git 用于 shortstats 的日志拉取对象

Question

我有意克隆一个特定的存储库作为自动化系统的一部分来解析提交。 我正在使用的命令是：

git clone https://github.com/google/material-design-icons.git --filter=blob:none --bare --no-tags --single-branch

这对于生成我可以实现的最小磁盘克隆以及确保快速克隆非常有效，这两者对我的过程都很重要。

使用以下命令运行git log时：

git --no-pager log --max-count=10000 --shortstat -z

git log似乎在提交之间暂停以枚举接收对象：

remote: Enumerating objects: 8, done.
remote: Counting objects: 100% (8/8), done.
remote: Compressing objects: 100% (6/6), done.
remote: Total 8 (delta 2), reused 8 (delta 2), pack-reused 0
Receiving objects: 100% (8/8), 13.48 MiB | 5.76 MiB/s, done.
Resolving deltas: 100% (2/2), done.

如果我删除--shortstat标志，则不会发生这种情况。 我试图深入研究文档，但我要么错过了关于为什么--shortstat正在拉动对象的内容，要么我缺乏制度知识。 上面提到的回购是我们在处理过程中遇到的少数表现出这种行为的回购之一。 我希望能够获得 output 统计数据，同时拥有一个苗条的克隆，而不必在两次提交之间从远程枚举对象。

Answer 1

您正在通过--filter=blob:none参数使用新的（仍在开发中）部分克隆功能。 这解释了整个问题。

部分克隆通过根除基本的 Git 假设来工作。 Git 假设您始终拥有整个存储库。 存储库本身由两个独立的数据库组成：

• 一个包含 Git 的对象，这些对象的编号看起来是随机的（但实际上不是随机的）Object ID 或 OID。 其中一些对象是提交，它们本身非常小，因为它们只包含提交的元数据。 其他 object 类型包含实际文件（以及其他在这里不太相关的有用信息）。

• 另一个数据库保存名称，例如分支和标签名称，将每个名称映射到一个 OID。

在“正常”的 Git 存储库中，每个名称都映射到一个实际存在于 object 数据库中的 OID。 该数据库中的提交对象包含额外的 OID，它们在 object 数据库中定位额外的对象。 Git 因此能够提取任何提交的完整快照，而无需诉诸任何网络访问，因为一切都存在于本地数据库中。

然而，在部分克隆中，一些对象丢失了。 它们被 Git 称为承诺包的东西所取代。 当 Git 需要一些对象，并找到这些承诺包替换之一时，Git 必须调用您最初克隆的存储库并获取丢失的对象。

当使用git log而没有额外的 arguments 时，Git 只需要检查提交元数据。 但是，当您添加--stat或--shortstat或-p或许多其他可能的选项之一时，事实证明 Git 将需要（部分或全部）go 每次提交的文件作为 Git 遍历元数据。 所以 Git 将暂停，如果可能的话收集那些对象，将它们插入到 object 数据库中，然后才进行下一次提交。

要获取差异信息，包括--shortstat样式信息，Git 需要来自两次提交的部分或全部文件。 由于树对象的数据格式，Git 实际上只需要那些不同的文件，因此您可以使用比完整克隆所需的更小的 blob 集。 但是有一个很大的缺点：Git 一次只能提取几个 blob，并且每次提取都有很大的开销。

您可能会发现，总体而言，只克隆整个存储库会更快，这样git log就不必再获取任何对象了。 考虑使用参考克隆来加速初始克隆过程。 （这可能对磁盘空间没有多大帮助，因为参考克隆将是一个完整的克隆，但如果你避免--dissociate ，参考克隆本身可以为每个进一步的克隆提供对象，这样你只有一个克隆使用空间，而不是可能很多。但是，如果没有--dissociate ，您必须非常小心，以确保引用克隆本身保持有效且可访问。）