commits in git

gitのコミットの話
内部構造から見るgitのコミット
@tkengo
2014-11-28

View Slide

@tkengo
Internal of git
最近gitの仕組みを興味本位で調べて遊んでたので
今日はその辺の話をしてみたいと思います

View Slide

@tkengo
Internal of git
内部動作と実装を学ぶことは、git がどうしてこんなに便利で有効な
のかを根本的に理解するのに重要です。
!
初期のgit（主として1.5以前）は、洗練されたVCS というよりもむし
ろファイル・システムであることを（gitの特徴として）強調してお
り、それ故に、ユーザー・インターフェイスは今よりも複雑なもので
した。
!
連想記憶ファイル・システム層は驚くほど素晴らしいので、この章の
最初にそれをカバーすることにします。
by Pro Git

View Slide

@tkengo
Internal of git
つまりgitはVCSの皮を被った連想記憶ファイルシステム
だったんだよ！

View Slide

@tkengo
Internal of git
ΩΩΩ < な、なんだってー
つまりgitはVCSの皮を被った連想記憶ファイルシステム
だったんだよ！

View Slide

@tkengo
The body of git
gitの本体はリポジトリのルートディレクトリにある.gitというディレクトリです。
gitの本体
.git/

View Slide

@tkengo
The body of git
.gitディレクトリの中にはいくつかのファイルとディレクトリが存在しますが、今日の説明で関係があるのはHEAD objects/ refs/ の
3つです。
gitの本体
.git/
HEAD
objects/
refs/
...

View Slide

@tkengo
Objects in git
gitにはblog tree commit reference head tagという6つの重要な要素があります。
blob tree commit
R
reference
H
head tag
愉快なgitの仲間たち

View Slide

@tkengo
blob tree
R
reference
Objects in git
今日は主にblob tree commitについて詳しく見ていきます。reference headはちょっとだけ出てきます。tagは今回でてきません。
commit
H
head tag
今日の登場人物
-

View Slide

@tkengo
Objects in git
gitはcommitしたその時点でのファイルツリーのスナップショットを持っており、スナップショットにはtreeとblobが含まれていま
す。referenceはある特定のcommitを指しており、さらにheadは特定のreferenceを指しています。
R
reference
H
head
blob
tree
commit
tree
blob blob
blob
tree
commit
tree
blob blob
blob
tree
commit
tree
blob blob
commit
省略...
commit
省略...
commit
省略...
commit
省略...
commit
省略...
R
reference
親親親
親
親
親
親

View Slide

@tkengo
Objects in git
コミットはご存知の通りSHA1のハッシュ値を持っています。referenceは実は普段使っているブランチのことです。そしてHEADは今
の作業位置を示しています。
R
feature-branch
H
HEAD
blob
tree
6d025cd
tree
blob blob
blob
tree
8d4a726
tree
blob blob
blob
tree
5bd7d91
tree
blob blob
96caf5f
省略...
31e5f34
省略...
edd97e4
省略...
fdf793c
省略...
1d09b9b
省略...
R
master
親親親
親
親
親
親

View Slide

@tkengo
Objects in git
実はスナップショットのtreeとblobにもそれぞれSHA1のハッシュ値がついています。
R
feature-branch
H
HEAD
1e11458
358a4b5
6d025cd
100d7a6
8d4a726 5bd7d91 96caf5f
省略...
31e5f34
省略...
edd97e4
省略...
fdf793c
省略...
1d09b9b
省略...
R
master
親親親
親
親
親
親
ddf3ec9 3d4b084
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
2629bfc
2125db4
0926525
ddf3ec9 a214dca

View Slide

@tkengo
Objects in git
そしてスナップショットには、そのスナップショットを一意に識別するrootツリーがあり、commitはそのrootツリーのSHA1ハッ
シュ値を知っています。
H
HEAD
1e11458
358a4b5
6d025cd
100d7a6
8d4a726 5bd7d91 96caf5f
省略...
edd97e4
省略...
fdf793c
省略...
R
master
親親親親親
ddf3ec9 3d4b084
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
2629bfc
2125db4
0926525
ddf3ec9 a214dca
rootツリー

View Slide

@tkengo
The snapshot
commitとtree、blobについてもう少し詳しく見てみます。この辺から少しファイルシステムっぽい話になってきます。
blob
tree
commit
tree
blob blob

View Slide

@tkengo
The snapshot
treeはファイルシステム上のディレクトリに相当します。
blob
tree
commit
tree
blob blob

View Slide

@tkengo
The snapshot
blobはファイルシステム上のファイルに相当します。
blob
tree
commit
tree
blob blob

View Slide

@tkengo
Detail of a blob
blobは、ヘッダに対して実際のファイルの内容をくっつけたものを準備して、その内容をzlibで圧縮したものがblobの中身に、そして
SHA1に通したものがblobのハッシュ値になります。
ddf3ec9
ヘッダ
#include !
!
/* ϝΠϯؔ਺ */!
int main() {!
/* ग़ྗจࣈྻ */!
char *str;!
str = “Hello World!”;!
!
printf(str);!
return 0;!
}
blob 161/0
固定で
“blob”
スペース
+
ファイル
ヌル
文字
zlib
SHA1ハッシュ
(161byte)

View Slide

@tkengo
Detail of a tree
treeもblobと同じく、ヘッダにツリーのコンテンツをくっつけたものがtreeになります。treeのコンテンツは、そのtreeに含まれる
tree及びblobの一覧をもっています。
9aeb4c2
ヘッダ
100644 tree 652e759… builtin!
100644 blob 7ba2ba7… main.c!
100644 blob e6c1c39… mem.c!
...!
tree 177/0
固定で
“tree”
スペース
+
(177byte)
ヌル
文字
treeのコンテンツ
zlib
SHA1ハッシュ
オブジェクトのモード
オブジェクトの種類
tree or blob
SHA1ハッシュ値
ファイル名 or
ディレクトリ名
※実際はちょっと違うかも

View Slide

@tkengo
Detail of a commit
commitも同じく、ヘッダにコンテンツをくっつけたものです。commitのコンテンツは、rootツリーのSHA1ハッシュ値、親commitの
SHA1ハッシュ値、コミットした人の情報、そしてコミットメッセージを持っています。
ヘッダ
tree 9aeb4c2...!
parent 5d5de46...!
author kengo ..!
committer kengo ..!
!
first commit
commit 180/0
固定で
“commit”
スペース
+
ヌル
文字
commitのコンテンツ
zlib
SHA1ハッシュ
rootツリーのSHA1ハッシュ値
user.name と user.email の値
コミットメッセージ
親commitのSHA1ハッシュ値
6d025cd
(180byte)

View Slide

@tkengo
Summary of snapshot
まとめると

View Slide

@tkengo
Summary of snapshot
• commitはその時点のスナップショットのrootツリーを知っている
blob
tree
commit
tree
blob blob
ココ

View Slide

@tkengo
Summary of snapshot
• commitは自分の親のcommitも知っている
blob
tree
commit
tree blob
tree
commit
tree
親
ココ

View Slide

@tkengo
Summary of snapshot
• treeはそのtreeに含まれているtree及びblobを全部知っている
blob
tree
commit
tree
ココ

View Slide

@tkengo
Summary of snapshot
• blobはファイル内容を知っている
ヘッダ
#include !
!
/* ϝΠϯؔ਺ */!
int main() {!
/* ग़ྗจࣈྻ */!
char *str;!
str = “Hello World!”;!
!
printf(str);!
return 0;!
}
コンテンツ
tree 161/0
blob

View Slide

@tkengo
Summary of snapshot
• blobはファイル内容を知っている
てな感じです。

View Slide

@tkengo
Summary of snapshot
このようにファイルやディレクトリにSHA1ハッシュをつけてblobやtreeとして管理する方法こそgitが連想記憶ファイルシステムと言
われる所以だと言えます。それを発展させ、スナップショットとしてcommitと紐付けることでVCSとしての機能を実現しています。
1e11458
358a4b5
100d7a6
ddf3ec9 3d4b084
358a4b5 という名前を持ったディレクトリ
その実態は子ファイル及び子ディレクトリのSHA1ハッシュ値を並べたテキストデータを圧縮したもの
上に同じ
3d4b084 という名前を持ったファイル
その実態はファイル内容そのものを圧縮したもの
上に同じ
スナップショットはファイルシステムに似ています

View Slide

@tkengo
blob tree
R
reference
Objects in git
blobはファイル、treeはディレクトリ、commitはスナップショットを指し示すもの、referenceは特定のcommitを参照する、headは
特定のreferenceを参照する、でした。
commit
H
head tag
彼らのこと少しはわかりましたか？
-
ファイル
ディレクトリ
スナップショット
へのポインタ
commit
へのポインタ
reference
へのポインタ

View Slide

@tkengo
Diﬀerence management
スナップショットはわかったけど
差分ってどこに持ってるの？

View Slide

@tkengo
スナップショットはわかったけど
差分ってどこに持ってるの？
gitはcommit間の差分は管理していません
実は

View Slide

@tkengo
gitは、commit間の差分を比較する場合には、差分を持っていないのでどこからか差分を計算する必要があります。
1e11458
358a4b5
6d025cd
100d7a6
ddf3ec9 3d4b084
8d4a726
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084

View Slide

@tkengo
つまりcommitが指すスナップショット同士を比較して、gitが差分を計算してくれています。
1e11458
358a4b5
6d025cd
100d7a6
ddf3ec9 3d4b084
8d4a726
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
git「あ、この
ファイルの中身が
変わってるな」

View Slide

@tkengo
Save the disk space
それにしても、このようにcommit毎にスナップショットを持っていたら大変なことにならないでしょうか。とても効率が悪そうな気
がします。
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tr
blob b
blob
tree
commit
tree
blob blob
親

View Slide

@tkengo
Save the disk space
確かに効率は悪いですが、それはディスク容量の部分です。差分計算やcheckoutなどはスナップショットで管理した方が圧倒的に早
いですし、ディスク容量もなるべく節約できるように工夫されています。
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tree
blob blob
親
blob
tree
commit
tr
blob b
blob
tree
commit
tree
blob blob
親
ディスク容量は確かに非効率

View Slide

@tkengo
Save the disk space
ディスク容量の節約について

View Slide

@tkengo
Save the disk space
最初の方に出てきたこの図をみて気付いた人がいたら素晴らしいですが、gitはcommit毎にスナップショットを保存するといっても、
commit毎に全てのファイルとディレクトリを保存しているわけではありません。
1e11458
358a4b5
6d025cd
100d7a6
8d4a726 5bd7d91
親親
ddf3ec9 3d4b084
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
2629bfc
2125db4
0926525
ddf3ec9 a214dca

View Slide

@tkengo
Save the disk space
この2つのcommitのスナップショットを見ていきます。
1e11458
358a4b5
6d025cd
100d7a6
ddf3ec9 3d4b084
8d4a726
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
5bd7d91
2629bfc
2125db4
0926525
ddf3ec9 a214dca

View Slide

@tkengo
Save the disk space
2つのスナップショットを比べると、rootツリーと、その下にある1つのblobがそれぞれ別のSHA1ハッシュ値を持っています。
1e11458
358a4b5
6d025cd
100d7a6
ddf3ec9 3d4b084
8d4a726
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
5bd7d91
2629bfc
2125db4
0926525
ddf3ec9 a214dca

View Slide

@tkengo
Save the disk space
もう少し詳しく見ていきます。まずはblobの方です。たとえばblobは上記のようなファイル内容を持っており、ビックリマークを2つ
追加する変更が加えられているとします。すると 1e11458 のblobの内容が変わって新たに 2629bfc のblobが作られます。
1e11458
358a4b5
6d025cd
100d7a6
ddf3ec9 3d4b084
8d4a726
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
5bd7d91
2629bfc
2125db4
0926525
ddf3ec9 a214dca
blob 11/0Hello World blob 13/0Hello World!!

View Slide

@tkengo
Save the disk space
すると、そのblobのSHA1ハッシュ値をしっている親のtreeも、子供のblobのハッシュ値を書き換えなければなりません。つまり新し
く a25b132 のtreeが作られます。
1e11458
358a4b5
6d025cd
100d7a6
ddf3ec9 3d4b084
8d4a726
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
5bd7d91
2629bfc
2125db4
0926525
ddf3ec9 a214dca
tree 113/0!
100644 blob 1e11458..!
040000 tree 100d7a6..
tree 113/0!
100644 blob 2629bfc..!
040000 tree 100d7a6..

View Slide

@tkengo
Save the disk space
しかし変更のない他の 100d7a6 ddf3ec9 3d4b084 はそのまま再利用されています。
1e11458
358a4b5
6d025cd
100d7a6
ddf3ec9 3d4b084
8d4a726
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
5bd7d91
2629bfc
2125db4
0926525
ddf3ec9 a214dca

View Slide

@tkengo
Save the disk space
このような表現の方が正しそうです。commitが違っても、容量節約のためにスナップショットは同じところを指している部分があり
ます。
1e11458
358a4b5
6d025cd 8d4a726
2629bfc
a25b132
5bd7d91
2629bfc
2125db4
0926525
ddf3ec9 a214dca
100d7a6
ddf3ec9 3d4b084

View Slide

@tkengo
Save the disk space
この2つのcommitのスナップショットでも、同様のことが言えます。とあるblobの変化は最終的にはスナップショットの一番上のtree
つまりrootツリーにまで変更が伝搬していくことになります。これが各スナップショット間でrootツリーが一意になる理由です。
1e11458
358a4b5
6d025cd
100d7a6
ddf3ec9 3d4b084
8d4a726
2629bfc
a25b132
100d7a6
ddf3ec9 3d4b084
5bd7d91
2629bfc
2125db4
0926525
ddf3ec9 a214dca

View Slide

@tkengo
Internal of git
これでgitの内部の説明は終わりです。
!
もう少し実感してもらうために
最後に各オブジェクトがどんな風に
保存されているかを見てみます。

View Slide

@tkengo
The body of git
最初に.gitディレクトリの中のHEAD index objects/ refs/ の3つのファイル及びディレクトリの話をしたのを覚えているでしょうか。
HEAD
objects/
refs/
...
.git/

View Slide

@tkengo
The body of git
それぞれのgitオブジェクトはこのように.gitディレクトリ以下に格納されています。
HEAD
objects/
refs/
...
blob tree commit
R
reference
H
head
.git/

View Slide

@tkengo
The body of git
HEADはただのテキストファイルです。catなどで中身を見てみると現在のheadが指しているreferenceが書いてあります。
HEAD
objects/
refs/
...
.git/
ref: refs/heads/master

View Slide

@tkengo
The body of git
objects/の下には、各オブジェクトのSHA1ハッシュ値の先頭2桁がディレクトリ名、残り38桁がファイル名になってファイルが格納
されています。ディレクトリを分ける理由は1ディレクトリ中に置けるファイル数の上限を回避するためかと思います。
HEAD
objects/
refs/
...
.git/
10/
26/
8d/
a2/
...
0d7a6...
29bfc...
4a726...
5b132...
d7644...
...
100d7a6 (blob)
2629bfc (blob)
8d4a726 (commit)
a25b132 (tree)
a2d7644 (blob)

View Slide

@tkengo
The body of git
refs/の下にはさらにheads/ディレクトリがあり、その中にブランチ名をファイル名としたファイルがあります。中身はただのテキス
トファイルで、そのブランチが指し示しているcommitのSHA1ハッシュ値が書き込まれています。
HEAD
objects/
refs/
...
.git/
master
feature-branch
...
heads/

View Slide

@tkengo
The body of git
もう一度HEADの中身を確認してみます。refs/heads/masterと書かれていましたね。これはつまりrefs/以下のディレクトリを指して
たってことですね。
HEAD
objects/
refs/
...
.git/
master
feature-branch
...
heads/
ref: refs/heads/master

View Slide

@tkengo
Internal of git
gitのこと少しでもわかったでしょうか。

View Slide

おわり

View Slide

commits in git

commits in git

けんご

More Decks by けんご

Other Decks in Programming

Featured

Transcript