Git对象与存储图解 — Git内部原理图解

.git目录结构 + 4种对象(blob/tree/commit/tag) + SHA-1 + 对象图 · SVG可视化

① .git目录结构

Git项目的所有秘密都藏在 .git/ 目录里。把它想象成一个照片馆的档案室——你平时只管拍照(commit)，但所有底片、相册、标注都自动归档在这里。

terminal — ls -la .git/

# 查看.git目录结构 $ ls -la .git/ total 24 drwxr-xr-x 12 new staff 384 Jun 14 10:00 . drwxr-xr-x 5 new staff 160 Jun 14 10:00 .. drwxr-xr-x 13 new staff 416 Jun 14 10:00 objects # ← 所有对象(底片库) drwxr-xr-x 4 new staff 128 Jun 14 10:00 refs # ← 分支/标签指针 -rw-r--r-- 1 new staff 23 Jun 14 10:00 HEAD # ← 当前位置 -rw-r--r-- 1 new staff 137 Jun 14 10:00 config # ← 仓库配置 -rw-r--r-- 1 new staff 73 Jun 14 10:00 index # ← 暂存区 drwxr-xr-x 2 new staff 64 Jun 14 10:00 hooks drwxr-xr-x 2 new staff 64 Jun 14 10:00 info drwxr-xr-x 4 new staff 128 Jun 14 10:00 logs # ← 操作日志 -rw-r--r-- 1 new staff 41 Jun 14 10:00 ORIG_HEAD # ← merge前的HEAD

.git/objects/ 是Git最核心的目录。Git用SHA-1哈希的前2字符作为子目录名，后38字符作为文件名。比如对象 abc123... 存在 objects/ab/c123...。这样做是为了避免单个目录下文件太多导致性能问题。

② 四种Git对象

Git只有4种对象，就像照片馆只有4种存档方式：
• blob = 照片底片（文件内容，不含文件名！）
• tree = 相册（记录哪些底片在哪个位置，含文件名）
• commit = 照片标注（谁拍的、什么时候、拍了什么）
• tag = 相册封面标签（给某个标注起个响亮的名字）

四种对象详解

对象类型	类比	存储内容	关键特征
blob	🎞️ 底片	文件内容（纯字节）	不含文件名！同名内容=同一个blob
tree	📔 相册	文件名+blob/tree的SHA	一个tree可以引用blob和子tree
commit	📸 照片标注	tree SHA+parent+作者+消息	指向一个tree，记录快照元数据
tag	🏷️ 封面标签	对象SHA+标签名+消息	轻量标签只是引用，附注标签是对象

blob不含文件名！这是一个极易误解的点。blob只存内容，文件名存在tree里。这意味着：如果两个文件内容完全一样（即使文件名不同），Git只存一个blob。这就是Git省空间的秘密——内容去重。

terminal — 查看Git对象内容

# 查看对象类型 $ git cat-file -t 3f8e9a commit # 查看对象内容（commit） $ git cat-file -p 3f8e9a tree 5a1b3c4d5e6f7a8b9c0d1e2f3a4b5c6d7e8f9a0b parent abcd1234ef567890123456789012345678901234 author 张三 <zhang@example.com> 1718342400 +0800 committer 张三 <zhang@example.com> 1718342400 +0800 feat: 添加用户注册功能 # 查看tree对象 $ git cat-file -p 5a1b3c4d 100644 blob e74d2c1f3a4b5c6d7e8f9a0b1c2d3e4f5a6b7c8d README.md 040000 tree 9c2f4a6b8c0d1e2f3a4b5c6d7e8f9a0b1c2d3e4f src 100644 blob f3a1b2c3d4e5f6a7b8c9d0e1f2a3b4c5d6e7f8a9 pom.xml # 查看blob对象 $ git cat-file -p e74d2c1f # My Project Hello World

③ SHA-1计算

SHA-1就像给每张底片生成一个唯一指纹。同样的内容，指纹永远一样；内容改哪怕一个字节，指纹就完全不同。Git靠这个指纹来"认人"——不需要文件名，靠指纹就能找到对象。

terminal — 手动计算SHA-1

# 创建测试文件 $ echo "Hello World" > hello.txt $ git hash-object hello.txt 3b18e512dba79e4c8300dd08aeb37f8e728b8dad # 手动计算（加上对象头） $ printf "blob 12\0Hello World" | openssl sha1 3b18e512dba79e4c8300dd08aeb37f8e728b8dad # ← 一样！ # 把文件写入对象库 $ git hash-object -w hello.txt 3b18e512dba79e4c8300dd08aeb37f8e728b8dad # 现在objects/里有了这个对象 $ find .git/objects -type f .git/objects/3b/18e512dba79e4c8300dd08aeb37f8e728b8dad # ^^ ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ # 前2位=目录后38位=文件名

Git的SHA-1不仅算内容，还算对象头（类型+空格+大小+\0）。所以即使内容相同的blob和commit，SHA-1也不同。这也是为什么blob和commit不会"撞车"。

④ 对象图与引用链

把Git仓库想象成一面照片墙：每张照片(commit)贴在墙上，用线连着它拍的相册(tree)，相册里夹着底片(blob)。分支(branch)就是贴在墙上的一根红绳，指向某张照片。HEAD就是你手里拿的激光笔，照亮你正在看的那张。

分支的真相：refs/heads/main 这个文件里只存了一个40字符的SHA-1！创建分支就是在 refs/heads/ 下新建一个文件，写入当前commit的SHA-1。所以Git创建分支是O(1)操作——超快！不像SVN要复制整个目录。

terminal — 验证分支只是指针

# HEAD文件 —— 就一行文本 $ cat .git/HEAD ref: refs/heads/main # ← 指向main分支 # main分支 —— 就一个SHA-1 $ cat .git/refs/heads/main 3f8e9a2b1c3d4e5f6a7b8c9d0e1f2a3b4c5d6e7f # 创建新分支 —— 就是在refs/heads/下新建一个文件 $ git branch feature $ cat .git/refs/heads/feature 3f8e9a2b1c3d4e5f6a7b8c9d0e1f2a3b4c5d6e7f # ← 和main一样！ # 切换分支 —— 修改HEAD指向 $ git checkout feature $ cat .git/HEAD ref: refs/heads/feature # ← HEAD现在指feature

⑤ 存储原理(zlib压缩)

Git存对象就像把底片真空压缩——原始底片可能很大，但用zlib一压缩就变很小。解压时再恢复原样。Git不会自动删除不用的对象（就像照片馆不会随便扔底片），需要你手动 git gc 打扫。

Git GC（垃圾回收）

Git不会自动删除不再被引用的对象。当你删除分支、rebase、amend时，旧对象变成了悬空对象(dangling)，但还在objects/里。

1. 找出可达对象 → 2. 打包成packfile → 3. 删除松散对象 → 4. 清理空目录

# 手动触发GC
$ git gc

# 查看悬空对象
$ git fsck --unreachable

# GC做了什么
# 1. 把 objects/ 下的松散文件 → 打包成 .git/objects/pack/pack-xxx.idx + .pack
# 2. packfile用delta压缩：相似对象只存差异，极大节省空间
# 3. 删除不再被引用的松散对象

git gc --prune=now 会立即删除所有不可达对象。如果你刚做了 git reset --hard 想恢复，千万别跑gc！因为GC会删掉你还能找回的悬空commit。先 git reflog 找回，再GC。

⑥ 面试速答

Git的4种对象是什么？各自存什么？

blob：存文件内容（不含文件名），相同内容共享同一个blob。
tree：存目录结构（文件名+blob/tree的SHA），相当于一个目录快照。
commit：存一次提交的元数据（tree指针、parent指针、作者、时间、消息）。
tag：附注标签是对象，存指向的对象SHA+标签名+消息；轻量标签只是引用文件。

Git的SHA-1是怎么算的？为什么不会冲突？

SHA-1的输入 = "对象类型空格内容大小\0内容"（注意有对象头！不是只算内容）。
输出是40位十六进制(160位)。SHA-1碰撞概率极低（约2⁸⁰次运算才可能碰撞），对代码仓库来说足够安全。Git已在实验SHA-256支持。

Git分支的本质是什么？为什么创建分支那么快？

分支的本质就是一个40字节的文本文件（存在 .git/refs/heads/ 下），里面只存一个commit的SHA-1。
创建分支 = 新建一个文件写入当前commit的SHA-1，时间复杂度O(1)，所以几乎瞬间完成。这和SVN的"复制整个目录"完全不同。

blob对象为什么不存文件名？有什么好处？

blob只存内容，文件名存在tree对象里。这样做的核心好处是内容去重：两个文件内容完全一样（即使文件名不同），Git只存一个blob。这在大型仓库里能节省大量空间，特别是复制文件、重命名文件的场景。

.git/objects里的文件为什么用前2位SHA-1做目录？

这是为了避免单个目录下文件过多导致文件系统性能下降。SHA-1有16²=256种前2位组合，相当于把对象均匀分散到256个子目录。Linux文件系统(EXT4)在单个目录下文件超过几万时，查找速度会明显下降。Git这种设计即使在百万对象的大仓库里也能保持高效。

git gc做了什么？什么时候需要手动执行？

Git GC做了3件事：
1. 把松散对象(loose objects)打包成packfile（使用delta压缩，只存对象间差异）
2. 删除不可达的悬空对象
3. 清理空目录
通常Git会自动GC（默认超过700个松散对象时触发）。需要手动执行的场景：仓库空间占用异常大、clone后优化、删除大量分支后清理。

packfile是什么？和松散对象有什么区别？

松散对象：每个对象一个文件（zlib压缩），存放在 objects/xx/yyyy...。
packfile：多个对象打包到一个 .pack 文件，用delta压缩——只存对象之间的差异，不存完整内容。配合 .idx 索引文件快速查找。
GC会把松散对象打包成packfile。clone/pull时Git也会优先传输packfile，减少网络传输量。

git cat-file命令怎么用？能做什么？

git cat-file 是Git底层命令，直接操作对象：
• git cat-file -t <SHA> — 查看对象类型(blob/tree/commit/tag)
• git cat-file -p <SHA> — 查看对象内容(美化的)
• git cat-file -s <SHA> — 查看对象大小
这是理解Git内部的"透视镜"，面试时提到cat-file能展示你对Git底层的深入理解。

不小心reset --hard了，还能恢复吗？

能！用 git reflog 找回。
reflog记录了HEAD的所有移动历史（默认保留90天）。
步骤：
1. git reflog — 找到reset前的commit SHA
2. git reset --hard <SHA> — 恢复到那个commit
⚠️ 前提是还没跑 git gc --prune=now！GC会删掉悬空对象。
⚠️ 如果commit已经push到远程，也可以从远程找回。

HEAD是什么？detached HEAD是什么状态？

HEAD是一个指针，通常指向某个分支名（ref: refs/heads/main），间接指向某个commit。
Detached HEAD：HEAD直接指向一个commit而不是分支名。常见于 git checkout <SHA> 或 git checkout v1.0。
在detached HEAD下做的commit，一旦切走就可能丢失（因为没有分支指着它）。解决办法：git checkout -b new-branch 在当前位置创建新分支。

核心三原则速记

Git三原则：① 提交信息写清楚为什么改而不是改了什么 → ② 永远不在共享分支force push → ③ 合并前先rebase保持线性历史

📸 Git对象与存储图解

① .git目录结构

② 四种Git对象

四种对象详解

③ SHA-1计算

④ 对象图与引用链

⑤ 存储原理(zlib压缩)

Git GC（垃圾回收）

⑥ 面试速答