多次Git add 的垃圾对象为什么要保留在暂存区？

Question

比如一个文件readme.txt 。修改一次 git add ，第二次修改，然后 git add ，第三次修改 然后再git add。这时候你会发现以上三次add形成的blod文件都留在硬盘上。不明白Git如此设定的目的是什么？留下前两个版本的blod文件在暂存区有什么作用呢？

暂存区保留第三版blod文件，那么当你在工作区又修改了readme.txt以后，git stauts git diff 都会用到第三版的 blod文件。但是前两版的blod有什么用呢？站在用户需求的角度想不到这两个老版本有什么用？而且commit时会提交两个老版本blod文件么？

如果它们有用，那么git为什么要专门提供 git prune命令去删除前两个版本呢？

如果说它们没用吧，那么git add 时为什么不采用覆盖机制，直接用新版blod替换掉上一版的blod文件呢？

如果是为了回滚，那么在什么场景下回滚代码不用Git库中的，一定要用暂存区的历史版本呢？

Answer 1

这是一个很好的疑问。Git在add后保留多个版本的blob对象的设计固然让人费解。但它有以下几个目的:

1. 支持 Git stash。Git stash会将工作区的修改暂存起来,等以后恢复使用。这需要保留add后的多个blob对象版本。
2. 支持交互式rebase。在rebase过程中,Git会暂停,让你解决冲突,然后继续rebase。这也需要保留多个blob对象版本。
3. 方便DEBUG。有时候想看看某次修改的diff结果,能够查看任意两个版本之间的diff很useful。如果只保留一个blob对象版本,就没法做这件事了。
4. 方便回滚。虽然正常情况下,回滚代码使用版本库的历史提交记录即可。但在某些复杂的回滚场景下,有老版本的blob对象也能提供帮助。当然,这不是主要目的,更推荐使用git reflog和git reset来回滚。
5. 降低内存占用。如果每次add都覆盖前一个blob对象,那么工作区的全部修改历史只会保存在一个blob对象内。这个blob对象可能会变得越来越大,占用更多内存。保留多个小的blob对象可以有效避免这个问题。

所以,可以看出,Git保留多个blob对象版本有一定的意义和作用。但是,为了避免blob对象过多占用空间,Git提供了git gc和git prune来清理不需要的blob对象,这也是很贴心的设计。
一般来说,可以这么理解:

1. 添加新文件或重命名文件,新旧版本的blob对象都保留,以支持各种Git操作(stash、rebase、diff等)
2. 修改文件,只保留最近两个版本的blob对象,足以支持一般的Git操作需求。更老的版本对象会在git gc时清理。
3. 如果 blob对象过多,会影响仓库体积或内存占用,可以手动执行git prune移除不需要的版本。总之,Git保留多个blob版本有一定好处,但也需适当清理,这两点Git的设计都考虑得很到位。理解Git的设计思想,会让我们更清楚如何高效运用Git。