今天我们从以下四个方面介绍Git：

• What is git

• Why is git so different

• How git stores data

• How branching/merging works for git

1. What is git?

Git是一个开源项目，它自己本身就在github上。Git是一个非常快速的，可扩展的，分布式版本控制（revision control）系统。Git是一个”stupid content tracker”（简单记录内容）。

它的command set非常多，有150多个，不仅有high-level的操作，还有到内部的full access。Git的command分为两种：Porcelain和Plumbing。前者包括很多我们常用的命令，如init, add, commit, branch，后者做一些low-level的工作，如hash-object, update-index, write-tree等。

版本控制（SCM）是指管理软件变化和配置的一个系统。包括管理什么变了以及谁变了它，常用于当有一个很大的版本系统，拥有很多文件并且修改文件人数很多的情况。Rollback是非常关键的事情！

上图第一行是没有版本控制时文件更改的状态，第二行是使用版本控制时的情况。

举一个写写冲突的例子。当A打开一个文件并做一些修改，B也打开同一文件，做修改并保存。A如何保存文件能保证不丢失B的修改。在Linux系统中，可以用diff和patch。SCM可以大大简化这些工作。

传统的SCM原理图如下：

所有代码存在Server端。Server端有一个data store，所有的历史都在data store里。所有人都作为Client，从data store里拿远程副本，一个snapshot。在本地更改完后commit上Server。Server端的data store保留原来的数据，并且将新数据改写为头部。在每次commit前，re-sync数据。

这种系统的不足之处在于，如果re-sync时，snapshot的版本不是Repo上最新的版本时，Server端可能丢失数据。因为commit前，所有改动都在Client端，就会出现Single point of failure。比如Client端remove了一个文件，如果文件有本地更改并且没有及时commit到Server，更改就会丢失。或者当Server有failure且没有备份，那么数据历史信息将丢失。同时有些操作需要连网，导致很慢，比如svn当你想看version history或者想去做svn diff（看本地更改的内容是什么）的时候，会需要联网。

下图是传统SCM的workflow：

2. Why git is different?

最大的不同在于Git是分布式的。

1) What does distributed even mean?

分布式在于不把所有数据存在同一地方。

下图是git的原理图：

不同于之前的方式，git在Client端也有database，可以认为是在本地的一个缓存。每个clone不是snapshot而是数据的全部备份。在最初的clone之后，几乎所有的操作都是本地的。

好处是没有Single point of failures。一是本地有database随时备份可以减少数据丢失。由于引入了local db和local commit的概念随时commit成为了可能。比如之前提到不小心rm了文件的情况，在git里面可以由本地的db回复。二是当Server出错时，可以把Client数据reset成Server数据。Git非常快，因为所有数据在本地都可以读取，减少带宽。Git是可扩展的，branch的数量可以非常多。

2) What is git’s Version Database?

Version Database本质上是一个文件系统（content addressable filesystem）。以key-value的形式存储数据。Key使用SHA-1 hash，有20 bytes，40 hex。Value是binary files，占用空间更小，包括三种：

（1）Commits：真正的 git commits。commit就是一个snapshot

（2）Trees：Directories（structure of file system）

（3）Blobs：content of files/data

3. How git stores data

下图是一个简单git使用流程：

第一个init新建一个repository。产生一个.git目录，这个目录结构如下图：

Git里一个重要的概念是Stage area。如下图所示：

Git在add的时候没有把文件加入repository，但是Blob已经存在了。文件只有在Staging area的时候，才能进行commit工作。Staging area是一个index文件。

下图是Git在commit时候的snapshot：

当commit时，project的根目录被hash成了一个tree。有我们创建的文件Hello.txt，它变成一个Blob。commit是整个snapshot的入口。

3) What is missing？

如何找到一个commit？Refs！

git HEAD指的是ref，它是一个file，file里存的是一个commit的hash。从hash可以找到commit。

index是一个线性的排序结构，按照文件夹目录名排序。而tree就是树状结构。commit的时候改变tree，不commit的时候tree没有变化。

当对代码进行更新并再进行一次commit时，如下图示：

4. How branching/merging works for git?

1）What is branch?

Branch只是一个41 byte大小的文件。新建一个branch时只有refs里的head增加了一个41 byte的文件，其他事情都没有发生。

2) What is happening on merge?

首先从master和另一个要merge的branch（比如feature）里找到共同的部分

接下来比较找到的两个commit，只需找到有变化的部分，改变真正的文件，同时考虑conflict的问题：

最后生成一个commit，这个commit有两个parent指针：

最后我们再回顾一下之前提到的那句话，现在会有更深刻的理解：

本文作者：Shaoke Xu， 更多精彩内容，欢迎访问官网 BitTiger.io 或关注 “论码农的自我修养” 微信公众号：bit_tiger