Chapters ▾ 2nd Edition

10.4 Git bakom kulisserna - Packfiler

Packfiler

Om du följde alla instruktioner i exemplet från föregående avsnitt borde du nu ha ett test‑Git‑kodförråd med 11 objekt – fyra blobbar, tre träd, tre incheckningar och en tagg:

$ find .git/objects -type f
.git/objects/01/55eb4229851634a0f03eb265b69f5a2d56f341 # tree 2
.git/objects/1a/410efbd13591db07496601ebc7a059dd55cfe9 # commit 3
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a # test.txt v2
.git/objects/3c/4e9cd789d88d8d89c1073707c3585e41b0e614 # tree 3
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30 # test.txt v1
.git/objects/95/85191f37f7b0fb9444f35a9bf50de191beadc2 # tag
.git/objects/ca/c0cab538b970a37ea1e769cbbde608743bc96d # commit 2
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 # 'test content'
.git/objects/d8/329fc1cc938780ffdd9f94e0d364e0ea74f579 # tree 1
.git/objects/fa/49b077972391ad58037050f2a75f74e3671e92 # new.txt
.git/objects/fd/f4fc3344e67ab068f836878b6c4951e3b15f3d # commit 1

Git komprimerar innehållet i dessa filer med zlib, och du lagrar inte så mycket, så alla filer tillsammans tar bara 925 byte. Nu lägger du till lite mer omfattande innehåll i kodförrådet för att demonstrera en intressant funktion i Git. Som demonstration lägger vi till filen repo.rb från Grit‑biblioteket – det är en källkodsfil på ungefär 22 KB:

$ curl https://raw.githubusercontent.com/mojombo/grit/master/lib/grit/repo.rb > repo.rb
$ git checkout master
$ git add repo.rb
$ git commit -m 'Create repo.rb'
[master 484a592] Create repo.rb
  3 files changed, 709 insertions(+), 2 deletions(-)
  delete mode 100644 bak/test.txt
  create mode 100644 repo.rb
  rewrite test.txt (100%)

Om du tittar på det resulterande trädet ser du SHA‑1‑värdet som beräknades för ditt nya repo.rb‑blobobjekt:

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

Du kan sedan använda git cat-file för att se hur stor objektet är:

$ git cat-file -s 033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5
22044

Vid det här laget ändrar du filen lite och ser vad som händer:

$ echo '# testing' >> repo.rb
$ git commit -am 'Modify repo.rb a bit'
[master 2431da6] Modify repo.rb a bit
  1 file changed, 1 insertion(+)

Kontrollera trädet som skapades av den senaste incheckningen, så ser du något intressant:

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob b042a60ef7dff760008df33cee372b945b6e884e      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

Blobben är nu en annan blob, vilket betyder att även om du bara lade till en enda rad i slutet av en fil på 400 rader, lagrade Git det nya innehållet som ett helt nytt objekt:

$ git cat-file -s b042a60ef7dff760008df33cee372b945b6e884e
22054

Du har två nästan identiska 22 KB‑objekt på disken (vart och ett komprimerat till ungefär 7 KB). Vore det inte fint om Git kunde lagra ett av dem helt och hållet men sedan lagra det andra objektet bara som differensen mellan det och det första?

Det visar sig att det kan det. Det ursprungliga formatet som Git sparar objekt på disk i kallas “löst” objektformat. Men ibland packar Git ihop flera av dessa objekt till en enda binär fil som kallas en “packfil” för att spara utrymme och bli mer effektivt. Git gör detta om du har för många lösa objekt, om du kör kommandot git gc manuellt eller om du skickar till en fjärrserver. För att se vad som händer kan du manuellt be Git att packa ihop objekten genom att anropa kommandot git gc:

$ git gc
Counting objects: 18, done.
Delta compression using up to 8 threads.
Compressing objects: 100% (14/14), done.
Writing objects: 100% (18/18), done.
Total 18 (delta 3), reused 0 (delta 0)

Om du tittar i katalogen objects ser du att de flesta av dina objekt är borta, och att ett nytt filpar har dykt upp:

$ find .git/objects -type f
.git/objects/bd/9dbf5aae1a3862dd1526723246b20206e5fc37
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
.git/objects/info/packs
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.idx
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.pack

De objekt som finns kvar är blobbarna som inte pekas på av någon incheckning – i det här fallet exemplet “what is up, doc?” och blobben “test content” som du skapade tidigare. Eftersom du aldrig lade till dem i några incheckningar betraktas de som hängande och packas inte in i din nya packfil.

De andra filerna är din nya packfil och ett index. Packfilen är en enda fil som innehåller innehållet från alla objekt som togs bort från ditt filsystem. Indexet är en fil som innehåller offsetar in i packfilen så att du snabbt kan hoppa till ett specifikt objekt. Det fina är att även om objekten på disk innan du körde gc‑kommandot tillsammans var ungefär 15 KB stora, är den nya packfilen bara 7 KB. Du har halverat din diskanvändning genom att packa objekten.

Hur gör Git detta? När Git packar objekt letar det efter filer som är namngivna och storleksmässigt lika och lagrar bara delta‑skillnaderna från en version av filen till nästa. Du kan titta in i packfilen och se vad Git gjorde för att spara utrymme. Rörkommandot git verify-pack låter dig se vad som packades:

$ git verify-pack -v .git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.idx
2431da676938450a4d72e260db3bf7b0f587bbc1 commit 223 155 12
69bcdaff5328278ab1c0812ce0e07fa7d26a96d7 commit 214 152 167
80d02664cb23ed55b226516648c7ad5d0a3deb90 commit 214 145 319
43168a18b7613d1281e5560855a83eb8fde3d687 commit 213 146 464
092917823486a802e94d727c820a9024e14a1fc2 commit 214 146 610
702470739ce72005e2edff522fde85d52a65df9b commit 165 118 756
d368d0ac0678cbe6cce505be58126d3526706e54 tag    130 122 874
fe879577cb8cffcdf25441725141e310dd7d239b tree   136 136 996
d8329fc1cc938780ffdd9f94e0d364e0ea74f579 tree   36 46 1132
deef2e1b793907545e50a2ea2ddb5ba6c58c4506 tree   136 136 1178
d982c7cb2c2a972ee391a85da481fc1f9127a01d tree   6 17 1314 1 \
  deef2e1b793907545e50a2ea2ddb5ba6c58c4506
3c4e9cd789d88d8d89c1073707c3585e41b0e614 tree   8 19 1331 1 \
  deef2e1b793907545e50a2ea2ddb5ba6c58c4506
0155eb4229851634a0f03eb265b69f5a2d56f341 tree   71 76 1350
83baae61804e65cc73a7201a7252750c76066a30 blob   10 19 1426
fa49b077972391ad58037050f2a75f74e3671e92 blob   9 18 1445
b042a60ef7dff760008df33cee372b945b6e884e blob   22054 5799 1463
033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5 blob   9 20 7262 1 \
  b042a60ef7dff760008df33cee372b945b6e884e
1f7a7a472abf3dd9643fd615f6da379c4acb3e3a blob   10 19 7282
non delta: 15 objects
chain length = 1: 3 objects
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.pack: ok

Här är blobben 033b4, som om du minns var den första versionen av din repo.rb‑fil, och den refererar till blobben b042a, som var den andra versionen av filen. Den tredje kolumnen i utdata är storleken på objektet i packen, så du kan se att b042a tar upp 22K av filen, men att 033b4 bara tar upp 9 byte. Det som också är intressant är att den andra versionen av filen är den som lagras intakt, medan originalversionen lagras som en delta – det beror på att du sannolikt behöver snabbare åtkomst till den senaste versionen av filen.

Det riktigt trevliga med detta är att det kan packas om när som helst. Git kommer ibland att packa om databasen automatiskt, alltid i försök att spara mer utrymme, men du kan också packa om manuellt när som helst genom att köra git gc för hand.