GNU diff 和 git diff-tree


作者：郑凯

这只是在学习 git 里 object id 概念过程中的一个实际例子，如果对 object id 已经很熟悉了那可能不需要看了

目前在配置文件管理上有这么一个需求。同一个目录有三个格式相同的目录，目录下的文件和格式几乎相同，根目录在 git 里，因此三个目录会产生不同的历史。需求就是，可以比较任意历史的任意目录。

这个网页工具的最终效果是这样：

我开始是分成三步来做这事

第一步，分别 cd 到三个不同目录获取列表，下行中的 $name 是三个目录名（ dev / prod / stable ）

git log -n 50 --pretty=format:"%h %ct $name" .

第二步，根据列表生成不同的目录，例如 dc65220d-dev 或者 ffd38cd7-prod 这种目录，表明 commit id 和 name

第三步，任意两个目录之间 diff -u -r，并把这一操作最终显示在网页上

但是同事 sung1011 觉得方法不优雅，因为需要占用大量硬盘空间，又给出了改进方法，直接在 git 库里做比较，原来的第二步取消，第三步改为这么两步

第 3.1 步，根据 commit id 和 name 获取 object id

git ls-tree dc65220d 'config/dev'

返回结果类似，第三段 9e5bbaa0995dc2afc2e5d265385541e62c60bc1a 就是 object id，注意第二段的类型，tree 表示目录，如果 blob 就是单个文件

040000 tree 9e5bbaa0995dc2afc2e5d265385541e62c60bc1a	config/dev

用 ls-tree 分别获取这两个目录的 object id

第 3.2 步，使用 git diff-tree 比较，跟之前的 diff 很相似，只是目录名被换成 object id，例如

git diff-tree -u -r 9e5bbaa0995dc2afc2e5d265385541e62c60bc1a d2d1482c22e5a1a99f4ecfb1bb17e9a5d5d27975

回过头来再看第一步，取列表也可以改一下，使用裸仓库（git clone --bare）。

原本的操作，需要分别进入目录取 log，在裸仓库要变形一下，原本的：

cd "config/$name" && git log -n 50 --pretty=format:"%h %ct $name" .

改写为在仓库目录任意位置：

git log -n 50 --pretty=format:"%h $name %ct" -- "config/$name"

虽然 git diff-tree 看起来更优雅（不需要一堆临时目录），但实际使用效果并不够理想

  1. 在 diff 文件时细微的差异，例如有新增文件，GNU diff 里只会列一下文件名，而 diff-tree 会显示完整文件内容并且每行开头有个 + 号，但实际上从产品角度想要的还是 GNU diff 的那种。为了解决这个问题查到参数 --diff-filter=[(A|C|D|M|R|T|U|X|B)...[*]] 可以只选 M 而忽略 A|D，但看到这个参数后又引发了新的疑惑，不知道 diff-tree 的时候是否会有 R（renamed）、C（copied）等内容，因为只是想判断两个目录的绝对差异，而不是想查明上下文的历史变化。

  2. diff-tree 的时间是不稳定的，这很好理解，因为节省了空间，所以查询内容有大量的指针跳转，需要花更多时间。在我的机械硬盘上 diff-tree 花的时间大体分三档：1ms 左右，50ms 左右、2s 左右，而 diff 是稳定的 350ms 左右。虽然结果已经被缓存了，但 diff-tree 首次查询时间波动还是有点大。

  3. 这是纯粹需求的原因，不是实现的问题。diff 之后下一步就是复制选定的配置目录到某台测试机上，以及在 diff 过程中有可能需要查看某个版本的完整文件。这就需要 git cat-file 之类的，而如果是生成到很多目录的话，直接通过 Nginx 访问静态文件而不需要自定义接口了。

最终只是把仓库改成裸仓库，而没用 diff-tree，但通过这次实践，增加了对 object id 的理解，记下来也许以后别的需求会用得上。