前言
Git 是源码目前世界上被最广泛使用的现代软件版本管理系统(Version Control System)。Git 本身亦是解析一个成熟并处于活跃开发状态的开源项目，今天惊人数量的的第软件项目依赖 Git 进行版本管理，这些项目包括开源以及各种商业软件。提交Git 在职业软件开发者中拥有良好的什样声誉，Git 目前支持绝大多数的源码操作系统以及 IDE(Integrated Development Environments)。
Git 最初是解析由 Linux 操作系统内核的创造者 Linus Torvalds 在 2005 年创造，Git 第一个可用版本是的第 Linus 花了两周时间用C写出来的。Git 第一个版本就实现了 Git 源码自托管，提交一个月之内，什样Linux系统的源码源码也已经由 Git 管理了!
Git 的第一个提交源码仅有约1000行，但是解析已经实现了Git的基本设计原理，比如初始化仓库、的第提交代码、提交查看代码diff、什样读取提交信息等，服务器托管Git 定义了三个区：工作区(workspace)、暂存区(index)、版本库(commit history)，也实现了三类重要的 Git 对象：blob、tree、commit。本文将从源码上分析 Git 的第一个提交并挖掘背后优秀的设计原理。
编译
获取源码
在Github上可以找到Git的仓库镜像：https://github.com/git/git.git
# 获取 git 源码 $ git clone https://github.com/git/git.git # 查看第一个提交 $ git log --date-order --reverse commit e83c5163316f89bfbde7d9ab23ca2e25604af290 Author: Linus Torvalds <torvalds@ppc970.osdl.org> Date: Thu Apr 7 15:13:13 2005 -0700 Initial revision of "git", the information manager from hell # 变更为第一个提交，指定commit-id $ git reset --hard e83c5163316f89bfbde7d9ab23ca2e25604af290 文件结构
$ tree -h . ├── [2.4K] cache.h ├── [ 503] cat-file.c # 查看objects文件 ├── [4.0K] commit-tree.c # 提交tree ├── [1.2K] init-db.c # 初始化仓库 ├── [ 970] Makefile ├── [5.5K] read-cache.c # 读取当前索引文件内容 ├── [8.2K] README ├── [ 986] read-tree.c # 读取tree ├── [2.0K] show-diff.c # 查看diff内容 ├── [5.3K] update-cache.c # 添加文件或目录 └── [1.4K] write-tree.c # 写入到tree # 统计代码行数，总共1089行 $ find . "(" -name "*.c" -or -name "*.h" -or -name "Makefile" ")" -print | xargs wc -l ... 1089 total 编译
编译第一个提交的Git会有编译问题，需要更改Makefile添加相关的依赖库：
$ git diff ./Makefile ... -LIBS= -lssl +LIBS= -lssl -lz -lcrypto ... 编译：
# 编译 $ make 只支持在 linux 平台上编译运行。
源码分析
Write programs that do one thing and do it well. ——Unix philosophy
查看编译生成的可执行文件，总共有7个：
命令使用过程：
init-db：初始化仓库
命令说明
$ init-db 运行流程
创建目录：.dircache。
创建目录：.dircache/objects。
在 .dircache/objects 中创建了从 00 ~ ff 共256个目录。
.dircache/ 是Git的工作目录，最新版本的Git工作目录为 .git/ 。
运行示例
# 运行init-db初始化仓库 $ init-db defaulting to private storage area # 查看初始化后的目录结构 $ tree . -a . └── .dircache # git工作目录 └── objects # objects文件 ├── 00 ├── 01 ├── 02 ├── ...... # 省略 ├── fe └── ff 258 directories, 0 files 最新版本Git使用 git init . 初始化仓库，而且初始化工作目录为 .git/，初始化后，.git/ 目录中的文件和功能也非常丰富，网站模板包括 .git/HEAD、.git/refs/ 、.git/info/ 等，以及很多的 hooks 示例：.git/hooks/**.sample。
update-cache：添加文件或目录
update-cache 主要是把工作区的修改文件提交到暂存区。工作区、暂存区等说明见下文【设计原理】 。
命令使用
$ update-cache ... 运行流程
读取并解析索引文件 ：.dircache/index。 遍历多个文件，读取并生成变更文件信息(文件名称、文件内容sha1值、日期、大小等)，写入到索引文件中。 遍历多个文件，读取并压缩变更文件，存储到objects文件中，该文件为blob对象。 如果是刚初始化的仓库，会自动创建索引文件。索引文件说明见下文【设计原理 - 索引文件】。blob对象的文件格式及说明见下文【设计原理 - blob对象】。sha1值说明见下文【设计原理 - 哈希算法】。
运行示例
# 新增README.md文件 $ echo "hello git" > README.md # 提交 $ update-cache README.md # 查看索引文件 $ hexdump -C .dircache/index 00000000 43 52 49 44 01 00 00 00 01 00 00 00 af a4 fc 8e |CRID............| 00000010 5e 34 9d dd 31 8b 4c 8e 15 ca 32 05 5A e9 a4 c8 |^4..1.L...2.Z...| 00000020 af bd 4c 5f bf fb 41 37 af bd 4c 5f bf fb 41 37 |..L_..A7..L_..A7| 00000030 00 03 01 00 91 16 d2 04 b4 81 00 00 ee 03 00 00 |................| 00000040 ee 03 00 00 0a 00 00 00 bb 12 25 52 ab 7b 40 20 |..........%R.{ @ | 00000050 b5 f6 12 cc 3b bd d5 b4 3d 1f d3 a8 09 00 52 45 |....;...=.....RE| 00000060 41 44 4d 45 2e 6d 64 00 |ADME.md.| 00000068 # 查看objects内容，sha1值从索引文件中获取 $ cat-file bb122552ab7b4020b5f612cc3bbdd5b43d1fd3a8 temp_git_file_61uTTP: blob $ cat ./temp_git_file_RwpU8b hello git cat-file：查看objects文件内容
cat-file 根据sha1值查看暂存区中的objects文件内容。cat-file 是站群服务器一个辅助工具，在正常的开发工作流中一般不会使用到。
命令使用
$ cat-file <sha1> 运行流程
根据入参sha1值定位objects文件，比如.dircache/objects/46/4b392e2c8c7d2d13d90e6916e6d41defe8bb6a 读取该objects文件内容，解压得到真实数据。 写入到临时文件 temp_git_file_XXXXXX(随机不重复文件)。 objects内容为压缩格式，基于zlib压缩算法，objects说明见【设计原理 - objects 文件】。
运行示例
# cat-file 会把内容读取到temp_git_file_rLcGKX $ cat-file 82f8604c3652fa5762899b5ff73eb37bef2da795 temp_git_file_tBTXFM: blob # 查看 temp_git_file_tBTXFM 文件内容 $ cat ./temp_git_file_tBTXFM hello git! show-diff：查看diff内容
查看工作区和暂存区中的文件差异。
命令使用
$ show-diff 运行流程
读取并解析索引文件：.dircache/index。
循环遍历变更文件信息，比较工作区中的文件信息和索引文件中记录的文件信息差异。
无差异，显示 : ok。
有差异，调用 diff 命令输出差异内容。
运行示例
# 创建文件并提交到暂存区 $ echo "hello git!" > README.md $ update-cache README.md # 当前无差异 $ show-diff README.md: ok # 更改README.md $ echo "hello world!" > README.md # 查看diff $ show-diff README.md: 82f8604c3652fa5762899b5ff73eb37bef2da795 --- - 2020-08-31 17:33:50.047881667 +0800 +++ README.md 2020-08-31 17:33:47.827740680 +0800 @@ -1 +1 @@ -hello git! +hello world! write-tree：写入到tree
write-tree 作用将保存在索引文件中的多个objects对象归并到一个类型为tree的objects文件中，该文件即Git中重要的对象：tree。
命令使用
$ write-tree 运行流程
读取并解析索引文件：.dircache/index。 循环遍历变更文件信息，按照指定格式编排变更文件信息及内容。 压缩并存储到objects文件中，该object文件为tree对象。 tree对象的文件格式及相关说明见下文【设计原理 - tree对象】。
运行示例
# 提交 $ write-tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 # 查看objects内容 $ cat-file c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 temp_git_file_r90ft5: tree $ cat ./temp_git_file_r90ft5 100664 README.md��`L6R�Wb��_�>�{ �-�� read-tree：读取tree
read-tree 读取并解析指定sha1值的tree对象，输出变更文件的信息。
命令使用
$ read-tree <sha1> 运行步骤
解析sha1值。 读取对应sha1值的object对象。 输出变更文件的属性、路径、sha1值。 运行示例
# 提交 $ write-tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 # 读取tree对象 $ read-tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 100664 README.md (82f8604c3652fa5762899b5ff73eb37bef2da795) commit-tree：提交tree
commit-tree 把本地变更提交到版本库里，具体是基于一个tree对象的sha1值创建一个commit对象。
命令使用
$ commit-tree <sha1> [-p <sha1>]* < changelog 运行流程
参数解析。 获取用户名称、用户邮件、提交日期。 写入tree信息。 写入parent信息。 写入author、commiter信息。 写入comments(注释)。 压缩并存储到objects文件中，该object文件为commit对象。 commit对象的文件格式及说明见下文【设计原理 - commit对象】。
运行示例
# 写入到tree $ write-tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 # 提交tree $ echo "first commit" > changelog $ commit-tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 < changelog Committing initial tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 7ea820bd363e24f5daa5de8028d77d88260503d9 # 查看commit对象内容 $ cat-file 7ea820bd363e24f5daa5de8028d77d88260503d9 temp_git_file_CIfJsg: commit $ cat temp_git_file_CIfJsg tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 author Xiaowen Xia <chenan.xxw@aos-hw09> Tue Sep 1 10:56:16 2020 committer Xiaowen Xia <chenan.xxw@aos-hw09> Tue Sep 1 10:56:16 2020 first commit 设计原理
Write programs to work together.
——Unix philosophy
与传统的集中式版本控制系统(CVCS)相反，Git 从一开始就设计成了去中心化的分布式系统，每个开发者本地工作区都是一个完整的版本库，拥有本地的代码仓库。另外，Git 的设计初衷是为了让更多的开发者一起开发软件。
该版本 Git 定义了三种对象：
blob 对象：保存着文件快照。 tree 对象：记录着目录结构和 blob 对象索引。 commit 对象：包含着指向前述 tree 对象的指针和所有提交信息。 三种对象相互之间的关系如下：
图源：https://git-scm.com/book/en/v2/Git-Branching-Branches-in-a-Nutshell
另外，Git 也定义了三个区，工作区(workspace)，暂存区(index)和版本库(commit history)：
工作区(workspace)：我们直接修改代码的地方。 暂存区(index)：数据暂时存放的区域，用于在工作区和版本库之间进行数据交流。 版本库(commit history)：存放已经提交的数据。 每个可执行文件的具体分工是：init-db 用来创建一个初始化仓库，update-cache 会将 工作区 的变更写到 索引文件 (index)中，write-tree 会将之前的所有变更整理成 tree 对象，commit-tree 会将 指定的 tree 对象写到本地版本库中。另外，show-diff 用来查看 工作区 和 暂存区 中的文件差异，read-tree 用来读取 tree对象 的信息。
由此可以绘制一个简单的Git开发工作流：
objects 文件
objects文件是载体，用来存储Git中的3个重要对象：blob、tree、commit。
$ tree .git/objects .git/objects ├── 02 │ └── 77ec89d7ba8c46a16d86f219b21cfe09a611e1 ├── ...... # 省略 ├── be │ ├── adb5bac00c74c97da7f471905Ab0da8b50229c │ └── ee7b5e8ab6ae1c0c1f3cfa2c4643aacdb30b9b ├── ...... # 省略 ├── c9 │ └── f6098f3ba06cf96e1248e9f39270883ba0e82e ├── ...... # 省略 ├── cf │ ├── 631abbf3c4cec0911cb60cc307f3dce4f7a000 │ └── 9e478ab3fc98680684cc7090e84644363a4054 ├── ...... # 省略 └── ff 为了节约存储，同时也能存储多个信息，objects文件内容都是经过 zlib 压缩过的。objects文件的格式由 + + <要存储的内容> 组成，其中 可以是"blob"(blob对象)、"tree"(tree对象)、"commit"(commit对象)。
使用 cat-file 可以查看object文件是什么类型的对象。
.dircache/objects 目录结构如下：
$ tree .git/objects.git/objects├── 02│ └── 77ec89d7ba8c46a16d86f219b21cfe09a611e1├── ...... # 省略├── be│ ├── adb5bac00c74c97da7f471905Ab0da8b50229c│ └── ee7b5e8ab6ae1c0c1f3cfa2c4643aacdb30b9b├── ...... # 省略├── c9│ └── f6098f3ba06cf96e1248e9f39270883ba0e82e├── ...... # 省略├── cf│ ├── 631abbf3c4cec0911cb60cc307f3dce4f7a000│ └── 9e478ab3fc98680684cc7090e84644363a4054├── ...... # 省略└── ff
问：为什么 .dircache/objects/ 目录下面要以sha1值前一个字节的hex值作为子目录?
blob 对象
运行 update-cache 会生成 blob 对象。
blob 对象用于存储变更文件内容，其实就代表一个变更文件快照。blob 对象由 + + 拼装并压缩：
使用 cat-file 查看 blob 对象内容：
# 查看 blob 对象内容 $ cat-file 82f8604c3652fa5762899b5ff73eb37bef2da795temp_git_file_tBTXFM: blob $ cat ./temp_git_file_tBTXFM hello git! tree 对象
运行 write-tree 会生成 tree 对象。
tree 对象用于存储多个提交文件的信息。tree 对象由 + + 文件模式 + 文件名称 + 文件sha1值 拼装并压缩：
文件sha1值 使用binary格式存储，占用20字节。
使用 cat-file 查看 tree 对象内容：
# 查看 tree 对象内容 $ cat-file c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 temp_git_file_r90ft5: tree $ cat ./temp_git_file_r90ft5 100664 README.md��`L6R�Wb��_�>�{ �-�� 文件sha1值 使用binary格式存储，所以打印的时候会有乱码。
commit 对象
运行 commit-tree 会生成 commit 对象。
commit 对象存储一次提交的信息，包括所在的tree信息，parent信息以及提交的作者等信息。commit 对象由 + +
tree sha1值 和 parent sha1值 使用hex字符串格式存储，占用40字节。
使用 cat-file 查看 commit 对象内容：
# 查看 commit 对象内容 $ cat-file 7ea820bd363e24f5daa5de8028d77d88260503d9 temp_git_file_CIfJsg: commit $ cat temp_git_file_CIfJsg tree c771b3ab2fe3b7e43099290d3e99a3e8c414ec72 author Xiaowen Xia <chenan.xxw@aos-hw09> Tue Sep 1 10:56:16 2020 committer Xiaowen Xia <chenan.xxw@aos-hw09> Tue Sep 1 10:56:16 2020 first commit 索引文件
索引文件默认路径为：.dircache/index。索引文件用来存储变更文件的相关信息，当运行 update-cache 时会添加变更文件的信息到索引文件中。
同时也有一个叫 .dircache/index.lock 的文件，该文件存在时表示当前工作区被锁定，无法进行提交操作。
使用 hexdump 命令可以查看到索引文件内容：
$ hexdump -C .dircache/index 00000000 43 52 49 44 01 00 00 00 01 00 00 00 ae 73 c4 f2 |CRID.........s..| 00000010 ce 32 c9 6f 13 20 0d 56 9c e8 cf 0d d3 75 10 c8 |.2.o. .V.....u..| 00000020 94 ad 4c 5f f4 5c 42 06 94 ad 4c 5f f4 5c 42 06 |..L_.\B...L_.\B.| 00000030 00 03 01 00 91 16 d2 04 b4 81 00 00 ee 03 00 00 |................| 00000040 ee 03 00 00 0b 00 00 00 a3 f4 a0 66 c5 46 39 78 |...........f.F9x| 00000050 1e 30 19 a3 20 42 e3 82 84 ee 31 54 09 00 52 45 |.0.. B....1T..RE| 00000060 41 44 4d 45 2e 6d 64 00 |ADME.md.| .dircache/index 索引文件使用二进制存储相关内容，该文件由 文件头 + 变更文件信息 组成：
文件头大小为32字节，一个变更文件信息大小至少是63字节。其中：文件头中的sha1值由整个索引文件内容(文件头 + 变更文件信息)计算得到的。变更文件信息的sha1值由变更文件内容(压缩后)计算得到的。
哈希算法
该 Git 版本中使用的哈希算法为 sha1算法 ，代码中使用的是 OpenSSL 库中提供的sha1算法。
目前 Git 已经有了新的选择：sha256算法 ，且目前正在做 sha1 到 sha256 的迁移。
#include <openssl/sha.h> static int verify_hdr(struct cache_header *hdr, unsigned long size) { SHA_CTX c; unsigned char sha1[20]; /* 省略 */ /* 计算索引文件头sha1值 */ SHA1_Init(&c); SHA1_Update(&c, hdr, offsetof(struct cache_header, sha1)); SHA1_Update(&c, hdr+1, size - sizeof(*hdr)); SHA1_Final(sha1, &c); /* 省略 */ return 0; } 总结与思考
Use software leverage to your advantage. ——Unix philosophy
好的代码不是写出来的，是改出来的
Git 的第一个提交中，虽然实现了 Git 的分布式核心思想，以及三种对象，三个区等核心概念，但是 Git 的灵魂功能比如分支策略、远程仓库、日志系统、git hooks 等功能都是后面逐步迭代出来的。
关于细节
问：为什么 .dircache/objects/ 目录下面要以 sha1 值前一个字节的 hex 值作为子目录?
答：ext3 文件系统下，一个目录下只能有 32000 个一级子文件，如果都把 objects 文件存储到一个 .git/objects/ 目录里，很大概率会达到上限。同时要是一个目录下面子文件太多，那文件查找效率会降低很多。
关于代码质量
Git 的第一次提交源码，从代码质量、数据结构上看其实并没有多少参考价值，反而我还发现了很多可以优化的地方，比如：
异常处理不完善，经常出现段错误(SegmentFault)。 存在几处内存泄漏的地方，比如 write-tree.c > main函数 > buffer内存块 。 从索引文件中读取到的变更文件信息使用数组存储，涉及到了比较多的申请释放操作，性能上是有损失的，可以优化成链表存储。 不过这些都不重要，重要的是 Git 的设计原理和思想。
【本文为专栏作者“阿里巴巴官方技术”原创稿件，转载请联系原作者】
戳这里，看该作者更多好文