Comment Git Stocke les Objets

Ce chapitre s'enfouit dans les détails concernant le stockage physique des objets avec Git.

Tous les objets sont stockés comme du contenu comprimés par leur valeur SHA. Il contiennent le type d'objet, la taille et le contenu au format gzip.

Git garde les objets dans 2 formats: les objets détendus et les objets packagés.

Les Objets Détendus

Le format le plus simple concerne les objets détendus. Ce n'est que des données comprimées stockées dans un seul fichier sur le disque. Chaque objet est écrit dans un fichier séparé.

Si le SHA de l'objet est ab04d884140f7b0cf8bbf86d6883869f16a46f65, alors le fichier sera stocké dans le chemin suivant:

GIT_DIR/objects/ab/04d884140f7b0cf8bbf86d6883869f16a46f65

Il récupère les 2 premiers caractères et les utilisent comme sous-répertoire, comme ça il n'y a jamais trop d'objets dans le même dossier. Le nom du fichier est alors composé des 38 caractères restant.

En utilisant cette implémentation Ruby du stockage avec Git, nous pouvons examiner simplement comment les données d'un objet sont stockées:

def put_raw_object(content, type)
  size = content.length.to_s

  header = "#{type} #{size}#body"
  store = header + content

  sha1 = Digest::SHA1.hexdigest(store)
  path = @git_dir + '/' + sha1[0...2] + '/' + sha1[2..40]

  if !File.exists?(path)
    content = Zlib::Deflate.deflate(store)

    FileUtils.mkdir_p(@directory+'/'+sha1[0...2])
    File.open(path, 'w') do |f|
      f.write content
    end
  end
  return sha1
end

Les Objets Packagés

Le packfile est l'autre format de stockage d'objet. Depuis que Git stocke chaque version de chaque fichier dans un objet séparé, il peu rapidement devenir inefficace avec le format précédent Imaginez avoir un fichier long de quelques milliers de lignes et si on change une ligne, git enregistrera un second fichier dans son intégrité, cela serait un grand gaspillage d'espace.

Afin de sauver cet espace, Git utilise le packfile. C'est une format où Git ne va sauvegarder que la partie du fichier qui a changé dans le second fichier, avec un pointeur vers le fichier similaire.

Quand les objets sont écrits sur le disque, le format détendu est souvent utilisé, puisque ce format est plus simple d'accès. Cependant, vous voudrez certainement sauver de l'espace en packageant les objets - cela se fait avec la commande git gc. Elle utilisera une heuristique plutôt compliquée pour déterminer quels fichiers sont similaires et basera les delta sur cette analyse. Nous pouvons avoir de multiple packfiles, ils peuvent être re-packagés si nécessaire (git repack) ou dé-packagés en de multiples fichiers (git unpack-objects) relativement facilement.

Git écrira aussi un fichier d'index pour chaque packfile, il sera bien plus petit et contiendra les offset du packfile pour trouver des objets spécifiques plus rapidement en utilisant le SHA.

Le détail de l'implémentation du packfile se trouve dans le chapitre Packfile disponible un peu plus loin dans ce livre.