当我们git merge的时候到底在merge什么

序言

我在上大学的时候并没有接触过VCS（版本控制系统）。虽然曾经在Google Code发布过去项目，但是以压缩包的形式发布的；与室友合作开发计算机网络这门课的课程设计时，也没有用上。直到入职第一家公司后才真正开始使用，当时用的是Git，此后也始终没用过其它的VCS——SVN仅仅耳闻未曾使用——转眼间已经用了六年多的Git了。

尽管日常使用问题不大，但对于Git的内部运行原理我仍然是一知半解——也不是我谦虚，基本就是不懂吧。例如，使用git add、git commit、git branch等命令的时候，Git在背后究竟做了什么，我是答不上来的。好在互联网上有许多这方面的资料可供学习，我硬着头皮看了不少文档和博客后，总算是习得了一些皮毛。

现在，我试着循序渐进地讲解一遍吧。

git add的时候发生了什么？

首先创建出一个仓库并向其中添加一个文件

mkdir git-test
cd git-test
git init
echo 'hello' > a
git add .

到此为止，暂时不要提交改动。现在，我来看看Git到底在背后做了些什么。Git的秘密都藏在叫做.git的目录中，尤其是其中的objects目录。用tree命令查看这个目录的结果如下

.git/objects
├── ce
│   └── 013625030ba8dba906f756967f9e9ca394464a
├── info
└── pack

与运行git add前相比，多出了一个叫ce的目录，以及位于其中的叫013625030ba8dba906f756967f9e9ca394464a的文件。这个文件其实就是a的一个“副本”，其中存储着文件a的内容。但是不能用cat直接查看，因为Git对这个文件做了压缩。可以用pigz来得到压缩前的原文，示例代码如下

pigz -d < .git/objects/ce/013625030ba8dba906f756967f9e9ca394464a

结果为

blob 6hello

Git生成这个文件的规则其实不复杂。首先Git会计算原文件的长度，即6（之所以是6，是因为用echo和重定向写入文件a时，添加了一个换行符）。然后，Git将一个固定的前缀blob （此处有一个空格）、文件长度、一个空字符（ASCII码为0的字符），以及文件内容这四者连接成一个字符串，并计算这个字符串的SHA1摘要。具体到文件a，可以用下面的命令试着计算

printf "blob 6\0hello\n" | shasum

或者用Git内置的hash-object子命令会更简单

git hash-object a

不管是哪一个命令，算出来的摘要都是ce013625030ba8dba906f756967f9e9ca394464a。然后Git会取前两个字符（ce）作为目录名，在.git/objects下创建新的目录。以从第三个字符开始的剩余内容（013625030ba8dba906f756967f9e9ca394464a）为文件名，将方才拼接好的内容压缩后写如文件。这种文件用Git的术语来讲叫做blob对象，稍后还会遇到tree类型和commit类型的对象。

git commit的时候发生了什么？

接下来提交改动

git config user.email 'foobar'
git config user.name 'foobar'
git commit -m 'test'

此时会发现.git/objects下新增了两个文件

.git/objects
├── 09
│   └── 76950c1fdbcb52435a433913017bf044b3a58f # 新的
├── 14
│   └── c77e71bd06df41e1509280cfba045e1db2aa5f # 新的
├── ce
│   └── 013625030ba8dba906f756967f9e9ca394464a
├── info
└── pack

用git cat-file -t可以查看这两个新文件的类型

git cat-file -t 14c77e71bd06df41e1509280cfba045e1db2aa5f # 输出commit
git cat-file -t 0976950c1fdbcb52435a433913017bf044b3a58f # 输出tree

也可以用git cat-file -p以可读的方式输出新文件的内容。例如用git cat-file -p 0976950c1fdbcb52435a433913017bf044b3a58f输出tree类型的对象的内容，结果为

100644 blob ce013625030ba8dba906f756967f9e9ca394464a    a

tree类型的对象中记录着Git所追踪的文件的元信息，包括文件的权限、在Git中的对象类型、对象摘要，以及文件名。另一个commit类型的对象中存储着本次提交的信息，用git cat-file -p查看的结果如下

tree 0976950c1fdbcb52435a433913017bf044b3a58f
author foobar <foobar> 1576676836 +0800
committer foobar <foobar> 1576676836 +0800

test

第一行表示这个commit对象指向的是哪一个tree对象，从这个tree对象出发，可以遍历仓库中直到本次提交为止、所有被Git追踪的文件。commit指向tree，tree可以指向blob也可以指向其它的tree，blob就像是树中的叶子节点，不再指向其它的对象，它们之间的关系如下图所示

git branch的时候发生了什么？

Git的branch子命令用于创建新分支——虽然我平时更多地使用git checkout -b。既然add和commit的时候，Git会创建出blob、tree，以及commit类型的对象，那么创建新分支的时候，Git是不是也会创建名为branch的对象呢？答案是否定的。

Git的分支非常简单——它仅仅是指向某个commit对象的引用，就像是*nix系统中的符号链接一样。所有分支都存储在.git/refs/heads之下。例如文件.git/refs/heads/master中便存储着master分支上的最新提交的摘要

cat .git/refs/heads/master # 输出14c77e71bd06df41e1509280cfba045e1db2aa5f

这就是在Git中创建新分支的成本很低的原因——不过是复制一下当前分支在.git/refs/heads下的同名文件而已。我创建一个新分支develop并提交一个新文件b，.git/objects下会多出三个文件

git checkout -b develop
echo 'good' > b
git add b
git commit -m 'new branch'

三个新文件分别存储着文件b的内容（一个blob对象）、文件b的元信息（一个tree对象），以及本次提交（一个commit对象）。这些文件中没有任何关于develop分支的信息，develop分支仅仅是一个存在于.git/refs/heads/目录下的同名文件。

git merge一个子代时发生了什么？

develop分支是从master分叉出来，将develop合并回master时，Git会进行一次fast-forward的合并。虽然名字很唬人但其实Git做的事情非常简单，只需要将.git/refs/heads/master文件的内容修改为与develop相同的摘要即可。

也可以要求Git不使用fast-forward。先用git reset --hard HEAD^1将master分支回退到第一次提交的状态，然后使用下列的命令再次将develop合并进来

git merge --no-ff develop

这一次，Git不再简单地修改.git/refs/heads/master文件了事，而是会创建一个新的commit对象。在我的电脑上，这个新的commit对象的摘要为d1403bb629c7a636c724069b22875ed882b54bcc，使用git cat-file -p看看它的内容

tree e960ed43b8e6b5fe9b4e57b806f70796da820056
parent 14c77e71bd06df41e1509280cfba045e1db2aa5f
parent db891542d3e44448433ba86c7cd636d8aec3da54
author foobar <foobar> 1576679608 +0800
committer foobar <foobar> 1576679608 +0800

Merge branch 'develop'

有趣的是，这个commit对象有两个“父级”的commit，而不像平常所认识的树形数据结构那般只有一个“父节点”。显然，这两个父节点分别是合并前的master分支的最新一次提交，以及develop的最新提交。

虽然创建了一个新的commit对象，但其实develop分支的最新提交持有的便是整个仓库的最新版本，所以不需要创建新的tree，合并所产生的commit直接与develop分支的最新提交共用同一个tree对象便足够了——在上面输出内容的第一行的摘要，就是develop分支的最新commit所指向的tree对象的摘要。

至此，终于解决了我一直以来的一个困惑。我曾天真地以为，Git在合并两个分支的时候，会将待合进来的分支中的所有多出来的改动，复制到要合进去的分支中去。这都是因为我没有理解分支的本质，Git的分支并不是一根水管，没有哪一个提交是只能装在一个特定的分支中的。Git合并的时候，就像是在一个immutable的树上做修改，只需要创建不多的新commit和tree对象，再引用已经存在的旧commit和tree对象即可。否则，哪能快速地完成两个分支的合并呢。

后记

没想到还写了蛮多内容的，经过这么几次试验，我对Git的核心原理也算略知一二了，暂时不打算继续深入。各位读者如果有兴趣，可以试着制造一次有冲突的合并，然后看看冲突解决的前后，.git/objects目录下会有什么变化。

最后，在摸索Git原理的过程中，我找到了不少优质的参考资料，这里一并奉上：

1. https://nfarina.com/post/9868...
2. https://maryrosecook.com/blog...
3. http://www-cs-students.stanfo...
4. https://git-scm.com/book/en/v...

阅读原文