Git：如何处理具有共享历史记录的文件副本？
Git: How are copies of a file with a shared history handled?
我将 CSS 用户样式备份到 git 存储库，如下所示：
❯ fd
stylus-2021-05-18.json
stylus-2021-05-20.json
这些备份文件显然大部分是相同的，即stylus-2021-05-18.json是stylus-2021-05-20.json的过去历史。 git 是如何处理的？
显然，我可以将文件重命名为 stylus.json 并让 git 完全处理版本控制，但我想知道 git 是否足够聪明，可以与自动生成这些文件。
纯粹从技术角度来看很容易：如果 git 历史记录中的两个文件曾经具有完全（逐字节）相同的内容，那么它们将引用 the same blob object*，实际内容只会存储一次。因此，如果您当前的 fileA 版本与 2 次提交前的 fileB 相同，那么它们仍然只会在 .git 子目录中存储一次。无论文件是否具有不同的名称，是否在同一提交或其他提交或不同路径上，这都有效：只要内容相同，blob 将被重用。
另一方面：如果这种情况发生得太频繁，则表明您正在以一种并非真正打算使用的方式使用版本控制：给定的提交不应包含任何“历史数据”或“存档”：这就是其他 commits/tags/branches 的用途。任何给定分支的 HEAD 应该完全（且仅）包含当前与该分支相关的内容。但这部分在技术上不是必需的：它只是关于通常如何使用 git 的约定。
* 请注意，这种重用甚至会进入目录级别，即如果两个目录包含相同的子目录和文件，它们将引用相同的树对象。这使得存储“非常相似”的提交非常有效：实际上只有差异需要额外存储。请注意，提交仍然是 snapshots and not diffs.
TL;DR
提交始终创建为完整文件快照，但垃圾收集会创建提交包，它使用差异压缩有效地存储相似的 blob，无论它们是否来自同一文件。
简介
我对 Git 存储“差异”而不是完整文件的理解完全错误。在完成一些阅读和一些实验之后，我发现修改文件或创建文件副本并不重要，当您提交更改或新文件时，Git 会创建一个全新的 blob , 每一次.
但是，这是非常低效的，因为您最终会得到同一文本的许多不同副本，并且 blob 之间的差异很小。当 Git 创建包时，该问题得到解决。我不完全理解 Git 如何搜索要打包的东西，但在一个包中，它将一些 blob 存储为整个 blob，而另一些存储为与其他 blob 的差异。
实验
# create a big file and commit it
seq 1 1000000 | shuf > bigfile
git add bigfile
git commit -m'bigfile'
此时，find .git -ls 显示了一个大 blob (3.5MB) 存储了这个 6.9MB 的文件。
# modify the big file and commit the change
echo change >> bigfile
git commit -m'modify bigfile' bigfile
此时，find .git -ls 向我展示了 两个 大块，每个大约 3.5MB。对我来说似乎效率很低，但请继续阅读...
# Add another big file, similar to the first one, and commit it
cp bigfile bigfile2
echo some trivial change >> bigfile2
git add bigfile2
git commit -m'bigfile2'
事情没有好转：find .git -ls 向我展示了 三个 个大块，每个大约 3.5MB！
现在，在您推送时的某个时刻，Git 可能会打包您的沙箱，但我们现在可以强制执行此操作：运行 git gc。正如我错误地认为的那样，这不仅仅是垃圾收集，它还在创建提交包。在 运行ning git gc 之后，find .git -ls 现在报告单个包大约 3.2MB。因此，我的三个大 blob 被识别为相似、压缩更好且存储有效。我认为这叫做“差异压缩”。
参考资料
我刚刚阅读的回答这个问题的在线帖子：
- Commits and snapshots, not diffs, by Derrick Stolee（link 在@Joachim Sauer 的回答中找到）
- Git Internals - How Git works, by Kaushik Rangadurai
我将 CSS 用户样式备份到 git 存储库，如下所示：
❯ fd
stylus-2021-05-18.json
stylus-2021-05-20.json
这些备份文件显然大部分是相同的，即stylus-2021-05-18.json是stylus-2021-05-20.json的过去历史。 git 是如何处理的？
显然，我可以将文件重命名为 stylus.json 并让 git 完全处理版本控制，但我想知道 git 是否足够聪明，可以与自动生成这些文件。
纯粹从技术角度来看很容易：如果 git 历史记录中的两个文件曾经具有完全（逐字节）相同的内容，那么它们将引用 the same blob object*，实际内容只会存储一次。因此，如果您当前的 fileA 版本与 2 次提交前的 fileB 相同，那么它们仍然只会在 .git 子目录中存储一次。无论文件是否具有不同的名称，是否在同一提交或其他提交或不同路径上，这都有效：只要内容相同，blob 将被重用。
另一方面：如果这种情况发生得太频繁，则表明您正在以一种并非真正打算使用的方式使用版本控制：给定的提交不应包含任何“历史数据”或“存档”：这就是其他 commits/tags/branches 的用途。任何给定分支的 HEAD 应该完全（且仅）包含当前与该分支相关的内容。但这部分在技术上不是必需的：它只是关于通常如何使用 git 的约定。
* 请注意，这种重用甚至会进入目录级别，即如果两个目录包含相同的子目录和文件，它们将引用相同的树对象。这使得存储“非常相似”的提交非常有效：实际上只有差异需要额外存储。请注意，提交仍然是 snapshots and not diffs.
TL;DR
提交始终创建为完整文件快照，但垃圾收集会创建提交包，它使用差异压缩有效地存储相似的 blob，无论它们是否来自同一文件。
简介
我对 Git 存储“差异”而不是完整文件的理解完全错误。在完成一些阅读和一些实验之后，我发现修改文件或创建文件副本并不重要，当您提交更改或新文件时，Git 会创建一个全新的 blob , 每一次.
但是，这是非常低效的，因为您最终会得到同一文本的许多不同副本，并且 blob 之间的差异很小。当 Git 创建包时，该问题得到解决。我不完全理解 Git 如何搜索要打包的东西，但在一个包中，它将一些 blob 存储为整个 blob，而另一些存储为与其他 blob 的差异。
实验
# create a big file and commit it
seq 1 1000000 | shuf > bigfile
git add bigfile
git commit -m'bigfile'
此时，find .git -ls 显示了一个大 blob (3.5MB) 存储了这个 6.9MB 的文件。
# modify the big file and commit the change
echo change >> bigfile
git commit -m'modify bigfile' bigfile
此时，find .git -ls 向我展示了 两个 大块，每个大约 3.5MB。对我来说似乎效率很低，但请继续阅读...
# Add another big file, similar to the first one, and commit it
cp bigfile bigfile2
echo some trivial change >> bigfile2
git add bigfile2
git commit -m'bigfile2'
事情没有好转：find .git -ls 向我展示了 三个 个大块，每个大约 3.5MB！
现在，在您推送时的某个时刻，Git 可能会打包您的沙箱，但我们现在可以强制执行此操作：运行 git gc。正如我错误地认为的那样，这不仅仅是垃圾收集，它还在创建提交包。在 运行ning git gc 之后，find .git -ls 现在报告单个包大约 3.2MB。因此，我的三个大 blob 被识别为相似、压缩更好且存储有效。我认为这叫做“差异压缩”。
参考资料
我刚刚阅读的回答这个问题的在线帖子：
- Commits and snapshots, not diffs, by Derrick Stolee（link 在@Joachim Sauer 的回答中找到）
- Git Internals - How Git works, by Kaushik Rangadurai