背景

笔者近来写代码时，由于没使用版本管理系统导致代码版本极为混乱，于是决定学习一下git的使用，看了很多博客之后，发现很多博客都是从git的命令入手，讲解命令的用处，对于git系统本身实际上没有进行太多讲解，更未提及git的数据模型等底层方案。学完之后对于git本身还是没能产生太多认知。于是查找多方资料后撰写此文，希望和我一样对于git本身认知不多的同学能够提升对于git的理解并快速上手git~

基础概念

git是什么

git是版本控制系统的一个标准，而不是一个特定的版本控制系统。市面上的版本控制系统有很多，如github，gitee，bitbucket等，但是这些版本控制系统的共同标准就是git。

git的数据对象

git中的数据对象可以分为三种：blob对象、树（tree）、提交（commit)

blob对象

在git中，一个blob对象指代的就是一个任意的文件。如上图所示，图中的README、LICENSE文件都是一个blob对象。

tree对象

一个tree对象指代的是一个目录，如上图所示，宽松的说，一个tree对象指的就是一个文件夹，和文件夹一样，目录中可以有任意blob对象或者嵌套任意目录。

快照

快照是最顶层的树，或者说，如果我们把一个仓库看成一棵树的话，如下所示：

这棵树表示了我作为示例的github仓库的文件结构。一个快照包括所有的目录对象与blob对象。或者说，每一个blob对象都可以看成文件树中的叶子节点，而tree对象则是所有非根且非叶子的节点，而 快照则指代的是根节点。是整个树而不是某一子树。

历史记录的建模方案

我们是希望通过git管理某一个项目的历史记录，那么历史记录和快照有什么关系呢？

在 Git 中，历史记录是一个由快照组成的有向无环图。如果读者不了解有向无环图的概念，这就是指 Git 中的每个快照都有一系列的“父辈”，也就是其之前的一系列快照。注意，快照具有多个“父辈”而非一个，因为某个快照可能由多个父辈而来。 以下方的历史记录为例：

假设某一仓库的历史记录如上图所示，蓝圈代表一个快照，绿色箭头代表快照间的前后关系。在历史纪录中，我们将每一个快照都称为一次提交

每一个箭头指向的是前一版本的提交，或者说每个快照都指向了自己作为修改基础的快照。在第三次提交之后，历史记录分岔成了两条独立的分支。这可能因为此时需要同时开发两个不同的特性，它们之间是相互独立的。开发完成后，这些分支可能会被合并，并创建一个新的提交，这个新的提交会同时包含这些特性。新的提交会创建一个新的历史记录。

git中的提交是不可改变的，如果想修复某个提交中代码的错误，就只能在该提交基础上修改完错误后创建一个新的提交。

数据模型及其伪代码表示

为更加清晰的表达数据模型中的基础概念，以伪代码的形式来描述 Git 的数据模型：

// 文件就是一组数据
type blob = array<byte>

// 一个包含文件和目录的目录
type tree = map<string, tree | blob>

// 每个提交都包含一个父辈，元数据和顶层树
type commit = struct {
    parent: array<commit>
    author: string
    message: string
    snapshot: tree
}

对象与寻址索引

Git 中的对象可以是 blob、tree或提交(commit)：

type object = blob | tree | commit

Git 在储存数据时，所有的对象都会将它们的 SHA-1 哈希 作为索引。

objects = map<string, object>

def store(object):
    id = sha1(object)
    objects[id] = object

def load(id):
    return objects[id]

Blobs、树和提交都一样，它们都是对象。当它们引用其他对象时，他们仅仅保存了被引用对象的哈希值，类似于浅拷贝，而没有真的拷贝一份被引用的对象。

上一章中，作为例子的github项目，如果采用哈希值进行表示，可能如下所示：

100644 blob 4448adbf7ecd394f42ae135bbeed9676e894af85    README.md
040000 tree c68d233a33c5c06e0340e4c224f0afca87c8ce87    目录（文件夹）
100752 blob 698281bc680d1995c5f4caaf3359721a5a58d48d    LICENSE

通过git cat-file -p 4448adbf7ecd394f42ae135bbeed9676e894af85命令，可以查看README.md文件中所存储的信息。由此也可证明通过哈希值来对文件进行索引。

引用（references）

为了让git的使用者能方便地找到某一次提交，而又不需要记忆提交的哈希值，git给这些哈希值赋予人类可读的名字，这个名字就是引用（references） 引用是指向提交的指针（注意，这里的指针的概念与C++/C中的指针含义相近，却又稍有不同）。与对象不同的是，引用是可变的（引用所指的内容可以被更新，指向新的提交），仍以github仓库为例：

假设我们在上一章的仓库新上传了一个文件，我们可以发现，main 引用通常会指向主分支的最新一次提交。

references = map<string, string>

def update_reference(name, id):
    references[name] = id

def read_reference(name):
    return references[name]

def load_reference(name_or_id):
    if name_or_id in references:
        return load(references[name_or_id])
    else:
        return load(name_or_id)

这样，Git 就可以使用诸如 main 这样人类可读的名称来表示历史记录中某个特定的提交，而不需要在使用一长串十六进制字符了。

git仓库

最后，我们可以粗略地给出 Git 仓库的定义了：一个git仓库包括两部分：对象 和 引用。

在硬盘上，Git 仅存储对象和引用：因为其数据模型仅包含这些东西。所有的 git 命令都对应着对提交树的操作，例如增加对象，增加或删除引用。

既然已经看到这里，当读者输入某个指令时，请思考一下这条命令是如何对底层的图数据结构进行操作的。另一方面，当读者希望修改提交树，例如“丢弃未提交的修改和将 ‘master’ 引用指向提交 5d83f9e 时，有什么命令可以完成该操作（针对这个具体问题，您可以使用 git checkout master; git reset --hard 5d83f9e）

Git 的命令行接口

为了避免冗余信息，本文将不会详细解释以下命令行。

基础

• git help <command>: 获取 git 命令的帮助信息
• git init: 创建一个新的 git 仓库，其数据会存放在一个名为 .git 的目录下
• git status: 显示当前的仓库状态
• git add <filename>: 添加文件到暂存区
• git commit: 创建一个新的提交
  • 这里推荐两个博客：
    • 为何需要编写良好的提交信息!
    • 如何编写良好的提交信息
• git log: 显示历史日志
• git log --all --graph --decorate: 可视化历史记录（有向无环图）
• git diff <filename>: 显示与暂存区文件的差异
• git diff <revision> <filename>: 显示某个文件两个版本之间的差异
• git checkout <revision>: 更新 HEAD 和目前的分支

分支和合并

• git branch: 显示分支
• git branch <name>: 创建分支
• git checkout -b <name>: 创建分支并切换到该分支
  • 相当于 git branch <name>; git checkout <name>
• git merge <revision>: 合并到当前分支
• git mergetool: 使用工具来处理合并冲突
• git rebase: 将一系列补丁变基（rebase）为新的基线

远端操作

• git remote: 列出远端
• git remote add <name> <url>: 添加一个远端
• git push <remote> <local branch>:<remote branch>: 将对象传送至远端并更新远端引用
• git branch --set-upstream-to=<remote>/<remote branch>: 创建本地和远端分支的关联关系
• git fetch: 从远端获取对象/索引
• git pull: 相当于 git fetch; git merge
• git clone: 从远端下载仓库

撤销

• git commit --amend: 编辑提交的内容或信息
• git reset HEAD <file>: 恢复暂存的文件
• git checkout -- <file>: 丢弃修改
• git restore: git2.32版本后取代git reset 进行许多撤销操作

Git 高级操作

• git config: Git 是一个 高度可定制的 工具
• git clone --depth=1: 浅克隆（shallow clone），不包括完整的版本历史信息
• git add -p: 交互式暂存
• git rebase -i: 交互式变基
• git blame: 查看最后修改某行的人
• git stash: 暂时移除工作目录下的修改内容
• git bisect: 通过二分查找搜索历史记录
• .gitignore: 指定故意不追踪的文件

本文引用

1. Pro Git
2. Git for Computer Scientists 
3. missing.csail.mit.edu/