章 ▾ 第2版

10.4 Gitの内側 - パックファイル

パックファイル

前のセクションの例のすべての手順に従った場合、現在、4つのblob、3つのtree、3つのcommit、1つのtagからなる合計11のオブジェクトを持つテストGitリポジトリがあるはずです。

$ find .git/objects -type f
.git/objects/01/55eb4229851634a0f03eb265b69f5a2d56f341 # tree 2
.git/objects/1a/410efbd13591db07496601ebc7a059dd55cfe9 # commit 3
.git/objects/1f/7a7a472abf3dd9643fd615f6da379c4acb3e3a # test.txt v2
.git/objects/3c/4e9cd789d88d8d89c1073707c3585e41b0e614 # tree 3
.git/objects/83/baae61804e65cc73a7201a7252750c76066a30 # test.txt v1
.git/objects/95/85191f37f7b0fb9444f35a9bf50de191beadc2 # tag
.git/objects/ca/c0cab538b970a37ea1e769cbbde608743bc96d # commit 2
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4 # 'test content'
.git/objects/d8/329fc1cc938780ffdd9f94e0d364e0ea74f579 # tree 1
.git/objects/fa/49b077972391ad58037050f2a75f74e3671e92 # new.txt
.git/objects/fd/f4fc3344e67ab068f836878b6c4951e3b15f3d # commit 1

Gitはこれらのファイルの内容をzlibで圧縮し、大量のデータを保存しているわけではないため、これらのファイルは合計でわずか925バイトしか占めていません。次に、Gitの興味深い機能をデモンストレーションするために、リポジトリにさらに大きなコンテンツを追加します。デモンストレーションとして、Gritライブラリからrepo.rbファイルを追加します。これは約22KBのソースコードファイルです。

$ curl https://raw.githubusercontent.com/mojombo/grit/master/lib/grit/repo.rb > repo.rb
$ git checkout master
$ git add repo.rb
$ git commit -m 'Create repo.rb'
[master 484a592] Create repo.rb
 3 files changed, 709 insertions(+), 2 deletions(-)
 delete mode 100644 bak/test.txt
 create mode 100644 repo.rb
 rewrite test.txt (100%)

結果のツリーを見ると、新しいrepo.rb blobオブジェクトに対して計算されたSHA-1値を確認できます。

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob 033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

次に、git cat-fileを使用して、そのオブジェクトのサイズを確認できます。

$ git cat-file -s 033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5
22044

この時点で、そのファイルを少し修正して、何が起こるか見てみましょう。

$ echo '# testing' >> repo.rb
$ git commit -am 'Modify repo.rb a bit'
[master 2431da6] Modify repo.rb a bit
 1 file changed, 1 insertion(+)

最後のコミットによって作成されたツリーを確認すると、興味深いことがわかります。

$ git cat-file -p master^{tree}
100644 blob fa49b077972391ad58037050f2a75f74e3671e92      new.txt
100644 blob b042a60ef7dff760008df33cee372b945b6e884e      repo.rb
100644 blob e3f094f522629ae358806b17daf78246c27c007b      test.txt

blobは別のblobになっています。つまり、400行のファイルの末尾に1行だけ追加したにもかかわらず、Gitはその新しいコンテンツを完全に新しいオブジェクトとして保存したことになります。

$ git cat-file -s b042a60ef7dff760008df33cee372b945b6e884e
22054

ディスク上にほぼ同じ22KBのオブジェクトが2つあります（それぞれ約7KBに圧縮されています）。Gitが一方を完全に保存し、もう一方のオブジェクトを最初のオブジェクトとの差分としてのみ保存できたら便利だと思いませんか？

実は可能です。Gitがディスク上にオブジェクトを保存する初期フォーマットは、「ルーズ」オブジェクトフォーマットと呼ばれます。しかし、時折Gitはスペースを節約し、より効率的にするために、これらのオブジェクトのいくつかを「パックファイル」と呼ばれる単一のバイナリファイルにまとめます。これは、ルーズオブジェクトが多すぎる場合、手動でgit gcコマンドを実行した場合、またはリモートサーバーにプッシュした場合に行われます。何が起こるかを確認するには、git gcコマンドを呼び出して、Gitにオブジェクトをパッキングするよう手動で要求できます。

$ git gc
Counting objects: 18, done.
Delta compression using up to 8 threads.
Compressing objects: 100% (14/14), done.
Writing objects: 100% (18/18), done.
Total 18 (delta 3), reused 0 (delta 0)

objectsディレクトリを見ると、ほとんどのオブジェクトがなくなっており、新しい2つのファイルが現れているのがわかります。

$ find .git/objects -type f
.git/objects/bd/9dbf5aae1a3862dd1526723246b20206e5fc37
.git/objects/d6/70460b4b4aece5915caf5c68d12f560a9fe3e4
.git/objects/info/packs
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.idx
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.pack

残っているオブジェクトは、どのコミットからも指されていないblobです。このケースでは、以前に作成した「what is up, doc?」の例と「test content」の例のblobです。これらはどのコミットにも追加されなかったため、ぶら下がりオブジェクトと見なされ、新しいパックファイルにはパックされません。

その他のファイルは、新しいパックファイルとインデックスです。パックファイルは、ファイルシステムから削除されたすべてのオブジェクトの内容を含む単一のファイルです。インデックスは、そのパックファイル内のオフセットを含むファイルであり、特定のオブジェクトに素早くシークできます。素晴らしいのは、gcコマンドを実行する前はディスク上のオブジェクトが合計で約15KBだったのに対し、新しいパックファイルはわずか7KBであることです。オブジェクトをパッキングすることで、ディスク使用量を半分に削減しました。

Gitはどのようにしてこれを行うのでしょうか？Gitがオブジェクトをパッキングする際、名前とサイズが類似しているファイルを探し、ファイルのバージョン間の差分のみを保存します。パックファイルの中を調べて、Gitがどのようにスペースを節約したかを確認できます。git verify-pack配管コマンドを使用すると、何がパックされたかを確認できます。

$ git verify-pack -v .git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.idx
2431da676938450a4d72e260db3bf7b0f587bbc1 commit 223 155 12
69bcdaff5328278ab1c0812ce0e07fa7d26a96d7 commit 214 152 167
80d02664cb23ed55b226516648c7ad5d0a3deb90 commit 214 145 319
43168a18b7613d1281e5560855a83eb8fde3d687 commit 213 146 464
092917823486a802e94d727c820a9024e14a1fc2 commit 214 146 610
702470739ce72005e2edff522fde85d52a65df9b commit 165 118 756
d368d0ac0678cbe6cce505be58126d3526706e54 tag    130 122 874
fe879577cb8cffcdf25441725141e310dd7d239b tree   136 136 996
d8329fc1cc938780ffdd9f94e0d364e0ea74f579 tree   36 46 1132
deef2e1b793907545e50a2ea2ddb5ba6c58c4506 tree   136 136 1178
d982c7cb2c2a972ee391a85da481fc1f9127a01d tree   6 17 1314 1 \
  deef2e1b793907545e50a2ea2ddb5ba6c58c4506
3c4e9cd789d88d8d89c1073707c3585e41b0e614 tree   8 19 1331 1 \
  deef2e1b793907545e50a2ea2ddb5ba6c58c4506
0155eb4229851634a0f03eb265b69f5a2d56f341 tree   71 76 1350
83baae61804e65cc73a7201a7252750c76066a30 blob   10 19 1426
fa49b077972391ad58037050f2a75f74e3671e92 blob   9 18 1445
b042a60ef7dff760008df33cee372b945b6e884e blob   22054 5799 1463
033b4468fa6b2a9547a70d88d1bbe8bf3f9ed0d5 blob   9 20 7262 1 \
  b042a60ef7dff760008df33cee372b945b6e884e
1f7a7a472abf3dd9643fd615f6da379c4acb3e3a blob   10 19 7282
non delta: 15 objects
chain length = 1: 3 objects
.git/objects/pack/pack-978e03944f5c581011e6998cd0e9e30000905586.pack: ok

ここで、033b4 blob（覚えているかもしれませんが、これはrepo.rbファイルの最初のバージョンでした）は、ファイルの2番目のバージョンであったb042a blobを参照しています。出力の3列目はパック内のオブジェクトのサイズなので、b042aがファイルの22KBを占めるのに対し、033b4はわずか9バイトしか占めていないことがわかります。さらに興味深いのは、ファイルの2番目のバージョンが無傷で保存されており、元のバージョンは差分として保存されている点です。これは、ファイルの最新バージョンへのより高速なアクセスが必要となる可能性が高いからです。

このことの本当に素晴らしい点は、いつでも再パックできることです。Gitは時折、より多くのスペースを節約しようとしながらデータベースを自動的に再パックしますが、手動でgit gcを実行することでもいつでも再パックできます。

scroll-to-top