10.4 Notranjost Gita - Packfiles (datoteke zmanjšanih podatkov)

Če ste sledili vsem navodilom v primeru iz prejšnjega odseka, bi morali imeti zdaj testni repozitorij Git z 11 objekti — štirimi blobi, tremi drevesi, tremi potrditvami in eno oznako:

Git stisne vsebine teh datotek z zlibom, ker ne hranite veliko, zato skupaj zavzemajo le 925 bajtov. Sedaj boste v repozitorij dodali nekaj večjih vsebin, da boste prikazali zanimivo lastnost Gita. Za prikaz bomo dodali datoteko repo.rb iz knjižnice Grit — to je približno 22 K velika datoteka s kodo:

Če si ogledate izhajajoče drevo, lahko vidite vrednost SHA-1, ki je bila izračunana za vaš novi objekt blob repo.rb:

Nato lahko uporabite git cat-file, da vidite, kako velik je ta objekt:

V tem trenutku malo spremenite datoteko in poglejte, kaj se zgodi:

Preverite drevo, ki je bilo ustvarjeno s to zadnjo potrditvijo, in videli boste nekaj zanimivega:

Blob je zdaj drugačen blob, kar pomeni, da je Git kljub temu, da ste dodali samo eno vrstico na konec 400-vrstične datoteke, to novo vsebino shranil kot popolnoma nov objekt:

Na svojem disku imate dva skoraj enaka 22 K objekta (vsak stisnjen na približno 7 K). Ne bi bilo lepo, če bi Git lahko shranil enega od njiju v celoti, drugi objekt pa le kot razliko med njim in prvim?

Izkaže se, da to lahko stori. Izvirni format, v katerem Git shrani objekte na disku, se imenuje format »šibkih« objektov (angl. loose object format). Vendar pa Git včasih več teh objektov zapakira v eno binarno datoteko, imenovano »packfile«, da prihrani prostor in je bolj učinkovit. Git to naredi, če imate okoli preveč šibkih objektov, ko ročno zaženete ukaz git gc, ali če objekte potisnete na oddaljen strežnik. Da vidite, kaj se zgodi, lahko Git ročno zaprosite, da zapakira objekte s klicem ukaza git gc:

Če pogledate v svoj direktorij objects, boste ugotovili, da je večina vaših objektov izginila in pojavil se je nov par datotek:

Objekti, ki ostanejo, so blobi, na katere ne kaže nobena potrditev — v tem primeru bloba »what is up, doc?« in »test content«, ki ste ju ustvarili prej. Ker jih nikoli niste dodali k nobeni potrditvi, se štejejo za viseče (angl. dangling) in niso zapakirani v vaši novi packfile.

Druge datoteke so vaša nova packfile in indeks. Datoteka zmanjšanih podatkov (packfile) je ena sama datoteka, ki vsebuje vsebino vseh objektov, ki so bili odstranjeni iz vašega datotečnega sistema. Indeks je datoteka, ki vsebuje zamike v tej zmanjšani datoteki, da lahko hitro poiščete določen objekt. Kar je odlično, je to, da čeprav so objekti na disku pred zagonom ukaza gc zavzemali približno 15 K v velikosti, nova zmanjšana datoteka zavzema samo 7 K. Zmanjšali ste uporabo diska za polovico s pakiranjem svojih objektov.

Kako Git to naredi? Ko Git pakira objekte, išče datoteke, ki so podobne po imenu in velikosti, in shranjuje samo delte od ene različice datoteke do naslednje. Ogledate si lahko datoteko packfile in vidite, kaj je Git naredil, da bi prihranil prostor. Ukaz napeljave git verify-pack vam omogoča, da si ogledate, kaj je bilo zapakirano:

Tukaj se blob 033b4, ki ste si ga zapomnili kot prvo različico vaše datoteke repo.rb, sklicuje na blob b042a, ki je bila druga različica datoteke. Tretji stolpec v izpisu je velikost objekta v paketu, tako da lahko vidite, da b042a zavzema 22 K datoteke, 033b4 pa le 9 bajtov. Kar je prav tako zanimivo, je, da je druga različica datoteke shranjena kot nedotaknjena, medtem ko je prvotna različica shranjena kot delta — to je zato, ker boste najverjetneje potrebovali hitrejši dostop do najnovejše različice datoteke.

Res dobra stvar pri tem je, da se lahko kadarkoli znova zapakira. Git bo samodejno znova zapakiral vašo zbirko podatkov, vedno poskušal prihraniti več prostora, vendar lahko kadarkoli ročno znova zapakirate z zagonom ukaza git gc.