10.4 Les tripes de Git - Fichiers groupés

Revenons à la base de donnée d’objets de notre dépôt Git de test. Pour l’instant, elle contient 11 objets : 4 blobs, 3 arbres, 3 commits et 1 étiquette :

Git compresse le contenu de ces fichiers avec zlib et on ne stocke pas grand chose ; au final, tous ces fichiers occupent seulement 925 octets. Ajoutons de plus gros contenu au dépôt pour montrer une fonctionnalité intéressante de Git. Pour la démonstration, nous allons ajouter le fichier repo.rb de la bibliothèque Grit. Il représente environ 22 ko de code source :

Si vous observez l’arbre qui en résulte, vous verrez l’empreinte SHA-1 du blob contenant le fichier repo.rb :

Vous pouvez vérifier la taille de l’objet sur disque à l’aide de git cat-file :

Maintenant, modifiez légèrement le fichier et voyez ce qui arrive :

Regardez l’arbre créé par ce commit et vous verrez quelque chose d’intéressant :

Ce blob est un blob différent. Bien que l’on ait ajouté une seule ligne à la fin d’un fichier en faisant 400, Git enregistre ce nouveau contenu dans un objet totalement différent :

Il y a donc deux objets de 22 ko quasiment identiques sur le disque. Ne serait-ce pas charmant si Git pouvait n’enregistrer qu’un objet en entier, le deuxième n’étant qu’un delta (une différence) avec le premier ?

Il se trouve que c’est possible. Le format initial dans lequel Git enregistre les objets sur le disque est appelé le format brut (loose object). De temps en temps, Git compacte plusieurs de ces objets en un seul fichier binaire appelé packfile (fichier groupé), afin d’économiser de l’espace et d’être plus efficace. Git effectue cette opération quand il y a trop d’objets au format brut, ou si l’on exécute manuellement la commande git gc, ou encore quand on pousse vers un serveur distant. Pour voir cela en action, vous pouvez demander manuellement à Git de compacter les objets en exécutant la commande git gc :

Si l’on jette un œil dans le répertoire des objets, on constatera que la plupart des objets ne sont plus là et qu’un couple de fichiers est apparu :

Les objets restant sont des blobs qui ne sont pointés par aucun commit. Dans notre cas, il s’agit des blobs « what is up, doc? » et « test content » créés plus tôt comme exemple. Puisqu’ils n’ont été ajoutés à aucun commit, ils sont considérés en suspend et ne sont pas compactés dans le nouveau fichier groupé.

Les autres fichiers sont le nouveau fichier groupé et un index. Le fichier groupé est un fichier unique rassemblant le contenu de tous les objets venant d’être supprimés du système de fichier. L’index est un fichier contenant les emplacements dans le fichier groupé, pour que l’on puisse accéder rapidement à un objet particulier. Ce qui est vraiment bien, c’est que les objets occupaient environ 15 ko d’espace disque avant gc et que le nouveau fichier groupé en occupe seulement 7. On a réduit l’occupation du disque de ½ en regroupant les objets.

Comment Git réalise-t-il cela ? Quand Git compacte des objets, il recherche les fichiers qui ont des noms et des tailles similaires, puis enregistre seulement les deltas entre une version du fichier et la suivante. On peut regarder à l’intérieur du fichier groupé et voir l’espace économisé par Git. La commande de plomberie git verify-pack vous permet de voir ce qui a été compacté :

Ici, le blob 033b4, qui, si on se souvient bien, était la première version du fichier repo.rb, référence le blob b042a, qui est la seconde version du fichier. La troisième colonne de l’affichage est la taille de l’objet dans le fichier compact et on peut voir que b042a occupe 22 ko dans le fichier, mais que 033b4 occupe seulement 9 octets. Ce qui est aussi intéressant est que la seconde version du fichier est celle qui est enregistrée telle quelle, tandis que la version originale est enregistrée sous forme d’un delta. La raison en est que vous aurez sans doute besoin d’accéder rapidement aux versions les plus récentes du fichier.

Une chose intéressante à propos de ceci est que l’on peut recompacter à tout moment. Git recompacte votre base de donnée occasionnellement, en essayant d’économiser de la place. Vous pouvez aussi recompacter à la main, en exécutant la commande git gc vous-même.