Git 核心揭秘：深入理解三大对象 Blob、Tree 与 Commit

导读： Git，作为现代软件开发的基石，其强大之处远不止 git commit、git push 这么简单。它的核心是一个精巧的内容寻址文件系统，由三个基本对象——Blob、Tree 和 Commit——构成。理解这三大对象，是揭开 Git 神秘面纱、从“使用者”进阶为“掌控者”的关键一步。

本文将彻底告别高层命令的舒适区，带你深入 Git 的“引擎室”，通过底层的 Plumbing 命令，亲手创建、检查和链接这些核心对象。你将学到：

• Git 如何存储你的文件内容？ (Blob 对象)
• Git 如何组织目录结构？ (Tree 对象)
• Git 如何记录版本历史？ (Commit 对象)
• SHA-1 哈希在 Git 中的核心作用及其计算原理。

准备好了吗？让开始这场深入 Git 内部的探索之旅，真正理解版本控制的本质。

1. 万物皆对象：Git 的对象数据库

在 Git 的世界里，一切皆为对象。你的每一次代码提交，每一个文件，每一个目录结构，都被 Git 精心打包成一个“对象”，并存储在 .git/objects 目录下。这个目录就是 Git 的对象数据库。

Git 通过一个简单的 SHA-1 哈希算法 来索引和校验所有对象。这个 40 个字符的十六进制字符串（例如 fde429a1e9c278ded5d80604e74a15c2a583e41a）是根据对象的内容计算得出的。这意味着：

• 内容决定 ID：相同的内容总会生成相同的 SHA-1 哈希。
• 不可变性：一旦对象被创建，其内容和 ID 就永远不会改变。任何微小的修改都会导致一个全新的对象和全新的 ID。

这种机制保证了 Git 仓库历史的完整性和不可篡改性。

2. 存储内容：Blob 对象 (文件)

Blob (Binary Large Object) 是 Git 中最基础的对象类型，它只做一件事：存储文件的原始二进制内容。

你可以把 Blob 想象成一个文件的“快照”，但它不包含任何元数据，比如文件名、路径或时间戳。它只关心内容本身。

2.1. Blob 对象的哈希计算原理

Git 并非直接对文件内容进行 SHA-1 哈希。为了区分不同类型的对象，它会在内容前加上一个头部信息。对于 Blob 对象，其哈希的计算源于以下格式的字符串：

"blob " + content.length + "\0" + content

• "blob "：对象的类型。
• content.length：文件内容的字节数。
• "\0"：一个空字节，作为头部和内容的分隔符。
• content：文件的实际内容。

可以用 Node.js 来验证这一点：

const crypto = require("crypto")

// 准备 Git 对象的内容和头部
const type = "blob"
const content = "Hello, Git!\n"
const header = `${type} ${content.length}\0`
const store = header + content

// 创建 SHA-1 哈希
const sha1 = crypto.createHash("sha1")
sha1.update(store)
const hash = sha1.digest("hex")

console.log(hash)
// 输出: fde429a1e9c278ded5d80604e74a15c2a583e41a

2.2. 手动创建 Blob 对象

现在，让进入实战。将使用 Git 的底层命令 git hash-object 来手动创建一个 Blob 对象。

实验步骤：

1. 初始化一个实验仓库

   为了不影响现有项目，创建一个新的目录并初始化一个 Git 仓库。

   bash

   mkdir git-internals-lab && cd git-internals-lab && git init

2. 创建文件并生成 Blob

   创建一个简单的文本文件，然后使用 git hash-object -w 命令。-w 选项会将该文件内容作为一个 Blob 对象写入到 Git 的对象数据库中。

   bash

   $ echo 'Hello, Git!' > hello.txt
   $ git hash-object -w hello.txt
   fde429a1e9c278ded5d80604e74a15c2a583e41a

   看，这个哈希值和用 Node.js 计算出的完全一致！

3. 检查 Blob 对象

   可以使用 git cat-file 命令来检查刚刚创建的对象。

   • -t 选项用于查看对象类型。
   • -p 选项用于查看对象内容 (p for "pretty-print")。
   bash

   $ git cat-file -t fde429a1e9c278ded5d80604e74a15c2a583e41a
   blob
   
   $ git cat-file -p fde429a1e9c278ded5d80604e74a15c2a583e41a
   Hello, Git!

   这证明已成功将 hello.txt 的内容存储为了一个 Blob 对象。

3. 组织内容：Tree 对象 (目录结构)

如果只有 Blob，Git 只能存储一堆无组织的文件内容。为了重现项目在某个时刻的完整目录结构，Git 使用了 Tree 对象。

Tree 对象就像一个目录，它存储了：

• 一个或多个条目（entry）。
• 每个条目包含：文件模式（mode）、对象类型（blob 或 tree）、SHA-1 哈希和文件名。

简单来说，一个 Tree 对象就是一张列表，记录了它所代表的那个目录里，有哪些文件（指向 Blob 对象）和哪些子目录（指向其他 Tree 对象）。

3.1. 手动创建 Tree 对象

直接创建 Tree 对象比 Blob 要复杂一些，因为它依赖于一个叫做“暂存区”（Staging Area 或 Index）的中间区域。暂存区本质上是一个准备写入下一次提交的 Tree 对象的“构建器”。

将使用 git update-index 和 git write-tree 这两个命令。

实验步骤：

1. 将 Blob 添加到暂存区

   git update-index 命令用于管理暂存区。使用它来声明：“嘿，Git，我希望在下个版本中包含这个文件。”

   bash

   # 语法: git update-index --add --cacheinfo <mode> <blob-hash> <filename>
   $ git update-index --add --cacheinfo 100644 fde429a1e9c278ded5d80604e74a15c2a583e41a hello.txt

   • --add：因为这是第一次添加，所以需要这个标志。
   • --cacheinfo：表示直接提供 Blob 的哈希，而不是从工作目录的文件中计算。
   • 100644：这是一个文件模式，表示它是一个普通的、不可执行的文件。

2. 从暂存区创建 Tree 对象

   一旦暂存区准备就绪，git write-tree 命令就会读取暂存区的当前状态，并创建一个代表该状态的 Tree 对象。

   bash

   $ git write-tree
   d8329fc1cc938780ffdd9f94e0d364e0ea74f579

   这个命令会返回新创建的 Tree 对象的 SHA-1 哈希。

3. 检查 Tree 对象

   同样，使用 git cat-file 来一探究竟。

   bash

   $ git cat-file -t d8329fc1cc938780ffdd9f94e0d364e0ea74f579
   tree
   
   $ git cat-file -p d8329fc1cc938780ffdd9f94e0d364e0ea74f579
   100644 blob fde429a1e9c278ded5d80604e74a15c2a583e41a    hello.txt

   输出清晰地显示了这个 Tree 对象包含一个条目：一个名为 hello.txt 的普通文件，其内容由 Blob fde429a... 指定。通过这种方式，文件名和文件内容终于被关联起来了！

4. 记录历史：Commit 对象

已经了解了 Git 如何存储文件内容（Blob）和组织目录结构（Tree）。现在，来到了 Git 对象世界的核心——Commit 对象。如果说 Blob 和 Tree 是构建项目的“积木”，那么 Commit 就是将这些“积木”在特定时间点“固化”下来的快照，并为这个快照打上时间戳、作者信息和一段描述，从而构成了所熟知的版本历史。

Commit 对象的本质是一个版本快照，它包含了：

• 一个指向顶层 Tree 对象的指针：代表了该版本中项目根目录的完整结构。
• 一个或多个指向父 Commit 对象的指针：除了初始提交，每个 Commit 都至少有一个父提交，这正是将历史链接成线（或图）的关键。合并提交（Merge Commit）会有两个或多个父提交。
• 作者（Author）信息：记录了最初创建该变更的人员信息和时间戳。
• 提交者（Committer）信息：记录了将此提交应用到仓库的人员信息和时间戳。在简单的线性历史中，两者通常是相同的。
• 提交信息（Commit Message）：一段描述该版本变更内容的文字。

4.1. 手动创建 Commit 对象

现在，让利用上一章节创建的 Tree 对象 (d8329fc1cc938780ffdd9f94e0d364e0ea74f579) 来手动创建我们的第一个 Commit。

将使用 git commit-tree 命令。这个底层命令的作用就是：接收一个 Tree 对象的哈希，附加上作者、提交信息等元数据，然后生成一个全新的 Commit 对象。

实验步骤：

1. 创建 Commit 对象

   将一条提交信息通过管道传递给 git commit-tree 命令，并指定想要提交的 Tree 哈希。

   bash

   # 语法: echo "<commit-message>" | git commit-tree <tree-hash>
   $ echo 'Initial commit' | git commit-tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579
   3c3f87799565392854b09c311c5a3501b52d8c3e

   这个命令执行后，会返回新创建的 Commit 对象的 SHA-1 哈希。

2. 验证 Commit 对象

   和之前一样，使用 git cat-file -p 来查看这个 Commit 对象的内部构造。

   bash

   $ git cat-file -p 3c3f87799565392854b09c311c5a3501b52d8c3e
   tree d8329fc1cc938780ffdd9f94e0d364e0ea74f579
   author zhangzhengyang <zzy9953@163.com> 1733897971 +0800
   committer zhangzhengyang <zzy9953@163.com> 1733897971 +0800
   
   Initial commit

   看！输出结果清晰地展示了 Commit 对象的结构：

   • 它指向了我们的 Tree 对象 d8329fc1cc938780ffdd9f94e0d364e0ea74f579。
   • 它自动捕获了我的 Git 配置中的作者和提交者信息，并附上了时间戳。
   • 它包含了提供的提交信息 "Initial commit"。

   但是，这个 Commit 目前是“孤儿”。它存在于 Git 的对象数据库中，但没有任何分支或标签指向它。如果你此时运行 git log，你是看不到这个提交的。它像一个幽灵一样漂浮在 .git/objects 目录里，如果 Git 的垃圾回收机制（git gc）运行，它最终可能会被清理掉。

   为了让它成为历史的一部分，需要一个指针——也就是分支（Branch）或引用（Ref）。这部分将在后续章节深入探讨。

   在下一节，将学习如何创建第二个提交，并将其链接到第一个提交上，从而形成一条真正的提交链。

4.2. 链接历史：创建父子关系的 Commit

一个孤立的 Commit 意义不大，Git 的威力在于将这些 Commit 串联起来，形成一部可追溯的“历史影片”。这是通过在创建新 Commit 时指定其“父提交”（Parent Commit）来实现的。

将基于第一个 Commit (3c3f877...) 创建一个新的版本。

实验步骤：

1. 创建一个新的文件状态

   首先，需要对项目做一些改动。让创建一个新文件，并为它生成一个新的 Blob 和一个新的 Tree。

   bash

   # 1. 创建新内容和新 Blob
   $ echo 'Another file' > another.txt
   $ git hash-object -w another.txt
   a8f293c236264b3ad43a459414b8f1533a968982
   
   # 2. 更新暂存区，加入新文件
   # 注意：需要重新添加旧文件，因为暂存区是临时的
   $ git update-index --add --cacheinfo 100644 fde429a1e9c278ded5d80604e74a15c2a583e41a hello.txt
   $ git update-index --add --cacheinfo 100644 a8f293c236264b3ad43a459414b8f1533a968982 another.txt
   
   # 3. 创建代表新目录结构的 Tree
   $ git write-tree
   194dd7533f2a7252ebd8228f80d4562a4332a58d

   现在有了一个新的 Tree (194dd75...)，它代表了包含 hello.txt 和 another.txt 这两个文件的目录结构。

2. 创建第二个 Commit 并指定父提交

   现在是最关键的一步。再次使用 git commit-tree，但这次使用 -p 参数来指定它的父提交，也就是之前创建的第一个 Commit。

   bash

   # 语法: echo "<msg>" | git commit-tree <new-tree-hash> -p <parent-commit-hash>
   $ echo "Add another file" | git commit-tree 194dd7533f2a7252ebd8228f80d4562a4332a58d -p 3c3f87799565392854b09c311c5a3501b52d8c3e
   c16645a8d164553b45c3f3431856779b12a89a03

3. 验证新的 Commit 及其历史链

   让看看这个新创建的 Commit (c16645a...) 内部有什么不同。

   bash

   $ git cat-file -p c16645a8d164553b45c3f3431856779b12a89a03
   tree 194dd7533f2a7252ebd8228f80d4562a4332a58d
   parent 3c3f87799565392854b09c311c5a3501b52d8c3e
   author zhangzhengyang <zzy9953@163.com> 1733898421 +0800
   committer zhangzhengyang <zzy9953@163.com> 1733898421 +0800
   
   Add another file

   太棒了！和第一个 Commit 相比，这个 Commit 对象内部多了一行 parent 3c3f877...。这行信息就像一条无形的线，将我们的第二个提交指向了第一个提交，从而形成了一条从子到父的链条。

   通过不断重复这个过程，Git 构建起了一个由 Commit 节点组成的、可追溯的有向无环图（DAG），这便是 Git 版本历史的本质。

5. 分支与引用（Ref）：为 Commit 命名

到目前为止，创建的所有对象都只能通过它们冗长的 SHA-1 哈希来访问。这显然非常不便，而且正如提到的，没有被任何东西引用的 Commit 最终会被当作垃圾回收掉。为了解决这个问题，Git 引入了“引用”（References，或简称 Refs）。

引用（Ref）就是一个给人看的、友好的指针，它指向一个 Commit 哈希。 最常见的两种引用就是 分支（Branch） 和 标签（Tag）。

• 分支（Branch）：一个指向特定 Commit 的、可移动的指针。当你创建一个新的 Commit 时，当前所在的分支会自动向前移动，指向这个新的 Commit。这就是为什么分支代表了“开发中的一条线”。
• 标签（Tag）：一个指向特定 Commit 的、通常是不可移动的指针。它常用于标记重要的版本发布点，例如 v1.0.0。

这些引用都以普通文本文件的形式存储在 .git/refs 目录下。

• 分支位于 .git/refs/heads/
• 标签位于 .git/refs/tags/

5.1. 手动创建分支

让为之前创建的第二个 Commit (c16645a...) 创建一个名为 master 的分支，让它正式成为仓库历史的一部分。

将使用底层命令 git update-ref。

实验步骤：

1. 创建分支指针

   git update-ref 命令可以创建、更新或删除一个引用。

   bash

   # 语法: git update-ref <ref-path> <commit-hash>
   $ git update-ref refs/heads/master c16645a8d164553b45c3f3431856779b12a89a03

   这个命令的意思是：“创建一个名为 refs/heads/master 的引用，让它指向 Commit c16645a...”。

2. 验证分支

   首先，可以直接查看这个文件，你会发现它的内容就是那个 Commit 哈希。

   bash

   $ cat .git/refs/heads/master
   c16645a8d164553b45c3f3431856779b12a89a03

   更重要的是，现在可以使用 git log 命令了！Git 会自动查找所有在 refs/heads/ 下的分支，并从它们指向的 Commit 开始回溯历史。

   bash

   $ git log master
   commit c16645a8d164553b45c3f3431856779b12a89a03
   Author: zhangzhengyang <zzy9953@163.com>
   Date:   Thu Dec 11 17:07:01 2025 +0800
   
       Add another file
   
   commit 3c3f87799565392854b09c311c5a3501b52d8c3e
   Author: zhangzhengyang <zzy9953@163.com>
   Date:   Thu Dec 11 17:06:11 2025 +0800
   
       Initial commit

   看！手动创建的两个 Commit 现在都出现在了提交历史中。成功地从最底层的对象一步步构建起了一个功能虽小但完整的 Git 历史记录。

6. 常见问题（Q&A）

本章节整理了一些在理解 Git 底层对象时常见的问题，希望能帮助你扫清障碍。

Q1: Blob 和工作目录中的文件有什么区别？

A: 这是个非常核心的问题。它们的主要区别在于：

• Blob 是内容，文件是容器：Blob 只存储文件的内容，它是一个纯粹的二进制数据块。而工作目录中的文件，除了内容，还包含了文件名、路径、权限等元数据。
• Blob 在对象数据库中，文件在工作区：Blob 存储在 .git/objects 目录中，是 Git 仓库的永久组成部分。文件则存在于你的工作目录，是你可以直接编辑的实体。
• Blob 是不可变的，文件是可变的：一旦一个 Blob 被创建，它的内容和哈希就永远不会改变。而你可以随时修改工作目录中的文件。当你修改文件后，git add 会根据新内容生成一个全新的 Blob 对象。

简单来说，你可以把工作目录中的文件看作是“当前版本”的实体，而 Blob 则是构成所有版本历史的、不可变的“内容积木”。

Q2: .git/index 文件（暂存区）和 Tree 对象是什么关系？

A: .git/index 文件，也就是常说的“暂存区”（Staging Area），是连接工作目录和 Git 仓库历史的桥梁。它和 Tree 对象的关系可以概括为：暂存区是下一个 Tree 对象的“构建器”或“预演版”。

• 当你运行 git add <file> 时，Git 会：
  1. 根据文件内容创建一个 Blob 对象。
  2. 将这个 Blob 的信息（哈希、文件名、模式）更新到 .git/index 文件中。
• 当你运行 git commit 时，Git 内部实际上会先执行类似 git write-tree 的操作。这个操作会读取 .git/index 文件的当前状态，并据此创建一个新的 Tree 对象。
• 然后，git commit 再创建一个 Commit 对象，让它指向这个新生成的 Tree 对象。

所以，暂存区是一个动态的、二进制的清单，它精确地描述了下一次提交时根目录的结构应该是怎样的。git write-tree 命令的作用就是将这个清单“固化”成一个永久的、不可变的 Tree 对象。

Q3: git gc（垃圾回收）会删除哪些对象？

A: git gc (Garbage Collection) 的主要职责是清理 Git 仓库中不再需要的“悬空”对象（dangling objects），以节省空间。一个对象是否被回收，取决于它是否可达（reachable）。

• 可达的对象：从任何一个引用（即分支 refs/heads/...、标签 refs/tags/... 或特殊引用如 HEAD）出发，能够通过 Commit 的 parent 指针或 Tree 的条目最终访问到的所有对象（Commit、Tree、Blob），都是可达的。
• 悬空的对象：反之，任何无法从任何引用追溯到的对象，就是悬空的。

git gc 会删除那些悬空的对象。典型的悬空对象包括：

• 你用 git hash-object -w 创建了但从未使用过的 Blob。
• 你创建了但没有被任何引用指向的“孤儿” Commit（就像实验中那样）。
• 被 git rebase、git commit --amend 等命令抛弃的旧 Commit。

Git 并不会立即删除这些对象，而是会保留一段时间（默认为两周），以防你意外丢失数据需要恢复。git gc 会清理掉这些过了“宽限期”的悬空对象。

Q4: HEAD 是什么？它和分支有什么关系？

A: HEAD 是 Git 中一个至关重要的特殊指针，它代表了你当前所在的位置。你可以把它想象成一个“你在这里”的指示牌。

HEAD 通常指向一个分支。当你 checkout 一个分支时，比如 git checkout master，HEAD 就会指向 master。

• HEAD 是一个符号引用（Symbolic Ref）：在大多数情况下，.git/HEAD 是一个文本文件，其内容不是一个 SHA-1 哈希，而是指向另一个引用的路径。例如：ref: refs/heads/master。这意味着 HEAD 正通过 master 分支间接地指向一个 Commit。

7. 相关参考资料和扩展阅读

为了更深入地探索 Git 的内部工作原理，以下资源是极好的起点：

• 书籍
  • Pro Git - Scott Chacon 和 Ben Straub 的经典之作，尤其是第 10 章“Git Internals”，是本文内容的重要参考。
• 文章与教程
  • Git from the Bottom Up - 一篇经典的、自底向上解释 Git 的文章。
  • Build Your Own Git - 一个非常有趣的项目，指导你用 Python 从零开始实现一个迷你版的 Git。
• 官方文档
  • Git 官方文档 - 当你需要查询某个特定命令最精确的解释时，官方文档永远是最好的选择。

8. 版本历史记录

• v1.0.0 (2025-12-11)
  • feat: 完成对 Git 三大核心对象（Blob, Tree, Commit）的深入解析。
  • feat: 补充了手动创建和验证对象的底层命令实践指南。
  • feat: 新增了分支与引用（Ref）的核心概念说明。
  • docs: 增加了常见问题（Q&A）、参考资料和版本历史章节。
  • style: 全面优化和统一了文档的 Markdown 格式。