该文KangraPHP下层计算机程序和基本原理

穆萨妹编者按：责任编辑将控制系统撷取 Git 下层科学知识：第一类开发周期变动，下层计算机程序，报文文档内部结构，报文文档检索，和仔细分析第一类查阅业务流程和演算法。

variations社会福利：开发人员须要什么样软专业技能？

状况数学模型

上图叙述了 git 第一类的在相同的开发周期中相同的储存边线，透过相同的 git 指示发生改变 git 第一类的储存开发周期。

组织工作区 (workspace)

是他们现阶段组织工作内部空间，也是他们现阶段能在邻近地区文档夹上面看见的文档内部结构。调用组织工作内部空间或是组织工作内部空间 clean 的这时候，文档文本和 index 甲类是全然一致的，随著修正，组织工作区文档在没 add 到甲类这时候，组织工作区将和甲类是不全然一致的。

甲类 (index)

老版基本概念也叫 Cache 区，是文档暂放置的地方性，大部份暂放置在甲类中的文档将随著两个 commit 一同递交到 local repository 这时 local repository 里头文档将全然被甲类所替代。甲类是 git 体系内部结构中十分关键和难认知的一小部分。

邻近地区仓库 (local repository)

git 是分布式版控制控制系统，和其他版控制控制系统相同的是他可以全然去中心化组织工作，你可以不用和中央服务器 (remote server) 进行通信，在邻近地区即可进行全部离线操作，包括 log，history，commit，diff 等等。完成离线操作最核心是因为 git 有两个几乎和远程一样的邻近地区仓库，大部份邻近地区离线操作都可以在邻近地区完成，等须要的这时候再和远程服务进行交互。

远程仓库 (remote repository)

中心化仓库，大部份人共享，邻近地区仓库会须要和远程仓库进行交互，也就能将其他大部份人文本更新到邻近地区仓库把自己文本上传撷取给其他人。内部结构大体和邻近地区仓库一样。

文档在相同的操作下可能处于相同的 git 开发周期，上面看看两个文档变动的例子。

文档变动

第一类数学模型

仓库内部结构

git 分布式的两个关键体现是 git 在邻近地区是有两个完整的 git 仓库也是 .git 文档目录，透过这个仓库，git 就可以全然离线化操作。在这个邻近地区化的仓库中储存了 git 大部份的数学模型第一类。上面是 git 仓库的 tree 和相关说明：

git 主要有四个第一类，分别是 Blob，Tree， Commit， Tag 他们都用 SHA-1 进行命名。

你可以用 git cat-file -t 查看每个 SHA-1 的类型，用 git cat-file -p 查看每个第一类的文本和简单的计算机程序。git cat-file 是 git 的瑞士军刀，是下层核心指示。

Blob 第一类

只用于储存单个文档文本，一般都是二进制的数据文档，不包含任何其他文档信息，比如不包含文档名和其他元数据。

Tree 第一类

对应文档控制系统的目录内部结构，里头主要有：子目录 (tree)，文档列表 (blob)，文档类型和一些数据文档权限数学模型等。

如下图输出：

→git cat-file -t ed807a4d010a06ca83d448bc74c6cc79121c07c3tree→git cat-file -p ed807a4d010a06ca83d448bc74c6cc79121c07c3100644blob 36a982c504eb92330573aa901c7482f7e7c9d2e6 .cise.yml100644blob c439a8da9e9cca4e7b29ee260aea008964a00e9a .eslintignore100644blob 245b35b9162bec4ef798eb05b533e6c98633af5c .eslintrc100644blob 10123778ec5206edcd6e8500cc78b77e79285f6d .gitignore100644blob 1a48aa945106d7591b6342585b1c29998e486bf6 README.md100644blob 514f7cb2645f44dd9b66a87f869d42902174fe40 abc.json040000tree 8955f46834e3e35d74766639d740af922dcaccd3 cli_list100644 blob f7758d0600f6b9951cf67f75cf0e2fabcea55771 dep.json040000tree e2b3ee59f6b030a45c0bf2770e6b0c1fa5f1d8c7 doc100644blob e3c712d7073957c3376d182aeff5b96f28a37098 index.js040000tree b4aadab8fc0228a14060321e3f89af50ba5817ca lib040000 tree 249eafef27d9d8ebe966e35f96b3092d77485a79 mock100644blob 95913ff73be1cc7dec869485e80072b6abdd7be4 package.json040000tree e21682d1ebd4fdd21663ba062c5bfae0308acb64 src040000tree 91612a9fa0cea4680228bfb582ed02591ce03ef2 static040000tree d0265f130d2c5cb023fe16c990ecd56d1a07b78c task100644 blob ab04ef3bda0e311fc33c0cbc8977dcff898f4594 webpack.config.js100644blob fb8e6d3a39baf6e339e235de1a9ed7c3f1521d55 webpack.dll.config.js040000tree 5dd44553be0d7e528b8667ac3c027ddc0909ef36 webpack

详细解释如下：

Commit 第一类

是一次修正的集合，现阶段大部份修正的文档的两个集合，可以类比一批操作的事务。是修正过的文档集的两个快照，随著一次 commit 操作，修正过的文档将会被递交到 local repository 中。透过 commit 第一类，在版化中可以检索出每次修正文本，是版化的基石。

→git cat-file -t fbf9e415f77008b780b40805a9bb996b37a6ad2ccommit→git cat-file -p fbf9e415f77008b780b40805a9bb996b37a6ad2ctreebd31831c26409eac7a79609592919e9dcd1a76f2parentd62cf8ef977082319d8d8a0cf5150dfa1573c2b7authorxxx 1502331401 0800committerxxx 1502331401 0800修复增量bug

详细解释如下：

Tag 第一类

tag 是两个”固化的分支”，一旦打上 tag 之后，这个 tag 代表的文本将永远不可变，因为 tag 只会关联当时版库中最后两个 commit 第一类。

分支的话，随著不断的递交，文本会不断的发生改变，因为分支指向的最后两个 commit 不断发生改变。所以一般应用或是软件版的发布一般用 tag。

git 的 Tag 类型有两种：

1 lightweight (轻量级)

创建方式：

git tag tagName

这种方式创建的 Tag，git 下层不会创建两个真正意义上的 tag 第一类，而是直接指向两个 commit 第一类，这时如果使用 git cat-file -t tagName 会返回两个 commit。

→git cat-file -t v4commit→git cat-file -p v4treeceab4f96440655b0ff1a783316c95450fa1fb436parent7f23c9ca70ce64fc58e8c7507c990c6c6a201d3dauthor与水 1506224164 0800committer与水 1506224164 0800rawtest2

2 annotated (含附注)

创建方式：

git tag -a tagName -m

这种方式创建的标签，git 下层会创建两个 tag 第一类，tag 第一类会包含相关的 commit 信息和 tagger 等额外信息，这时如果使用 git cat-file -t tagname 会返回两个 tag。

→git cat-file -t v3tag→git cat-file -p v3objectd5d55a49c337d36e16dd4b05bfca3816d8bf6de8 //commit 第一类SHA-1typecommittagv3taggerxxx 1506230900 0800与水测试标注型tag

总结：大部份第一类数学模型之间的关系大致如下：

储存数学模型

基本概念

git 区别与其他 vcs 控制系统的两个最主要原因之一是：git 对文档版管理和其他 vcs 控制系统对文档版的实现理念完成不一样。这也是 git 版管理为什么如此强大的最核心的地方性。

Svn 等其他的 VCS 对文档版的理念是以文档为水平维度，记录每个文档在每个版下的 delta 发生改变。

Git 对文档版的管理理念却是以每次递交为一次快照，递交时对大部份文档做一次全量快照，然后储存快照引用。

Git 在储存层，如果文档数据没发生改变的文档，Git 只是储存指向源文档的两个引用，并不会直接多次储存文档，这一点可以在 pack 文档中看见。

如下图所示：

储存

随著需求和功能的不断复杂，git 版的不断更新，但是主要的储存数学模型还是大致不变。如下图所示：

检索数学模型

→ cd .git/objects/→ ls03 28 7f ce d0 d5 e6 f9 info pack

git 的第一类有两种：

一种是松散第一类，是在如上 .git/objects 的文档夹 03 28 7f ce d0 d5 e6 f9 等，这些文档夹只有 2 个字符开头，其实是每个文档 SHA-1 值的前 2 个字母，最多有 OXFF 256 个文档夹。

一种是打包压缩第一类，打包压缩之后的第一类主要存在的是 pack 文档中，主要用于文档在网络上传输，减少网络消耗。

为了节省储存内部空间，可以手动触发打包压缩操作 (git gc)，将松散第一类打包成 pack 文档第一类。也可以将 pack 文档解压缩成松散第一类 (git unpack-objects)

→ cd pack→ lspack-efbf3149604d24e6ea427b025da0c59245b2c2ea.idx pack-efbf3149604d24e6ea427b025da0c59245b2c2ea.pack

为了加快 pack 文档的检索效率，git 基于 pack 文档会生成相应的检索 idx 文档。

pack 文档

pack 文档设计十分精密和巧妙，本着降低文档大小，减少文档传输，降低网络开销和安全传输的原则设计的。

pack 文档设计的概图如下：

pack 文档主要有三部分组成，Header， Body， Trailer

Header 部分主要 4-byte “PACK”, 4-byte “版号”, 4-byte “Object 条目数”。

Body 部分主要是两个个 Git 第一类依次储存，储存边线在 idx 检索文档中记录改第一类在 pack 文档中的偏移量 offset。

Trailer 部分主要是大部份 Objects 的名 (SHA-1）的校验和，为了安全可靠的文档传输。

上面他们看具体的 pack 文档：

从上图可知：透过 idx 检索文档在 pack 文档中定位到第一类之后，第一类的内部结构主要 Header 和 Data 两部分。

1 Header 部分

Header 中首 8-bits：1-bit 是 MSB，接着的 3-bits 表示的是现阶段第一类类型，主要有 6种储存类型，接着的 4-bits 是用于表示该 Object 展开的 (length) 大小的一小部分，只是一小部分，完整的大小取决于MSB和接下来的多个 bits，完整演算法如下：

如果 8-bits 中第一位是 1，表示下两个字节还是 header 的一小部分，用于表示该第一类展开的大小。

如果 8-bits 中第一位是 0，表示从下两个字节开始，将是数据 Data 文档。

如果第一类类型是 OBJ_OFS_DELTA 类型, 表示的是 Delta 储存，现阶段 git 第一类只是储存了增量部分，对于基本的部分将由接下来的可变长度的字节数用于表示 base object 的距离现阶段第一类的偏移量，接下来的可变字节也是用 1-bit MSB 表示下两个字节是否是可变长度的组成部分。对偏移量取负数，就可知 base 第一类在现阶段第一类的前面多少字节。

如果第一类类型是 OBJ_REF_DELTA 类型，表示的是 Delta 储存，现阶段 git 第一类只是储存了增量部分，对于基本的部分，用 20-bytes 储存 Base Object 的 SHA-1 。

2 Data 部分

是经过 Zlib 压缩过的数据。可能是全部数据，也有可能是 Delta 数据，具体看 Header 部分的储存类型，如果是 OBJ_OFS_DELTA 或是 OBJ_REF_DELTA 此处储存的是增量 (Delta) 数据，这时如果要取得全量数据的话，须要递归的找到最 Base Object，然后 apply delta 数据，在 base object 基础上进行 apply delta 数据也是十分精妙的，此文暂不做介绍。

从上面可以很清晰知道 pack 文档格式，他们再从邻近地区仓库中一探究竟：

不是增量 delta 格式：

SHA-1type size size-in-packfile offset-in-packfile

增量 delta 格式：

SHA-1 type size size-in-packfile offset-in-packfile depth base-SHA-1

→git verify-pack -v pack-efbf3149604d24e6ea427b025da0c59245b2c2ea.packcb5a93c4cf9c0ee5b7153a3a35a4fac7a7584804commit 275 189 12399334856af4ca4b49c0008a25b6a9f524e40350commit 69 81 201 1 cb5a93c4cf9c0ee5b7153a3a35a4fac7a7584804e0efbd5121c31964af1615cf24135a7c6c11cc1dcommit 268 187 2827bc9a5e0199bd4a6d4d223ce7e13239631df9635commit 29 41 469 1 e0efbd5121c31964af1615cf24135a7c6c11cc1d2e43c62f6ff99c88d20329487137f8dbabc8b3eccommit 220 157 510b6f173085f49f109a00b2a3f08a7dc499cc47f1fcommit 220 157 6670466b3f1aadde74234f7dd3f4ef7f1505c50fb0ccommit 220 157 82476c5e45f8e295226b1bc5c8c7e2bc98d7eae6be1commit 74 85 981 1 b6f173085f49f109a00b2a3f08a7dc499cc47f1f2729f1fa896d384b49a2f5c53d483eacc0929ebbcommit 172 127 10663cc58df83752123644fef39faab2393af643b1d2blob 2 11 119362189d1a10cc2a544c4e5b9c4aba9493cf5782dcblob 8 15 1204a9a5aecf429fd8a0d81fbd5fd37006bfa498d5c1blob 4 13 12192b8982f7c281964658d2cd8b6c17b541533dd277tree 104 105 123292c4aafa39ee387a1f8237f00c78c499aebaf0b2tree 104 105 1337223b7836fb19fdf64ba2d3cd6173c6a283141f78blob 2 11 14421756ca64f21724f350fe2cc5cfb218883e314c3dtree 71 80 1453e11ddfa79f01b01a8e1553bbffaa2d6c03ae9f6etree 71 80 1533f70f10e4db19068f79bc43844b49f3eece45c4e8blob 2 11 1613e982b6207b10a869164e2c8d19d25ffb059e6a16tree 66 73 1624f2e9f73f27124916344e0fd03bb449bc6feca59dtree 66 74 1697d09da444f461d7cee3679666a1ded5ab79832ed0tree 33 44 1771nondelta: 18 objectschainlength = 1: 3 objectspack-efbf3149604d24e6ea427b025da0c59245b2c2ea.pack: ok

如 399334856af4ca4b49c0008a25b6a9f524e40350(SHA-1) 表示第一类的 base object SHA-1 是 cb5a93c4cf9c0ee5b7153a3a35a4fac7a7584804，base 第一类最大深度 (depth) 为 1，如果 cb5a93c4cf9c0ee5b7153a3a35a4fac7a7584804 还有引用第一类，则发生改变 depth 为 2。

pack Header 中最后 4-bytes 用于表示的 pack 文档中 objects 的数量，最多 2 的 32 次方个第一类，所以一些大的工程中有多个 pack 文档和多个 idx 文档。

文档的 size (文档解压缩后大小) 有什么用呢，这个是为了方便他们进行解压的这时候，设置流的大小，也是方便知道流有多大。这里 size 不是说明下两个文档的偏移量，偏移量都是来自检索文档，见上面 idx：

index 文档

由于 version1 比较简单，上面用 version2 为例子：

分层模式：Header，Fanout,SHA，CRC，Offset，Big File Offset，Trailer。

Header 层

version2 的 Header 部分总共有 8-bytes，version 1 的 header 部分是没的，前 4-bytes 总是 255, 116, 79, 99 因为这个也是版 1 的开头四个字节，后面 4-bytes 用于表示的是版号，在现阶段是 version 2。

Fanout 层

fanout 层是 git 的亮点设计，也叫 Fanout Table（扇表）。fanout 数组中储存的是相关第一类的数目，数组下标是对应 16 进制数。fanout 最后两个储存的是整个 pack 文档中大部份第一类的总数量。Fanout Table 是整个 git 检索的核心，透过它他们可以快速进行查阅，用于定位 SHA 层的数组起始 – 终止下标，定位好 SHA 层范围之后，就可以对 SHA 层进行二分查找了，而不用对大部份第一类进行二分查找。

fanout 总共 256 个，刚好是十六进制的 0xFF。fanout 数组用 SHA 的前面 2 个字符作为下标(对应 .git/objects 中的松散文档目录名，将 16 进制的目录名转换 10 进制数字)，里头值是用这两个字符开头的文档数量，而且是逐层累加的，后面的数组数量是包含前面数组的数据的个数的两个累加。

举例如下：

1）如果数组下标为 0，且 Fanout[0] = 10 代表着 0x00 开头的 SHA-1 值的总数为 10 个。

2） 如果数组下标为 1，且 Fanout[1] = 15 代表着小于 0x01 开头的 SHA-1 值的总数为 15 个，从 Fanout[0] = 10 知 Fanout[1] = （15-10）

为什么 git 设计上 Fanout[n] 会累加 Fanout[n-1] 的数量？这个主要是为了快速确定 SHA 层检索的初始边线，而不用每次去把前面大部份 fanout[..n-1] 数量进行累加。

SHA 层

是大部份第一类的 SHA-1 的排序，按照名称排序，按照名称进行排序是为了用二分搜索进行查找。每个 SHA-1 值占 20-bytes。

CRC 层

由于文档打包主要解决网络传输问题，网络传输的这时候必须透过 crc 进行校验，避免传输过程中的文档损坏。CRC 数组对应的是每个第一类的 CRC 校验和。

Offset 层

是由 4 byte 字节所组成，表示的是每个 SHA-1 文档的偏移量，但是如果文档大于 2G 之后，4 byte 字节将无法表示，这时将：

4 byte 中的第一 bit 是 MSB，如果是 1 表示的是文档的偏移量是放在第 6 层去储存，这时剩下的 31-bits 将表示文档在 Big File Offset 中的偏移量，也是图中的，透过 Big File Offset 层 就可以知道第一类在 pack 中的 offset。

4 byte 中的第一 bit 是 MSB，如果是 0 31-bits 表示的储存第一类在 packfile 中的文档偏移量，这时不涉及 Big File Offset 层

Big File Offset 层

用于储存大于 2G 的文档的偏移量。如果文档大于 2G，可以透过 offset 层最后 31 bits 决定在 big file offset 中的边线，big file offset 透过 8 bytes 来表示第一类在 pack 文档中的边线，理论上可以表示 2 的 64 次方文档大小。

Trailer 层

包含的是 packfile checksum 和关联的 idx 的 checksum。

检索业务流程

从上面的分层知道 git 设计的巧妙。git 检索文档偏移量的查阅业务流程如下：

查阅演算法

透过 idx 文档查阅 SHA-1 对应的偏移量：

在 pack 文档中透过偏移量找到第一类：

如果是普通的储存类型。定位到的第一类是用 Zlib 压缩之后的第一类，直接解压缩即可。

如果是 Delta 类型须要 递归查出 Delta 的 Base 第一类，然后再把 delta data 应用到 base object 上(可参考 git-apply-delta)。

参考资料

git 大多资料主要介绍是 git 使用，很少控制系统去讲解下层计算机程序和基本原理。责任编辑透过多个开源代码入手，结合 git 文档，参考相关 git 开发者或相关研究文章，git 邮件列表等。上面是我探究觉得比较可靠的资料文档集。

参考文档

https://stackoverflow.com/questions/8198105/how-does-git-store-fileshttps://www.npmjs.com/package/git-apply-deltahttps://git-scm.com/book/en/v2/Git-Internals-Packfileshttps://codewords.recurse.com/issues/three/unpacking-git-packfileshttp://shafiulazam.com/gitbook/7_the_packfile.htmlhttp://wiki.jikexueyuan.com/project/git-community-book/packfile.htmlhttp://documentup.com/skwp/git-workflows-bookhttp://www.runoob.com/git/git-workspace-index-repo.htmlhttp://shafiulazam.com/gitbook/1_the_git_object_model.htmlhttp://eagain.net/articles/git-for-computer-scientists/https://www.kernel.org/pub/software/scm/git/docs/user-manual.htmlobject-detailshttps://stackoverflow.com/documentation/git/topicshttps://stackoverflow.com/search?page=2