共计 10033 个字符，预计需要花费 26 分钟才能阅读完成。
简介： 通过一直地迭代，现在 Git 的性能越来越欠缺和弱小。然而 Git 的第一个提交源码仅约 1000 行，过后的 Git 实现了哪些性能？本文将从源码开始，剖析其核心思想，开掘背地优良的设计原理。
前言
Git 是目前世界上被最宽泛应用的古代软件版本管理系统（Version Control System）。Git 自身亦是一个成熟并处于沉闷开发状态的开源我的项目，明天惊人数量的软件我的项目依赖 Git 进行版本治理，这些我的项目包含开源以及各种商业软件。Git 在职业软件开发者中领有良好的名誉，Git 目前反对绝大多数的操作系统以及 IDE（Integrated Development Environments）。
Git 最后是由 Linux 操作系统内核的创造者 Linus Torvalds 在 2005 年发明，Git 第一个可用版本是 Linus 花了两周工夫用 C 写进去的。Git 第一个版本就实现了 Git 源码自托管，一个月之内，Linux 零碎的源码也曾经由 Git 治理了！
Git 的第一个提交源码仅有约 1000 行，然而曾经实现了 Git 的根本设计原理，比方初始化仓库、提交代码、查看代码 diff、读取提交信息等，Git 定义了三个区：工作区（workspace）、暂存区（index）、版本库（commit history），也实现了三类重要的 Git 对象：blob、tree、commit。本文将从源码上剖析 Git 的第一个提交并开掘背地优良的设计原理。
编译
获取源码
在 Github 上能够找到 Git 的仓库镜像：
https://github.com/git/git.git
# 获取 git 源码
$ git clone https://github.com/git/git.git
# 查看第一个提交
$ git log --date-order --reverse
commit e83c5163316f89bfbde7d9ab23ca2e25604af290
Author: Linus Torvalds <torvalds@ppc970.osdl.org>
Date: Thu Apr 7 15:13:13 2005 -0700
Initial revision of "git", the information manager from hell
# 变更为第一个提交，指定 commit-id
$ git reset --hard e83c5163316f89bfbde7d9ab23ca2e25604af290文件构造
$ tree -h
.
├── [2.4K] cache.h
├── [503] cat-file.c # 查看 objects 文件
├── [4.0K] commit-tree.c # 提交 tree
├── [1.2K] init-db.c # 初始化仓库
├── [970] Makefile
├── [5.5K] read-cache.c # 读取以后索引文件内容
├── [8.2K] README
├── [986] read-tree.c # 读取 tree
├── [2.0K] show-diff.c # 查看 diff 内容
├── [5.3K] update-cache.c # 增加文件或目录
└── [1.4K] write-tree.c # 写入到 tree
# 统计代码行数，总共 1089 行
$ find . "(" -name "*.c" -or -name "*.h" -or -name "Makefile" ")" -print | xargs wc -l
...
1089 total编译
编译第一个提交的 Git 会有编译问题，须要更改 Makefile 增加相干的依赖库：
$ git diff ./Makefile
...
-LIBS= -lssl
+LIBS= -lssl -lz -lcrypto
...编译：
# 编译
$ make只反对在 linux 平台上编译运行。
源码剖析
Write programs that do one thing and do it well.
——Unix philosophy
查看编译生成的可执行文件，总共有 7 个：
命令应用过程：
init-db：初始化仓库
命令阐明
$ init-db运行流程
创立目录：.dircache。创立目录：.dircache/objects。在 .dircache/objects 中创立了从 00 ~ ff 共 256 个目录。.dircache/ 是 Git 的工作目录，最新版本的 Git 工作目录为 .git/。运行示例
# 运行 init-db 初始化仓库
$ init-db
defaulting to private storage area
# 查看初始化后的目录构造
$ tree . -a
.
└── .dircache # git 工作目录
└── objects # objects 文件
├── 00
├── 01
├── 02
├── ...... # 省略
├── fe
└── ff
258 directories, 0 files最新版本 Git 应用 git init . 初始化仓库，而且初始化工作目录为 .git/，初始化后，.git/ 目录中的文件和性能也十分丰盛，包含 .git/HEAD、.git/refs/、.git/info/ 等，以及很多的 hooks 示例：.git/hooks/**.sample。
update-cache：增加文件或目录
update-cache 次要是把工作区的批改文件提交到暂存区。工作区、暂存区等阐明见下文【设计原理】。
命令应用
$ update-cache <file> ...运行流程
读取并解析索引文件：.dircache/index。
遍历多个文件，读取并生成变更文件信息（文件名称、文件内容 sha1 值、日期、大小等），写入到索引文件中。
遍历多个文件，读取并压缩变更文件，存储到 objects 文件中，该文件为 blob 对象。
如果是刚初始化的仓库，会主动创立索引文件。索引文件阐明见下文【设计原理 – 索引文件】。blob 对象的文件格式及阐明见下文【设计原理 – blob 对象】。sha1 值阐明见下文【设计原理 – 哈希算法】。
运行示例
# 新增 README.md 文件
$ echo "hello git" > README.md
# 提交
$ update-cache README.md
# 查看索引文件
$ hexdump -C .dircache/index
00000000 43 52 49 44 01 00 00 00 01 00 00 00 af a4 fc 8e |CRID............|
00000010 5e 34 9d dd 31 8b 4c 8e 15 ca 32 05 5a e9 a4 c8 |^4..1.L...2.Z...|
00000020 af bd 4c 5f bf fb 41 37 af bd 4c 5f bf fb 41 37 |..L_..A7..L_..A7|
00000030 00 03 01 00 91 16 d2 04 b4 81 00 00 ee 03 00 00 |................|
00000040 ee 03 00 00 0a 00 00 00 bb 12 25 52 ab 7b 40 20 |..........%R.{@ |
00000050 b5 f6 12 cc 3b bd d5 b4 3d 1f d3 a8 09 00 52 45 |....;...=.....RE|
00000060 41 44 4d 45 2e 6d 64 00 |ADME.md.|
00000068
# 查看 objects 内容，sha1 值从索引文件中获取
$ cat-file bb122552ab7b4020b5f612cc3bbdd5b43d1fd3a8
temp_git_file_61uTTP: blob
$ cat ./temp_git_file_RwpU8b
hello git cat-file：查看 objects 文件内容
cat-file 依据 sha1 值查看暂存区中的 objects 文件内容。cat-file 是一个辅助工具，在失常的开发工作流中个别不会应用到。
命令应用
$ cat-file <sha1>运行流程
依据入参 sha1 值定位 objects 文件，比方 .dircache/objects/46/4b392e2c8c7d2d13d90e6916e6d41defe8bb6a
读取该 objects 文件内容，解压失去实在数据。
写入到临时文件 temp_git_file_XXXXXX（随机不反复文件）。
objects 内容为压缩格局，基于 zlib 压缩算法，objects 阐明见【设计原理 – objects 文件】。
运行示例
# cat-file 会把内容读取到 temp_git_file_rLcGKX
$ cat-file 82f8604c3652fa5762899b5ff73eb37bef2da795
temp_git_file_tBTXFM: blob
# 查看 temp_git_file_tBTXFM 文件内容
$ cat ./temp_git_file_tBTXFM
hello git!show-diff：查看 diff 内容
查看工作区和暂存区中的文件差别。
命令应用
$ show-diff运行流程
读取并解析索引文件：.dircache/index。
循环遍历变更文件信息，比拟工作区中的文件信息和索引文件中记录的文件信息差别。
无差别，显示 : ok。
有差别，调用 diff 命令输入差别内容。
运行示例
# 创立文件并提交到暂存区
$ echo "hello git!" > README.md
$ update-cache README.md
# 以后无差别
$ show-diff
README.md: ok
# 更改 README.md
$ echo "hello world!" > README.md
# 查看 diff
$ show-diff
README.md: 82f8604c3652fa5762899b5ff73eb37bef2da795
--- - 2020-08-31 17:33:50.047881667 +0800
+++ README.md 2020-08-31 17:33:47.827740680 +0800
@@ -1 +1 @@
-hello git!
+hello world! write-tree：写入到 tree
write-tree 作用将保留在索引文件中的多个 objects 对象归并到一个类型为 tree 的 objects 文件中，该文件即 Git 中重要的对象：tree。
命令应用
$ write-tree运行流程
读取并解析索引文件：.dircache/index。
循环遍历变更文件信息，依照指定格局编排变更文件信息及内容。
压缩并存储到 objects 文件中，该 object 文件为 tree 对象。
tree 对象的文件格式及相干阐明见下文【设计原理 – tree 对象】。
运行示例
# 提交
$ write-tree
c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
# 查看 objects 内容
$ cat-file c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
temp_git_file_r90ft5: tree
$ cat ./temp_git_file_r90ft5
100664 README.md��`L6R�Wb��_�>�{�-��read-tree：读取 tree
read-tree 读取并解析指定 sha1 值的 tree 对象，输入变更文件的信息。
命令应用
$ read-tree <sha1>运行步骤
解析 sha1 值。
读取对应 sha1 值的 object 对象。
输入变更文件的属性、门路、sha1 值。
运行示例
# 提交
$ write-tree
c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
# 读取 tree 对象
$ read-tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
100664 README.md (82f8604c3652fa5762899b5ff73eb37bef2da795)commit-tree：提交 tree
commit-tree 把本地变更提交到版本库里，具体是基于一个 tree 对象的 sha1 值创立一个 commit 对象。
命令应用
$ commit-tree <sha1> [-p <sha1>]* < changelog运行流程
参数解析。
获取用户名称、用户邮件、提交日期。
写入 tree 信息。
写入 parent 信息。
写入 author、commiter 信息。
写入 comments（正文）。
压缩并存储到 objects 文件中，该 object 文件为 commit 对象。
commit 对象的文件格式及阐明见下文【设计原理 – commit 对象】。
运行示例
# 写入到 tree
$ write-tree
c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
# 提交 tree
$ echo "first commit" > changelog
$ commit-tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 < changelog
Committing initial tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
7ea820bd363e24f5daa5de8028d77d88260503d9
# 查看 commit 对象内容
$ cat-file 7ea820bd363e24f5daa5de8028d77d88260503d9
temp_git_file_CIfJsg: commit
$ cat temp_git_file_CIfJsg
tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
author Xiaowen Xia <chenan.xxw@aos-hw09> Tue Sep 1 10:56:16 2020
committer Xiaowen Xia <chenan.xxw@aos-hw09> Tue Sep 1 10:56:16 2020
first commit设计原理
Write programs to work together.
——Unix philosophy
与传统的集中式版本控制系统（CVCS）相同，Git 从一开始就设计成了去中心化的分布式系统，每个开发者本地工作区都是一个残缺的版本库，领有本地的代码仓库。另外，Git 的设计初衷是为了让更多的开发者一起开发软件。
该版本 Git 定义了三种对象：
blob 对象：保留着文件快照。
tree 对象：记录着目录构造和 blob 对象索引。
commit 对象：蕴含着指向前述 tree 对象的指针和所有提交信息。
三种对象相互之间的关系如下：
另外，Git 也定义了三个区，工作区（workspace），暂存区（index）和版本库（commit history）：
- 工作区（workspace）：咱们间接批改代码的中央。
- 暂存区（index）：数据临时寄存的区域，用于在工作区和版本库之间进行数据交换。
- 版本库（commit history）：寄存曾经提交的数据。
每个可执行文件的具体分工是：init-db 用来创立一个初始化仓库，update-cache 会将 工作区 的变更写到 索引文件（index）中，write-tree 会将之前的所有变更整顿成 tree 对象，commit-tree 会将 指定的 tree 对象写到本地版本库中。另外，show-diff 用来查看 工作区 和 暂存区 中的文件差别，read-tree 用来读取 tree 对象 的信息。
由此能够绘制一个简略的 Git 开发工作流：
objects 文件
objects 文件是载体，用来存储 Git 中的 3 个重要对象：blob、tree、commit。
objects 文件的存储目录默认为.dircache/objects，也能够通过环境变量：SHA1_FILE_DIRECTORY 指定。文件门路和名称依据 sha1 值决定，取 sha1 值的第一个字节的 hex 值为目录，其余字节的 hex 值为名称，比方 sha1 值为：
0277ec89d7ba8c46a16d86f219b21cfe09a611e1
的对象文件存储门路为：
.dircache/objects/02/77ec89d7ba8c46a16d86f219b21cfe09a611e1
为了节约存储，同时也能存储多个信息，objects 文件内容都是通过 zlib 压缩过的。objects 文件的格局由 + + < 要存储的内容 > 组成，其中 能够是 ”blob”（blob 对象）、”tree”（tree 对象）、”commit”（commit 对象）。
应用 cat-file 能够查看 object 文件是什么类型的对象。
.dircache/objects 目录构造如下：
$ tree .git/objects
.git/objects
├── 02
│ └── 77ec89d7ba8c46a16d86f219b21cfe09a611e1
├── ...... # 省略
├── be
│ ├── adb5bac00c74c97da7f471905ab0da8b50229c
│ └── ee7b5e8ab6ae1c0c1f3cfa2c4643aacdb30b9b
├── ...... # 省略
├── c9
│ └── f6098f3ba06cf96e1248e9f39270883ba0e82e
├── ...... # 省略
├── cf
│ ├── 631abbf3c4cec0911cb60cc307f3dce4f7a000
│ └── 9e478ab3fc98680684cc7090e84644363a4054
├── ...... # 省略
└── ff问：为什么 .dircache/objects/ 目录上面要以 sha1 值前一个字节的 hex 值作为子目录？
blob 对象
运行 update-cache 会生成 blob 对象。
blob 对象用于存储变更文件内容，其实就代表一个变更文件快照。blob 对象由 + + 拼装并压缩：
应用 cat-file 查看 blob 对象内容：
# 查看 blob 对象内容
$ cat-file 82f8604c3652fa5762899b5ff73eb37bef2da795temp_git_file_tBTXFM: blob
$ cat ./temp_git_file_tBTXFM
hello git!tree 对象
运行 write-tree 会生成 tree 对象。
tree 对象用于存储多个提交文件的信息。tree 对象由 + + 文件模式 + 文件名称 + 文件 sha1 值 拼装并压缩：
文件 sha1 值 应用 binary 格局存储，占用 20 字节。
应用 cat-file 查看 tree 对象内容：
# 查看 tree 对象内容
$ cat-file c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
temp_git_file_r90ft5: tree
$ cat ./temp_git_file_r90ft5
100664 README.md��`L6R�Wb��_�>�{�-��文件 sha1 值 应用 binary 格局存储，所以打印的时候会有乱码。
commit 对象
运行 commit-tree 会生成 commit 对象。
commit 对象存储一次提交的信息，包含所在的 tree 信息，parent 信息以及提交的作者等信息。commit 对象由 + + + * + + + 拼装并压缩：
tree sha1 值 和 parent sha1 值 应用 hex 字符串格局存储，占用 40 字节。
应用 cat-file 查看 commit 对象内容：
# 查看 commit 对象内容
$ cat-file 7ea820bd363e24f5daa5de8028d77d88260503d9
temp_git_file_CIfJsg: commit
$ cat temp_git_file_CIfJsg
tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72
author Xiaowen Xia <chenan.xxw@aos-hw09> Tue Sep 1 10:56:16 2020
committer Xiaowen Xia <chenan.xxw@aos-hw09> Tue Sep 1 10:56:16 2020
first commit索引文件
索引文件默认门路为：.dircache/index。索引文件用来存储变更文件的相干信息，当运行 update-cache 时会增加变更文件的信息到索引文件中。
同时也有一个叫 .dircache/index.lock 的文件，该文件存在时示意当前工作区被锁定，无奈进行提交操作。
应用 hexdump 命令能够查看到索引文件内容：
$ hexdump -C .dircache/index
00000000 43 52 49 44 01 00 00 00 01 00 00 00 ae 73 c4 f2 |CRID.........s..|
00000010 ce 32 c9 6f 13 20 0d 56 9c e8 cf 0d d3 75 10 c8 |.2.o. .V.....u..|
00000020 94 ad 4c 5f f4 5c 42 06 94 ad 4c 5f f4 5c 42 06 |..L_.B...L_.B.|
00000030 00 03 01 00 91 16 d2 04 b4 81 00 00 ee 03 00 00 |................|
00000040 ee 03 00 00 0b 00 00 00 a3 f4 a0 66 c5 46 39 78 |...........f.F9x|
00000050 1e 30 19 a3 20 42 e3 82 84 ee 31 54 09 00 52 45 |.0.. B....1T..RE|
00000060 41 44 4d 45 2e 6d 64 00 |ADME.md.|.dircache/index 索引文件应用二进制存储相干内容，该文件由 文件头 + 变更文件信息 组成：
文件头大小为 32 字节，一个变更文件信息大小至多是 63 字节。其中：文件头中的 sha1 值由整个索引文件内容（文件头 + 变更文件信息）计算失去的。变更文件信息的 sha1 值由变更文件内容（压缩后）计算失去的。
哈希算法
该 Git 版本中应用的哈希算法为 sha1 算法，代码中应用的是 OpenSSL 库中提供的 sha1 算法。
目前 Git 曾经有了新的抉择：sha256 算法，且目前正在做 sha1 到 sha256 的迁徙。
#include <openssl/sha.h>
static int verify_hdr(struct cache_header *hdr, unsigned long size)
{
SHA_CTX c;
unsigned char sha1[20];
/* 省略 */
/* 计算索引文件头 sha1 值 */
SHA1_Init(&c);
SHA1_Update(&c, hdr, offsetof(struct cache_header, sha1));
SHA1_Update(&c, hdr+1, size - sizeof(*hdr));
SHA1_Final(sha1, &c);
/* 省略 */
return 0;
} 总结与思考
Use software leverage to your advantage.
——Unix philosophy
好的代码不是写进去的，是改进去的
Git 的第一个提交中，尽管实现了 Git 的分布式核心思想，以及三种对象，三个区等外围概念，然而 Git 的灵魂性能比方分支策略、近程仓库、日志零碎、git hooks 等性能都是前面逐渐迭代进去的。
对于细节
问：为什么 .dircache/objects/ 目录上面要以 sha1 值前一个字节的 hex 值作为子目录？
答：ext3 文件系统下，一个目录下只能有 32000 个一级子文件，如果都把 objects 文件存储到一个 .git/objects/ 目录里，很大概率会达到下限。同时要是一个目录下体面文件太多，那文件查找效率会升高很多。
对于代码品质
Git 的第一次提交源码，从代码品质、数据结构上看其实并没有多少参考价值，反而我还发现了很多能够优化的中央，比方：
- 异样解决不欠缺，经常出现段谬误（SegmentFault）。
- 存在几处内存透露的中央，比方 write-tree.c > main 函数 > buffer 内存块。
- 从索引文件中读取到的变更文件信息应用数组存储，波及到了比拟多的申请开释操作，性能上是有损失的，能够优化成链表存储。
不过这些都不重要，重要的是 Git 的设计原理和思维。
招聘
如果你是一个懂代码，爱 Git，有技术幻想的工程师，并想要和咱们一起打造世界 NO.1 的代码服务和产品，请分割我吧！C/C++/Golang/Java 咱们都要 (=´∀`)人(´∀`=)
If not now, when? If not me, who?
欢送投递简历到邮箱：chenan.xxw@alibaba-inc.com
参考资料
Git 官方网站：https://git-scm.com
Git 官网文档核心：https://git-scm.com/doc
Git 官网的 Git 底层原理介绍：Git Internals – Git Objects
zlib 官方网站：http://zlib.net
浅析 Git 存储—对象、打包文件及打包文件索引
(https://www.jianshu.com/p/923bf0485995))
深刻了解 Git – 所有皆 commit
(https://www.cnblogs.com/jasongrass/p/10582449.html))
深刻了解 Git – Git 底层对象(https://www.cnblogs.com/jasongrass/p/10582465.html))
