11

我会预先说这个问题本质上与this相似。有一个关键的区别使它与众不同：我想使用原始的 git 协议（如果您不熟悉基本的包网络协议，请参阅此处和此处）。

我正在使用 Scala 和 JGit 编写一个将连接到匿名 git 存储库的应用程序。我想请求一个 blob（想想“/path/to/file.txt”@“refs/heads/branch1”）。最终，我的目标是以编程方式从远程存储库中检索单个文件。似乎是一件非常有用的事情。

不管怎样，我一直在研究这个协议的内部结构。看起来这个的基本版本是“我想要这些对象，我有这些对象”——而且 bam，有一个包含所有你没有的东西的包文件。我的问题的核心是：如何以非递归方式向 git-upload-packfile 询问单个对象？我可以下载单个提交对象，然后请求树，然后是子树，然后是另一个子树，最后是 blob 本身。速度在这里并不太重要，主要是我想节省带宽。但似乎根本没有办法告诉 git-upload-packfile，“请只给我我要求的一个对象”。

是的，有“拥有”列表，它基本上将对象排除在外，但是这需要对存储库内容的先验知识（记住，我没有本地存储库）。我可以生成所有可能的 sha1 列表并发送所有可能的 sha1，但我想要的除外，但这太荒谬了（耗时、消耗带宽，并且对各地程序员的犯罪行为）

我一直在研究的另一个可能的解决方案是在远程端使用 git-upload-archive，尽管我承认我还没有花太多时间研究它。

如果涉及到这一点，我非常愿意重写 JGit，所以请不要把它读作“我如何让 JGit 做......”。我只想知道协议本身是否能够做到这一点。我觉得有一些非常聪明的方法可以滥用协议来实现我想要的。有什么想法吗？

4

1 回答 1

13

回答我自己的问题。我找到了一个可接受的（虽然几乎没有记录）答案。我不得不通过大量的 C 代码来解决这个问题。

首先，使用无法实现上述要求，git-upload-packfile因为这根本不是程序设计的目的。我怀疑的正确答案是git-upload-archive。可悲的是，该协议几乎没有记录。所以这是我的笔记，以防其他人有类似的要求。

基本上我在这里（在scala中）试图模拟的是以下命令：

git archive --format=tar --remote=ssh://dave@ssh.mycompany.com/cornballer.git \
  > master plans/documents/cornballer-blueprint.pdf | tar -x

除了在软件中，希望使用 JGit。遗憾的是，JGit （还）不支持 git archive 命令。所以这里有一个关于如何添加支持的非常高级的概述（我可能会分叉 JGit 并在以后添加它）。

让我们看一下协议（来自 Documentation/technical/pack-protocol.txt）：

git-proto-request = request-command SP pathname NUL [ host-parameter NUL ]
request-command   = "git-upload-pack" / "git-receive-pack" /
                    "git-upload-archive"   ; case sensitive
pathname          = *( %x01-ff ) ; exclude NUL
host-parameter    = "host=" hostname [ ":" port ]

所以协议的第一部分是这样的：

  1. 与远程建立传输（ssh 然后运行git-upload-archive或使用匿名 git 协议）
  2. 发送git-upload-archive /cornballer.git\0host=ssh.mycompany.com\0（作为数据包线路）

至此，连接建立。如果该命令不受支持或存在任何问题，Git 可能会返回错误。我还没有弄清楚如何检查这个。

接下来是未记录的部分。我们基本上通过网络发送命令行参数git-archive。它们与命令完全相同，但git-archive有一个例外：它们都以 . 为前缀argument[SPACE]。每个参数都写成（至少在参考实现中）作为单独的数据包行。所以对于上面的例子：

  1. 发送argument --format=tar（作为数据包线路）
  2. 发送argument master（作为数据包线路）
  3. 发送argument plans/documents/cornballer-blueprint.pdf（作为数据包线路）
  4. 发送一个刷新数据包 ( 0000)

至此，我们已经为远程 git-archive 进程提供了整个命令。现在我们阅读响应。我们从服务器读回一个数据包行，这将是以下响应之一：

  1. ACK（意思是成功——准备发送存档）
  2. NACK [message]-- 某种错误，只找到了一个使用实例 -- “无法生成子进程”
  3. ERR [message]-- 发生错误

如果ACK发送了 an ，后面会跟着一个刷新数据包 ( 0000)，然后是原始 tar 数据。此时，您重复读取来自边带#1（主数据通道）的数据包行。当你到达一个刷新数据包时，你停止阅读。很简单。

所以现在你有了远程文件，但是如果你想做一些巧妙的缓存呢？我如此热衷于使用的一个原因git-upload-packfile是它可以让我记录提交 ID，从而将其缓存在本地，并且只在需要时刷新。tar 文件不会告诉我们这些信息，对吧？错误的！

从 git-archive 的手册页：

此外，如果使用 tar 格式，则提交 ID 存储在全局扩展 pax 标头中；它可以使用 git get-tar-commit-id 提取。在 ZIP 文件中，它被存储为文件注释。

嗯，这是个好消息！这就是我想要的一切。如果您想知道标头是什么样的，这里有一个示例（不，我不会剖析 pax 标头）：

pax_global_header00006660000000000000000000000064121002672560014513gustar00rootroot0000000000000052 comment=326756f834865880c9832b64238e7665632e9b67

所以从我的角度来看，我只需要设置一个管道来自动运行上述步骤，通过一个 untar 步骤（以编程方式）运行它来执行所需的“从 git 获取单个文件”功能。

于 2013-01-30T17:47:57.677 回答