Github 的清点对象算法

原文地址：http://www.ruanyifeng.com/blog/2015/09/git-bitmap.html

使用 Github 的时候，你有没有见过下面的提示？


$ git clone https://github.com/torvalds/linux
Cloning into 'linux'...
remote: Counting objects: 4350078, done.
remote: Compressing objects: 100% (4677/4677), done.
Receiving objects:   4% (191786/4350078), 78.19 MiB | 8.70 MiB/s

这段提示说，远程代码库一共有4350078个对象需要克隆。

这就叫"清点对象"（counting objects），Github需要实时计算出来，需要克隆的对象总数。

这个过程非常慢，根据Github的披露，像Linux kernel这样巨大的库，清点一次需要8分钟！也就是说，发出git clone命令后，会干等八分钟，然后才会开始真正的数据传输。这当然是无法忍受的。Github团队一直想解决这个问题。

后来，他们终于发现了一种新的算法，现在清点一次只要3毫秒！

为了理解这个算法，你必须先知道，什么是Git的对象。简单说，对象就是文件，最重要的对象有三种。

快照对象（Commit）

目录对象（Directory）

文件对象（File）

每次提交代码的时候，会生成一个commit对象，里面有对应的当前"目录对象"的名字。"目录对象"保存了代码根目录所含有的子目录和文件信息。每一个子目录就是另一个"目录对象"，每一个文件则是"文件对象"，里面是具体的文件内容。

所以，"清点对象"就是清点各种commit、目录、文件等。git clone和git fetch操作都需要清点对象，因为需要知道，到底下载哪些对象文件。

清点对象的原始算法如下。

列出本地所有分支最新的一个commit

列出远程所有分支最新的一个commit

两者进行比较，只要有不同，就意味着分支发生变动

每一个发生变动的commit，都清点其中具体变动的子目录和文件

追溯到当前commit的父节点，重复第四步，直至本地与远程的历史一致为止

加总所有需要变动的对象

上面的过程说明，"清点对象"是一个文件遍历算法，变动的对象会被一一清点到，这就意味着大量的文件读操作。对于大型代码库来说，这个过程非常慢。

Github团队想到的新算法，是建立一个Bitmap索引，即为每一个commit生成一个二进制值。

打开本地Github仓库的.git/objects/pack/目录，你会看到一个索引文件和一个数据文件，它们就是Bitmap。简单说，这两个文件索引了当前代码库的所有对象，然后使用一个二进制值代表这些对象。有多少个对象，这个二进制值就有多少位。它的第n位，就代表数据文件里面的第n个对象。

每个commit都会有一个对应的二进制值，表示当前快照包含的所有对象。这些对象对应的二进制位都为1，其他二进制位都为0。

这样做的好处是，不用读取commit对象，只要读取这个二进制值，就会知道当前commit包含了哪些节点。更妙的是，两个二进制值只要做一次XOR运算，就会知道哪些位（即哪些对象）发生了变动。而且，因为新的对象总是添加到现有二进制位的后面，所以只要读取多出来的那些位，就知道当前commit比上一次commit多出了哪些对象。

这样一来，"清点对象"就变成了二进制值的比较运算，因此速度极快。进一步的介绍，请参看官方文档《Bitmap的解释》，《Bitmap的格式》。

目前，Github的生产环境已经部署了这套算法，用户再也不用为了清点对象，而苦苦等待了。而且，Github团队还把它合并进了Git，这意味着，从此所有Git实现都可以使用Bitmap功能了，因此将来肯定还会有更多好玩的用法出现。

（完）

Github 的清点对象算法相关推荐

labuladong的算法小抄pdf_真漂亮！这份GitHub上爆火的算法面试笔记，助你圆满大厂梦...
前言 Github作为程序员们的后花园,一直以来都是程序员最喜欢逛逛.学习的地方,小编也不例外,最近看到一份对标BAT等一线大厂的算法面试笔记,已经标星68+K了,很是惊讶,看了一下,觉得知识点整理得 ...
搬砖试金石！github星标7W算法刷题宝典，还愁拿不下大厂offer？
前言这几年IT技术蓬勃发展,日新月异,对技术人才的需求日益增长,程序员招聘市场也如火如荼.在有限的三五轮面试中,国外流行让面试者编程解决某些数据结构和算法的题目,通过观察面试者编码的熟练程度.思考的 ...
《github一天一道算法题》：并归排序
看书.思考.写代码! /******************************************** copyright@hustyangju* blog: http://blog.csd ...
《github一天一道算法题》：分治法求数组最大连续子序列和
看书.思考.写代码. /**************************************** copyright@hustyangju * blog: http://blog.csdn.n ...
《github一天一道算法题》：插入排序
看书.思考.写代码! /*********************************************** * copyright@hustyangju * blog: http://bl ...
【南梦宫】预设性背景跟随对象算法
public static float WIDTH = 4.0f;//一个背景的宽度 public static int MODEL_NUM = 3;//背景个数 private Ve ...
JVM自动内存管理：对象判定和回收算法
可回收对象的判断方法 1.引用计数算法 2.可达性分析算法引用计数算法给对象中添加一个引用计数器,每当有一个地方引用它时,计数器值就加1:当引用失效时,计数器值就减1:任何时刻计数器为0的对象就是 ...
GitHub超4.4k星：程序员求职，一个算法模板就够了
来源:新智元本文约1800字,建议阅读5分钟本文为你介绍程序员求职中科学的.高效的刷题方式. [ 导读 ] 近日,GitHub上一个名为"算法模板"的项目引发热议,获得了超4. ...
Github标星57k+，热榜第一，用Python实现所有算法
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 学会了Python基础知识,想进阶一下,那就来点算法吧!毕竟编程语言只是工具,结构 ...

Github 的清点对象算法

Github 的清点对象算法相关推荐

最新文章

热门文章