Warum verwendet Git Hashes anstelle von Revisionsnummern?

Ich habe mich immer gefragt, warum Git Hashes gegenüber Revisionsnummern bevorzugt. Revisionsnummern sind (meiner Meinung nach) viel klarer und leichter zu finden: Es gibt einen Unterschied, wenn Sie jemandem sagen, er solle sich die Revision 1200 ansehen oder 92ba93e festschreiben! (Nur um ein Beispiel zu nennen).

Gibt es einen Grund für diesen Entwurf?

Eine einzelne, monoton ansteigende Revisionsnummer ist nur für ein zentrales Versionskontrollsystem sinnvoll, bei dem alle Revisionen an einen einzigen Ort fließen, an dem Nummern verfolgt und zugewiesen werden können. Sobald Sie in die DVCS-Welt eintreten, in der zahlreiche Kopien des Repositorys vorhanden sind und Änderungen in willkürlichen Workflows abgerufen und auf sie übertragen werden, trifft das Konzept einfach nicht mehr zu. (Zum Beispiel gibt es keinen Ort, an dem Sie Revisionsnummern zuweisen können. Wenn ich Ihr Repository aufteile und Sie ein Jahr später beschließen, meine Änderungen zu übernehmen, wie kann ein System sicherstellen, dass unsere Revisionsnummern nicht in Konflikt geraten?)

Sie benötigen Hashes in einem verteilten System. Angenommen, Sie und ein Kollege arbeiten beide am gleichen Repository, und Sie schreiben beide eine Änderung lokal fest und übertragen sie anschließend. Wer erhält die Revisionsnummer 1200 und wer die Revisionsnummer 1201, wenn keine der Parteien Kenntnis voneinander hat? Die einzig realistische technische Lösung besteht darin, einen Hash der Änderungen mit einer bekannten Methode zu erstellen und die Dinge darauf basierend zu verknüpfen.

Interessanterweise unterstützt HG Versionsnummern, diese sind jedoch ausdrücklich nur lokal verfügbar - Ihr Repository verfügt über einen Satz, das Repo Ihres Kollegen verfügt über einen anderen Satz, je nachdem, wie er verschoben und gezogen wird. Dadurch wird die Verwendung der Befehlszeile ein bisschen benutzerfreundlicher als bei Git.

Datenintegrität.

Ich bin mit den aktuellen Antworten nicht einverstanden. Für ein DVCS sind keine Hashes erforderlich, siehe Bazaar-Methode . Sie können auch mit jeder anderen Art von global eindeutiger Kennung arbeiten. Die Hashes sind eine Maßnahme zur Gewährleistung der Datenintegrität: Sie stellen eine Zusammenfassung der Informationen dar, die in dem Objekt (Festschreiben, Bäume, ...) enthalten sind, auf das der Hash verweist. Es wird angenommen, dass das Ändern des Inhalts ohne Änderung des Hashs (dh eines Vorab-Angriffs oder eines Kollisionsangriffs ) schwierig, wenn auch nicht unmöglich ist. (Wenn Sie wirklich daran interessiert sind, werfen Sie einen Blick auf den Artikel von Marc Stevens aus dem Jahr 2011 ).

Indem Sie mit dem SHA-Hash auf Objekte verweisen, können Sie überprüfen, ob der Inhalt manipuliert wurde. Und da sie (fast) garantiert eindeutig sind, können sie auch als Revisionskennungen verwendet werden - ganz bequem.

Weitere Informationen finden Sie in Kapitel 9 des Git-Buches.

Mit den Worten des Laien:

• Hashes sollen nahezu universell einzigartig sein. Es wird NICHT garantiert, aber es ist äußerst unwahrscheinlich, dass dieselben SHAs für unterschiedliche Inhalte generiert werden. In der Praxis für ein bestimmtes Projekt können Sie es als einzigartig behandeln.
• Bei Revisionsnummern müsste ein Namespace verwendet werden, um spezifisch auf Revision 1200 zu verweisen.
• Git kann sowohl verteilt als auch zentral arbeiten. Wie erhalten Sie die korrekten und eindeutigen Revisionsnummern?
• Auch die Verwendung von Revisionsnummern würde die falsche Annahme hervorrufen, dass neuere Revisionen höhere Nummern haben sollten, und dies würde aufgrund von Verzweigungen, Zusammenführungen, Neu-Basierungen usw. nicht zutreffen.
• Sie haben immer die Möglichkeit, Tags zu Commits hinzuzufügen.

In mathematischen Begriffen:

• Für monoton ansteigende Versionsnummern wäre eine Gesamtbestellung über Gits Commits erforderlich.
• Die Commits von Git bilden einen gerichteten, azyklischen Graphen (DAG) , der nur teilweise / topologisch angeordnet werden kann .

Hash ist nicht die einzige Lösung für verteiltes VCS. Bei einem verteilten System kann jedoch nur die teilweise Anordnung von Ereignissen aufgezeichnet werden. (Für VCS kann das Ereignis ein Commit sein.) Deshalb ist es unmöglich, eine monoton ansteigende Revisionsnummer beizubehalten. Normalerweise verwenden wir so etwas wie eine Vektoruhr (oder einen Vektorzeitstempel), um eine solche teilweise geordnete Beziehung aufzuzeichnen. Dies ist die Lösung, die im Basar verwendet wird .

Aber warum benutzt Git nicht Vector Clock sondern Hash? Ich denke, die Hauptursache ist Kirschbaum . Wenn wir ein Repository mit Cherry Pick bearbeiten, ändert sich die teilweise Reihenfolge der Commits. Die Vektortakte einiger Commits müssen neu zugewiesen werden, um die neue Teilreihenfolge darzustellen. Eine solche Neuzuweisung in einem verteilten System würde jedoch inkonsistente Vektortakte induzieren. Das ist das eigentliche Problem, mit dem sich Hashes befassen.