10.4 Git Internals - Packfiles

Wenn Sie alle Anweisungen aus dem vorherigen Abschnitt befolgt haben, sollten Sie nun ein Test-Git-Repository mit 11 Objekten haben – vier Blobs, drei Trees, drei Commits und ein Tag.

Git komprimiert den Inhalt dieser Dateien mit zlib, und da Sie nicht viel speichern, nehmen all diese Dateien zusammen nur 925 Bytes ein. Nun fügen wir dem Repository weitere umfangreiche Inhalte hinzu, um eine interessante Funktion von Git zu demonstrieren. Zur Demonstration fügen wir die Datei repo.rb aus der Grit-Bibliothek hinzu – das ist eine Quelldatei mit etwa 22 KB.

Wenn Sie sich den resultierenden Tree ansehen, können Sie den SHA-1-Wert sehen, der für Ihr neues repo.rb Blob-Objekt berechnet wurde.

Sie können dann git cat-file verwenden, um zu sehen, wie groß dieses Objekt ist.

Ändern Sie die Datei an diesem Punkt ein wenig und sehen Sie, was passiert.

Überprüfen Sie den Tree, der von diesem letzten Commit erstellt wurde, und Sie werden etwas Interessantes sehen.

Das Blob ist jetzt ein anderes Blob, was bedeutet, dass obwohl Sie nur eine einzige Zeile am Ende einer 400-Zeilen-Datei hinzugefügt haben, Git diesen neuen Inhalt als ein komplett neues Objekt gespeichert hat.

Sie haben zwei nahezu identische 22K-Objekte auf Ihrer Festplatte (jeweils auf etwa 7K komprimiert). Wäre es nicht schön, wenn Git eines davon vollständig speichern könnte und das zweite Objekt nur als die Differenz zwischen ihm und dem ersten?

Es stellt sich heraus, dass es das kann. Das anfängliche Format, in dem Git Objekte auf der Festplatte speichert, wird als „lose“ Objektformat bezeichnet. Gelegentlich packt Git jedoch mehrere dieser Objekte in eine einzige Binärdatei namens „Packfile“, um Platz zu sparen und effizienter zu sein. Git tut dies, wenn Sie zu viele lose Objekte herumliegen haben, wenn Sie den Befehl git gc manuell ausführen oder wenn Sie auf einen Remote-Server pushen. Um zu sehen, was passiert, können Sie Git manuell auffordern, die Objekte zu packen, indem Sie den Befehl git gc aufrufen.

Wenn Sie in Ihr objects-Verzeichnis schauen, werden Sie feststellen, dass die meisten Ihrer Objekte verschwunden sind und ein neues Paar von Dateien aufgetaucht ist.

Die verbleibenden Objekte sind die Blobs, auf die kein Commit verweist – in diesem Fall die Blobs aus dem Beispiel „what is up, doc?“ und das Beispiel „test content“, die Sie zuvor erstellt haben. Da Sie sie nie zu Commits hinzugefügt haben, gelten sie als verwaist und werden nicht in Ihr neues Packfile aufgenommen.

Die anderen Dateien sind Ihr neues Packfile und ein Index. Das Packfile ist eine einzelne Datei, die den Inhalt aller Objekte enthält, die von Ihrem Dateisystem entfernt wurden. Der Index ist eine Datei, die Offsets in diesem Packfile enthält, damit Sie schnell zu einem bestimmten Objekt springen können. Das Coole daran ist, dass die Objekte auf der Festplatte vor der Ausführung des gc-Befehls zusammen etwa 15 KB groß waren, während das neue Packfile nur 7 KB groß ist. Sie haben Ihren Festplattenverbrauch durch das Packen Ihrer Objekte halbiert.

Wie macht Git das? Wenn Git Objekte packt, sucht es nach Dateien, die ähnlich benannt und in der Größe sind, und speichert nur die Deltas von einer Version der Datei zur nächsten. Sie können in das Packfile schauen und sehen, was Git getan hat, um Platz zu sparen. Der Plumbing-Befehl git verify-pack ermöglicht es Ihnen zu sehen, was gepackt wurde.

Hier verweist das 033b4-Blob, das, wenn Sie sich erinnern, die erste Version Ihrer repo.rb-Datei war, auf das b042a-Blob, das die zweite Version der Datei war. Die dritte Spalte der Ausgabe ist die Größe des Objekts im Pack, sodass Sie sehen können, dass b042a 22 KB der Datei belegt, aber 033b4 nur 9 Bytes belegt. Interessant ist auch, dass die zweite Version der Datei intakt gespeichert wird, während die ursprüngliche Version als Delta gespeichert wird – dies liegt daran, dass Sie höchstwahrscheinlich schnelleren Zugriff auf die aktuellste Version der Datei benötigen.

Das wirklich Schöne daran ist, dass es jederzeit neu verpackt werden kann. Git verpackt Ihre Datenbank gelegentlich automatisch neu und versucht immer, mehr Platz zu sparen, aber Sie können jederzeit manuell neu verpacken, indem Sie git gc von Hand ausführen.