git 对象压缩及垃圾对象清理

这篇文章让我们来看看 git 的对象压缩机制，前面的几篇文章我们提到，在执行 git add 命令会会把文件先通过 zlib 压缩后放入到「暂存区」，我们先看看这个步骤：

我们这个实例中有一个 1.28m 的 index.js 文件：

初始化一个仓库，然后执行 git add . 命令把文件添加到「暂存区」，在 04-git 中的概念 文章里我们说过这个命令会生成一个「blob 对象」(也就是在一个 .git/objects 文件中生成一个经过 zlib 压缩的文件):

从上图可以看到 index.js 文件体积明显减少了很多，能帮我们节省磁盘空间，而通过 git cat-file <hashId> 就可以查看源文件。

我们先执行一下 commit，此时就会生成一个「tree 对象」和一个「commit 对象」，因为这两个文件存储的是索引，所以非常小。

如果我们稍微修改 index.js 文件中的几个字符在重新执行 git add . 命令看看会发生什么：

可以很明显的看到又多一个差不多大小的文件，我们可以设想到如果我们的原始文件很大，或者执行了非常多次的 add、commit 命令，这个 objects 文件将变得非常大：

但是我们的「工作目录」才只有一个 1.28m 的文件，同时每次只是修改了几个字符，对比起来 .git 文件是不是太大了（上图只执行了4次的add、commit操作，当文件多了会更明显）。针对这个问题 Git 提供了一个命令： git gc，这个命令可以把 Git 对象进行压缩。

在经过 dalta 压缩后，GIt 对象（.git/objects文件中的文件）都会被删除，同时在 .git/objects/pack 文件夹中生成相应的压缩文件：

可以看到经过压缩后 .git/objects 文件夹体积又变小了，

.pack 文件体积较大，我们可以很明显猜到这就是存储我们文件的地方，而 .idx 文件储存的就是索引，因为 .git/objects 文件夹里的对象都清除了，但是我们还是可以通过执行 git log 或者其他命令获取到对象相关的信息:

通过 cat-file 命令还是能查看到「commit 对象」、「tree 对象」、「blob 对象」:

通过这个 .idx 文件我们就能快速到找到 .pack 文件中对应的 commit 或者 blob的内容。

查看压缩文件

我们可以通过 git verify-pack -v <fileName> 命令来查看压缩文件：

从上图可以看到，.pack 文件保存了之前 add、commit 生成的「commit 对象」、「tree 对象」、「blob 对象」。我们来重点看看标注的地方：

黄色框内的数字就是文件的大小及压缩等信息，红色线就是第一次add的生成的「blob 对象」，蓝色线就是之后3次 add 生成「blob 对象」，后面同时还带上了第一次add的生成的「blob 对象」，说明记录的只是文件的差异，因此在经过压缩后 .git/objects 文件大小会明显降低。

压缩的作用

在传输过程中减少带宽，减少本地磁盘的占用空间。

我们在执行 push 的时候，推送的就是压缩的 pack 文件（减少带宽，较少上传时间），但是我们本地的仓库并没有被压缩：

我们来看一个更明显的例子，拉取 vue 的代码:

git clone git@github.com:vuejs/vue.git

可以看到有 62255 个对象，.git 文件大小为 31.51MB。

从 .git/objects 文件中也可以看到下载的对象都是经过压缩的。 Git 也提供了一个 unpack-objects 命令来帮助我们把对象解压出来。

不过我们不能直接把 .git/objects/pack 文件夹中的 .pack 文件进行解压，需要移动到其他文件夹中：

在上图中我们把 .pack 文件移动到 .git 目录下：

之后执行解压缩命令 git unpack-objects < .git\pack-6abcda5b8a6ba30f796c774e6177e10757ff9865.pack ：

可以看到相比起压缩的 .pack 文件，解压出来的对象占用空间更大，如果我们 clone 仓库的时候，对象没有压缩，那么我们将耗费更多的带宽及下载时间。

垃圾对象清理

我们在执行一些 Git 操作的时候，会生成一些「blob 对象」等，这些没有被引用的对象就是垃圾对象。

什么意思呢，比如我们重复修改一个文件，每次修改后都执行 add 命令添加到「暂存区」，之后执行 commit 保存版本，那么在期间生成的一些「blob 对象」没有被引用（只有最后一次 add 生成的「blob 对象」才被引用了），这些就是垃圾对象。前面说了如果这些文件非常大，那么就会导致 .git 文件变得非常大，因此清理垃圾对象非常重要。

我们来看看下面的示例，执行三次 add 命令和一次 commit，那么就会生成 5 个对象：

通过 cat-file 命令来看看「commit 对象」到底引用了哪些对象：

可以看 7a（「tree 对象」）、d8（「blob 对象」）、c8（「commit 对象」）都是存在引用的，8f、37 文件里的就是垃圾对象。

Git 也提供了一些命令来让我们查看未引用的对象：

git fsck --dangling 或者 git prune -n

清除命令

• git prune
• git gc

git gc 在压缩对象的时候也会执行 git prune。

在执行 git gc 进行压缩后，可以看到 .pack 文件里实际只有三个对象，其余两个垃圾对象并没有被记录下来：

分支

如果我们在分支上进行 add、commit 操作，之后把这个分支删除掉，那么对于我们来说在分支上生成的这些对象都是垃圾，都是需要清除的，但是对于 Git 来说这些却不是垃圾对象，因为它会觉得我们可能会需要执行 checkout 命令把这些对象重新取出来。

比如我们新建一个 newBranch 分支，修改文件并执行 add 、commit，然后切换回 master 分支把这个分支删除掉：

可以看到我们执行 git prune -n 并没有提示有任何的垃圾对象，执行 git prune 删除也没反应。

其实通常我们是不需要删除这种对象的，除非我们非常确定这个对象该删除（存在一些秘密信息或者大量无用文件），那么我们可以执行一下命令：

git -c gc.reflogExpire=0 -c gc.reflogExpireUnreachable=0 -c gc.rerereresolved=0 -c gc.rerereunresolved=0  -c gc.pruneExpire=now gc "$@"

地址

文章仓库地址：https://github.com/leopord-lau/easy-git