使用git维护mdx字典源码(附大量字典)

技术交流与词典编修
21

你是对的，确实不会全部重写，我新建了一个git-test文件夹，在里面写入了1万x1万的字符，写入后再添加了mmm到文件的最后，确实只增加了一点体积，看来那个书里面写的snapshot和我理解的不一样。：）

after mkdir

0	git-test

after git init

0	git-test/.git/objects/pack
0	git-test/.git/objects/info
0	git-test/.git/objects
8	git-test/.git/info
120	git-test/.git/hooks
0	git-test/.git/refs/heads
0	git-test/.git/refs/tags
0	git-test/.git/refs
152	git-test/.git
152	git-test

after git commit bigsize.txt

904	git-test/.git/objects/a4
0	git-test/.git/objects/pack
0	git-test/.git/objects/info
8	git-test/.git/objects/ba
8	git-test/.git/objects/e7
920	git-test/.git/objects
8	git-test/.git/info
8	git-test/.git/logs/refs/heads
8	git-test/.git/logs/refs
16	git-test/.git/logs
120	git-test/.git/hooks
8	git-test/.git/refs/heads
0	git-test/.git/refs/tags
8	git-test/.git/refs
1112	git-test/.git
196464	git-test

after trail mmm

904	git-test/.git/objects/a4
8	git-test/.git/objects/d9
0	git-test/.git/objects/pack
8	git-test/.git/objects/72
904	git-test/.git/objects/00
0	git-test/.git/objects/info
8	git-test/.git/objects/ba
8	git-test/.git/objects/e7
1840	git-test/.git/objects
8	git-test/.git/info
8	git-test/.git/logs/refs/heads
8	git-test/.git/logs/refs
16	git-test/.git/logs
120	git-test/.git/hooks
8	git-test/.git/refs/heads
0	git-test/.git/refs/tags
8	git-test/.git/refs
2032	git-test/.git
197384	git-test
1 个赞
22

上面书里用快照来形容没什么问题，快照是整体的概念，是相对于整个仓库的结构来说的，每次commit，都会把整个仓库的结构完整提交一份，具体到文件的完整性上，大文件每次修改commit时确实会只保存修改的部份，但同时会新增一条指向原文件的链接。对于小文本，特别是代码文件，每次修改后的commit都是保存的全新的完整的文本，而不是差异，这样的好处是在任意版本之间切换都非常迅速，省掉merge diff的时间，很适合代码编辑的工作。

可以使用如下命令查看每个object的文本内容：

git cat-file -p <object-id>
2 个赞
23

这个要看所修改文件是如何在硬盘上存储的。

从git的原理（源码）上看，它与Linux的文件系统的实现有很多类似的地方（毕竟都是Linus本人原创）。

  • 比如一个1000M的编译成mdx之前的单一txt文件，开放给50人修改。如果每人在不同的地方各修改了一个字符，那么git在服务器硬盘上会分别生成50个1000M的txt文件。
  • 假如这个单一txt文件有1000个词条、改由每个词条存在1000个1M的文件中，这50人修改过后，git在服务器硬盘上只会分别生成50个1M的txt文件。

当然出于git版本管理的需要，还会产生多个object文件，但都是个头很小的快照文件。

1 个赞
24

这不是git的工作方式

25

我非常支持和乐意在任何（我能想到的）需要进行纯文本版本管理和协作的场合推广 git ，为此我愿意挖这个坟。
针对前面大家对 git 存储方式的讨论，我提供一些额外的信息：

除此之外，为了做进一步的存储优化和方便统一的排错和统一的格式编辑，我认为一种良好的实践是把 mdx 源文本里的格式提取出来，变成【待填充的 HTML】+【词典数据】=>【待编译的 mdx 原文本】=>【 mdx 】这样的流程，我们只需要在 git 里存放第一部分就可以了。