为什么在 'git add' 命令之间 Git 会创建新的 Blob？

Question

为什么在 'git add' 命令之间 Git 会创建新的 Blob？

4

我最近发现了工具git cat-file，并正在尝试使用它。我知道git使用blob来存储实际内容。但为什么每次我通过git add命令更改文件时，似乎都会创建一个新的blob，而不是编辑现有的blob或者创建一个新的blob然后删除旧的blob呢？

例如:

touch hello.txt
// change hello.txt to contains 'hello'
git add hello.txt // creates a blob abc123 containing: 'hello'  

// change hello.txt to 'hello world'
git add hello.txt // creates a blob cba321 containing: 'hello world'  

git commit // creates a commit with tree pointing at blob cba321

因此，包含我中间阶段更改的blob（即包含“hello”的blob abc123）的目的并不明显。

就提交而言，hello.txt 直接从“”变为“hello world”，而且如果没有在 git blobs 中挖掘，我甚至无法找回我的中间更改 abc123。

- Donald

2个回答

2

git add 确实创建了 blob，因为索引（或暂存区，它有许多名称...）的目的是准备快照，这将构成下一个提交。

此外，您提到编辑或删除 blob，但这将违反该工具的原则，因为必须能够一致地重现快照，并保持所有引用的 blob 不变。在某种程度上，您从未修改任何内容，只是添加更多内容和关系。

回答您的最后一点，不，您甚至不能返回到您认为不值得保存的状态。

- Romain Valeri

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- torek · Accepted Answer

但是，为什么每次我将更改添加到文件时似乎都会创建一个新的blob，而不是编辑现有的blob或创建一个新的blob并删除旧的blob呢？

没有任何blob可以被更改。这与提交的规则相同：没有任何提交可以被更改。

原因是每个Git对象的哈希ID（blob和commit是四种内部Git对象之一）只是存储为该对象的内容的加密校验和。对于文件（“blob”），实际内容是五个ASCII字符b、l、o、b、空格，然后是十进制表示的blob大小，并以ASCII形式存储，然后是一个ASCII NUL字节，最后是存储的数据。例如，hello被存储为Python可能表示为“b"blob 5\0hello"”。

（您可以使用SHA1 hasher计算此哈希值，也可以使用git hash-object命令：

$ echo -n hello | git hash-object --stdin
b6fc4c620b67d95f953a5c1c1230aaab5db5a1b0

或者：

$ python3
[snip]
>>> import hashlib
>>> hashlib.sha1(b"blob 5\0hello").hexdigest()
'b6fc4c620b67d95f953a5c1c1230aaab5db5a1b0'

任何具有哈希值b6fc4c620b67d95f953a5c1c1230aaab5db5a1b0的blob都必然是文件hello，否则你不能在此Git仓库中存储不含换行符的包含hello的文件（除非它们具有相同的哈希值）。寻找某个文件的替身文件（阻止存储其他文件的邪恶双胞胎）是很棘手的：详情请参见新发现的SHA-1冲突如何影响Git？所以当你使用git add添加一个文件时，Git会创建一个新的blob，或者根据该文件的数据是否已经作为blob存在于仓库中来重用现有的blob。如果你随后进行git commit，Git会永久保存其内容，并与新的提交对象相关联。如果你从未提交该blob，并且没有其他提交或实体引用它，则Git最终通过其垃圾收集过程（参见git gc）删除该blob。

（注意，这些Git对象也是zlib压缩的，并且是所有四种Git对象类型的倒数第二个存储形式。但是，经过一段时间后，现有对象可能会被打包到一个“pack文件”中，在被zlib解压缩之前，它们会针对其他对象进行增量压缩。pack文件是终极存储形式。如果必要，可以取消打包对象，但在正常操作中，Git只是从pack文件中提取解压缩的对象数据，同时扩展增量压缩。）

（为了完整起见，另外两种Git对象类型是tree和annotated tag。Tree对象存储文件名，将名称映射到blob哈希ID，并存储文件的可执行位。提交对象通过哈希ID引用表示快照的树。annotated tag对象是一个特殊情况的数据结构，它包含另一个Git对象的哈希ID以及数据有效载荷；在此数据有效载荷中，你可以存储GPG签名或其他数字签名以及任何其他你喜欢存储的内容。然后，你可以指向注释标签对象，以获取注释标签。）