第零章已经带大家用 git init、git add、git commit 与 git log 跑通了本地保存与查看版本的基本流程。但只是记住这几个命令,遇到更复杂的场景时依然容易产生困惑:既然把文件保存在硬盘里了,为什么每次提交都要先执行 git add 再执行 git commit,不能像文档软件那样直接按一次保存?每次 git commit 写入 .git 目录里的到底是一份差异补丁,还是整个项目的完整副本?如果每次都保存完整项目,成千上万次提交之后硬盘空间岂不是会迅速爆满?
本章围绕第零章留下的这三个核心疑问,自顶向下拆解 Git 本地运行的底层机制:先看清工作区、暂存区与本地版本库三个区域的分工设计,再理清全量快照与父版本链条的组织方式,最后打开 .git/objects/ 目录,理解哈希指纹与三种基础对象如何在不重复占用空间的前提下保存整套历史。
在理解了 git add 和 git commit 的操作之后,首先回答第一个疑问:为什么保存一次代码需要分成两步走。答案在于 Git 在本地划分了三个职责不同的区域。
.git/index 文件,它是工作区与历史版本库之间的一道缓冲清单,用来登记“哪些修改已经准备好纳入下一个正式版本”。.git 目录里的核心数据库,用于永久保存所有已经正式提交过的历史版本。
图 1:工作区、暂存区与本地版本库的分工关系。git add 负责从工作区挑选文件写入暂存区清单,git commit 将暂存区清单正式固化为本地版本库中的新提交。
以一个真实开发片段为例:假设你在工作区里完成了用户校验功能的修复,一共修改了 app.py 与 validator.py,同时为了排查问题还新建了一个包含临时打印语句的 debug.py。此时执行 git status,Git 会列出这三个处于变更状态的文件,用 git diff 可以逐行核对工作区与上一个正式版本之间的具体差异。
如果你直接把整个工作区打包保存,临时的 debug.py 就会混入正式历史中,导致版本记录夹杂调试噪音。借助暂存区,你可以只执行 git add app.py validator.py,将这两项逻辑相关且已完成测试的文件登记进暂存清单,而把 debug.py 留在工作区继续处理。随后运行 git commit -m "fix: validate email format",Git 只会读取暂存区清单中的 app.py 和 validator.py,将它们生成为一个干净、可独立运行的正式版本 V2 写入 .git 目录。
因此,暂存区的核心工程价值在于把“在硬盘上编写代码”与“将一批逻辑完整的改动存档为历史版本”解耦。你可以在工作区自由尝试和修改多个文件,等阶段性工作收尾时,再分批选入暂存区,切分成多个结构清晰的提交记录。
理解了单次提交的操作流程后,下一个容易产生误解的问题是:每次执行 git commit 写入本地版本库的,究竟是一份“第几行改了什么”的差异补丁,还是整个项目的完整状态。
答案是每次提交在概念上记录的都是那一时刻整个项目的完整目录快照,而非仅仅记录改动的几行文本。除此之外,每一次提交还包含四项基本信息:作者姓名与邮箱、提交时间戳、提交说明文本,以及一个至关重要的关联字段——父版本编号(Parent),用于指明当前版本是从哪一个旧版本演变而来的。
正是通过每一条提交记录内部保存的 Parent 字段,所有版本在时间线上形成了一条清晰的反向链条:版本 V2 指向它的上一版本 V1,版本 V3 指向它的上一版本 V2,以此类推直至项目的初始提交。当你执行 git log 查看提交历史时,Git 只需要从当前最新版本出发,沿着每一条记录的 Parent 指针一步步向后追溯,即可把整条历史脉络完整列出来;而当你运行 git diff V1 V2 或 git show V2 查看某次修改的具体代码行时,Git 则读取 V2 与它上一版本 V1 两份快照,在内存中现场对比出增删行的差异。
把每次提交视为“独立完整的项目快照”而不是“一层层叠加的补丁”,会直接带来两个重要优势:切换到任意历史版本时,Git 无需从头回放几千个补丁,只需直接恢复目标版本的那一份快照即可;同时,Git 随时可以用任意两个版本做对比,这正是后面章节实现分支合并与局部拣选的基础。
.git 内部:哈希指纹与三种存储对象此时自然会产生一个与第一段呼应的问题:既然每次 git commit 记录的都是整个项目的完整快照,假设一个项目体积为 100 MB、总共提交了 1,000 次,.git 目录岂不是会膨胀到 100 GB?
Git 通过哈希指纹(Hash)与分层对象存储彻底避免了这个问题。首先需要明确哈希值的含义:对任意一段文本或文件内容运行密码学摘要算法(Git 默认采用 SHA-1 算法),都会算出一个固定长度为 40 位的十六进制字符串,例如 4ecd02b...。只要文件内容完全相同,无论在什么时间、哪台电脑上计算,得到的 40 位哈希字符串必然完全一致;哪怕只修改了一个标点符号或空格,算出的哈希值都会变得截然不同。你在 git log 中看到的每一个 Commit ID(通常简写为前 7 位字符),本质上就是这次提交对象算出的哈希指纹。
带着哈希指纹的概念打开 .git/objects/ 目录,会发现 Git 只用三种基础数据对象就拼装出了整个版本历史库(任意对象都可通过底层对象查看命令 git cat-file -p <哈希前7位> 解压并打印出原始内容):
app.py),它们的哈希值就完全相同,.git/objects/ 中永远只保留这一份实体,绝不重复存储。git commit 生成的总入口。它本身非常小,只记录几行文本信息:这一次提交的根目录 Tree 对象哈希、上一版本(Parent)的 Commit 对象哈希、作者与提交时间,以及你填写的提交说明。
图 2:版本 V1 到 V2 的底层存储结构。V2 仅修改了 config.json,因此对象库仅为新文件创建 blob 7e2b19 与新目录清单 tree 3f92d1,未发生变化的 app.py 与 validator.py 直接引用既有的绿框 Blob 对象。
以图 2 为例:在版本 V1 基础上,你只修改了 config.json 中的超时参数,然后执行 git add config.json 与 git commit。在这一瞬间,.git/objects/ 里只会新增三个轻量实体:新的 config.json 内容对应的新 Blob、记录新文件清单的根目录 Tree,以及指向该 Tree 并把 parent 设为 V1 的新 Commit。而项目里其余成百上千个没有修改的文件,在新版 Tree 清单中直接复用旧版本已经存在的 Blob 哈希。
基于这一存储设计,.git/objects/ 形成了一条贯穿全部 Git 高级功能的底层规律:对象库中的所有历史对象都是“只追加、不原地修改”的。一旦某个文件或某次提交写入了对象库,它的内容与哈希就已经永久确定;后续即便改动了一个字或改变了一次提交的父节点顺序,Git 都是写入一个拥有新哈希的新对象,旧对象会继续保留在磁盘上(直到长期无人引用时才会被清理)。理解了这一点,下一章的分支切换与后续章节的历史重构机制便会非常直观。