大型项目的git历史数据

我是git的新手，试图理解其原理。据我所知，在Git中，每个文件都完全按照和存储。然而，GitBook还指出了压缩二进制文件并计算文本文件差异的GitGC，该语句似乎与git存储完整文件的第一点相矛盾

1） 有人能解释一下哪一个是正确的吗？如果git-gc确实计算了部分差异，并且如果它在很长一段时间后运行，那么这是否将确保从基本版本到所有分支创建所有差异？如果git gc没有定期运行，这是否意味着需要大量的计算时间

---

2） 考虑到像Android这样有大量源文件和资源文件的项目，这似乎表明git将随着每次提交而膨胀。当开发者拉Android源代码时，如果它拉取所有源代码和二进制文件的整个历史记录，不是会占用很多空间吗？我是不是遗漏了什么？从长远来看，这是如何可持续的？

git gc

用于清理/压缩存储库中的松散对象。它通过打包对象（文件/树/提交的每个完整状态）来实现这一点。差异可以从以前的文件创建，也可以从一个完全无关但内容与git相似的文件创建

---

如前所述，为了解决问题2，git确实打包了对象。虽然从概念上讲，每个文件都有一个完整的副本，但当运行

gc

时，它们会被打包起来。至于存储二进制文件，git gc用于清理/压缩存储库中的松散对象。它通过打包对象（文件/树/提交的每个完整状态）来实现这一点。差异可以从以前的文件创建，也可以从一个完全无关但内容与git相似的文件创建

---

如前所述，为了解决问题2，git确实打包了对象。虽然从概念上讲，每个文件都有一个完整的副本，但当运行

gc

时，它们会被打包起来。至于存储二进制文件，Git是一个奇特的内容寻址文件系统。理论上，它存储每个版本中每个文件的完整内容，每个blob（文件内容）都有一个sha，可以通过它检索。在幕后，git实际上能够将一个文件作为与类似文件（通常是以前的版本，但不一定是这样）的差异来存储，但这完全发生在git存储文件的最低级别上。不仅git用户不必考虑它，甚至大多数git工具也不必考虑它

至于大小问题，因为“git文件系统”中有各种形式的压缩，而且效率很高，所以包含项目整个历史的

.git

目录通常比在项目达到数十万次提交之前对代码进行一次签出要小

---

如果一个存储库确实变得难以管理，那么（借助于诸如git graft之类的工具）可以将一个项目的历史拆分为不同的存储库，按照新的/古老的历史、活动的/归档的分支或其他类似的方式。git是一个奇特的内容寻址文件系统。理论上，它存储每个版本中每个文件的完整内容，每个blob（文件内容）都有一个sha，可以通过它检索。在幕后，git实际上能够将一个文件作为与类似文件（通常是以前的版本，但不一定是这样）的差异来存储，但这完全发生在git存储文件的最低级别上。不仅git用户不必考虑它，甚至大多数git工具也不必考虑它

至于大小问题，因为“git文件系统”中有各种形式的压缩，而且效率很高，所以包含项目整个历史的

.git

目录通常比在项目达到数十万次提交之前对代码进行一次签出要小

---

如果一个存储库确实变得难以管理，那么（借助于诸如

git graft

之类的工具）可以将一个项目的历史按照新的/古老的历史或活动的/归档的分支拆分为不同的存储库，或者其他类似的事情。

git gc计算存储差异的方式不一定与文件的历史记录相关。事实上，我记得在某个地方读过，但目前找不到参考资料，它很可能会选择“基础”的最新版本，因为这些是你最有可能检查的版本。如果您有10000个修订并且正在签出最新版本，则不希望将10000个差异应用于修订1以获得所需的版本

---

某些操作会自动运行

git gc

pull

是其中之一，因此您不太可能在运行它之间花费很长时间。如果你愿意的话，没有什么可以阻止你在每次提交后运行它。本质上，这就是其他版本控制系统在幕后所做的，也是git如此之快的主要原因之一。

git gc计算存储差异的方式不一定与文件的历史记录有关。事实上，我记得在某个地方读过，但目前找不到参考资料，它很可能会选择“基础”的最新版本，因为这些是你最有可能检查的版本。如果您有10000个修订并且正在签出最新版本，则不希望将10000个差异应用于修订1以获得所需的版本

某些操作会自动运行

git gc

pull

是其中之一，因此您不太可能在运行它之间花费很长时间。如果你是这样的话，没有什么可以阻止你在每次提交后运行它