a51446975ec35
parent 26707359cdf0c2db66eb1216bf7ff00eac782f65
author Adam Jensen <adam@acj.sh> 1672104452 -0500
committer Adam Jensen <adam@acj.sh> 1672104890 -0500
Fix typo in expectation message以及，當我們查看這個樹對象時，我們會看到這個提交中倉庫根目錄下每個文件/子目錄的列表：
$ git cat-file -p e197a79bef523842c91ee06fa19a51446975ec35
040000 tree 2fcc102acd27df8f24ddc3867b6756ac554b33ef .cargo
040000 tree 7714769e97c483edb052ea14e7500735c04713eb .github
100644 blob ebb410eb8266a8d6fbde8a9ffaf5db54a5fc979a .gitignore
100644 blob fa1edfb73ce93054fe32d4eb35a5c4bee68c5bf5 ARCHITECTURE.md
100644 blob 9c1883ee31f4fa8b6546a7226754cfc84ada5726 CODE_OF_CONDUCT.md
100644 blob 9fac1017cb65883554f821914fac3fb713008a34 CONTRIBUTORS.md
100644 blob b009175dbcbc186fb8066344c0e899c3104f43e5 Cargo.lock
100644 blob 94b87cd2940697288e4f18530c5933f3110b405b Cargo.toml這意味著檢出一個 Git 提交總是很快的：對 Git 來說，檢出昨天的提交和檢出 100 萬個提交之前的提交一樣容易。Git 永遠不需要重新應(yīng)用 10000 個差異來確定當前狀態(tài)，因為提交根本就不是以差異的形式存儲的。
快照使用 packfile 進行壓縮
我剛剛提到了 Git 提交是一個快照，但是，當有人說 “在我看來，提交是一個快照，但我認為它在實現(xiàn)上是一個差異” 時，這其實也是對的！Git 提交并不是以你可能習(xí)慣的差異的形式表示的（它們不是以與上一個提交的差異的形式存儲在磁盤上的），但基本的直覺是，如果你要對一個 10,000 行的文件編輯 500 次，那么存儲 500 份文件的效率會很低。
Git 有一個將文件以差異的形式存儲的方法。這被稱為 “packfile”，Git 會定期進行垃圾回收，將你的數(shù)據(jù)壓縮成 packfile 以節(jié)省磁盤空間。當你 git clone 一個倉庫時，Git 也會壓縮數(shù)據(jù)。
這里，我沒有足夠的篇幅來完整地解釋 packfile 是如何工作的（Aditya Mukerjee 的 《解壓 Git packfile》是我最喜歡的解釋它們是如何工作的文章）。不過，我可以在這里簡單總結(jié)一下我對 deltas 工作原理的理解，以及它們與 diff 的區(qū)別：
- 對象存儲為 “原始文件” 和一個 “變化量delta” 的引用
- 變化量是一系列例如 “讀取第 0 到 100 字節(jié)，然后插入字節(jié) ‘hello there’，然后讀取第 120 到 200 字節(jié)” 的指令。它從原始文件中拼湊出新的文本。所以沒有 “刪除” 的概念，只有復(fù)制和添加。
- 我認為變化量的層次較少：我不知道如何檢查 Git 究竟要經(jīng)過多少層變化量才能得到一個給定的對象，但我的印象是通常不會很多。可能少于 10 層？不過，我很想知道如何才能真正查出來。
- 原始文件不一定來自上一個提交，它可以是任何東西。也許它甚至可以來自一個更晚的提交？我不確定。
- 沒有一個 “正確的” 算法來計算變化量，Git 只是有一些近似的啟發(fā)式算法
當你查看差異時，實際上發(fā)生了一些奇怪的事情
當我們運行 git show SOME_COMMIT 來查看某個提交的差異時，實際上發(fā)生的事情有點反直覺。我的理解是：
- Git 會在 packfile 中查找并應(yīng)用變化量來重建該提交和其父提交的樹。
- Git 會對兩個目錄樹（當前提交的目錄樹和父提交的目錄樹）進行差異比較。通常這很快，因為幾乎所有的文件都是完全一樣的，所以 git 只需比較相同文件的哈希值就可以了，幾乎所有時候都不用做什么。
- 最后 Git 會展示差異
所以，Git 會將變化量轉(zhuǎn)換為快照，然后計算差異。它感覺有點奇怪，因為它從一個類似差異的東西開始，最終得到另一個類似差異的東西，但是變化量和差異實際上是完全不同的，所以這是說得通的。
也就是說，我認為 Git 將提交存儲為快照，而 packfile 只是一個實現(xiàn)細節(jié)，目的是節(jié)省磁盤空間并加快克隆速度。我其實從來沒必要知道 packfile 是如何工作的，但它確實能幫助我理解 Git 是如何在不占用太多磁盤空間的情況下將提交快照化的。
一個 “錯誤的” Git 理解：提交是差異
我認為一個相當常見的，對 Git 的 “錯誤” 的理解是：
- 提交是以基于上一個提交的差異的形式存儲的（加上指向父提交的指針和作者和消息）。
- 要獲取提交的當前狀態(tài)，Git 需要從頭開始重新應(yīng)用所有之前的提交。
這個理解當然是錯誤的（在現(xiàn)實中，提交是以快照的形式存儲的，差異是從這些快照計算出來的），但是對我來說它似乎非常有用而且有意義！在考慮合并提交時會有一點奇怪，但是或許我們可以說這只是基于合并提交的第一個父提交的差異。
我認為這個錯誤的理解有的時候非常有用，而且對于日常 Git 使用來說它似乎并沒有什么問題。我真的很喜歡它將我們最常使用的東西（差異）作為最基本的元素——它對我來說非常直觀。
我也一直在思考一些其他有用但 “錯誤” 的 Git 理解，比如：
- 提交信息可以被編輯（實際上不能，你只是復(fù)制了一個相同的提交然后給了它一個新的信息，舊的提交仍然存在）
- 提交可以被移動到一個不同的基礎(chǔ)上（類似地，它們是被復(fù)制了）
我認為有一系列非常有意義的、 “錯誤” 的對 Git 的理解，它們在很大程度上都受到 Git 用戶界面的支持，并且在大多數(shù)情況下都不會產(chǎn)生什么問題。但是當你想要撤銷一個更改或者出現(xiàn)問題時，它可能會變得混亂。
將提交視為差異的一些優(yōu)勢
就算我知道在 Git 中提交是快照，我可能大部分時間也都將它們視為差異，因為：
- 大多時候我都在關(guān)注我正在做的 更改 —— 如果我只是改變了一行代碼，顯然我主要是在考慮那一行代碼而不是整個代碼庫的當前狀態(tài)
- 點擊 GitHub 上的 Git 提交或者使用
git show時，你會看到差異，所以這只是我習(xí)慣看到的東西 - 我經(jīng)常使用變基，它就是關(guān)于重新應(yīng)用差異的
將提交視為快照的一些優(yōu)勢
但是我有時也會將提交視為快照，因為：
- Git 經(jīng)常對文件的移動感到困惑：有時我移動了一個文件并編輯了它，Git 無法識別它是否被移動過，而是顯示為 “刪除了 old.py，添加了 new.py”。這是因為 Git 只存儲快照，所以當它顯示 “移動 old.py -> new.py” 時，只是猜測，因為 old.py 和 new.py 的內(nèi)容相似。
- 這種方式更容易理解
git checkout COMMIT_ID在做什么（重新應(yīng)用 10000 個提交的想法讓我感到很有壓力） - 合并提交在我看來更像是快照，因為合并的提交實際上可以是任何東西（它只是一個新的快照?。Ｋ鼛椭依斫鉃槭裁丛诮鉀Q合并沖突時可以進行任意更改，以及為什么在解決沖突時要小心。
其他一些關(guān)于提交的理解
Mastodon 的一些回復(fù)中還提到了：
- 有關(guān)提交的 “額外的” 帶外信息，比如電子郵件、GitHub 拉取請求或者你和同事的對話
- 將“差異”視為一個“之前的狀態(tài) + 之后的狀態(tài)”
- 以及，當然，很多人根據(jù)情況的不同以不同的方式看待提交
人們在談?wù)撎峤粫r使用的其他一些詞可能不那么含糊：
- “修訂”（似乎更像是快照）
- “補丁”（看起來更像是差異）
就到這里吧！
我很難了解人們對 Git 有哪些不同的理解。尤其棘手的是，盡管 “錯誤” 的理解往往非常有用，但人們卻非常熱衷于警惕 “錯誤” 的心智模式，所以人們不愿意分享他們 “錯誤” 的想法，生怕有什么 Git 解釋者會站出來向他們解釋為什么他們是錯的。（這些 Git 解釋者通常是出于善意的，但是無論如何它都會產(chǎn)生一種負面影響）
但是我學(xué)到了很多！我仍然不完全清楚該如何談?wù)撎峤?，但是我們最終會弄清楚的。
感謝 Marco Rogers、Marie Flanagan 以及 Mastodon 上的所有人和我討論 Git 提交。
