Git以編程方式從遠程存儲庫獲取單個文件

Question

我會先說這個問題在性質上與this類似。有一個關鍵的區別使得它獨一無二：我想使用原始的git協議（如果您不熟悉基本包網絡協議，請參閱here和here）。

我正在寫一個應用程序，使用Scala和JGit將連接到匿名git存儲庫。我想請求一個blob（認爲「/path/to/file.txt」@「refs/heads/branch1」）。最終，我的目標是以編程方式從遠程存儲庫中檢索單個文件。似乎是一件非常有用的事情，能夠做到。

任何人，我一直在鑽研這個協議的內部。看起來，這個基本版本是「我想要這些對象，我有這些對象」 - 而巴姆，還有一個你沒有的東西的包文件。我的問題的核心是這樣的：我如何以非遞歸方式請求單個對象的git-upload-packfile？我可以下載一個提交對象，然後詢問樹，然後是子樹，然後是另一個子樹，最後是blob本身。這裏速度並不太重要，主要是我試圖節省帶寬。但似乎沒有辦法告訴git-upload-packfile，「請只給我一個我要求的對象」。

是的，這裏有「有」列表，它基本上排除了下來的對象，但是需要事先知道存儲庫內容（我沒有本地存儲庫，請記住）。我可以生成所有可能的sha1列表，併發送除了我想要的所有列表以外的所有列表，但這超出了可笑（耗費時間，帶寬消耗，並且對任何地方的程序員都是犯罪）

另一個可能的解決方案深入研究是在遠程端使用git-upload-archive，儘管我承認我還沒有花太多時間研究它。

如果涉及到，我更願意重寫JGit，所以請不要把它寫成「我該如何讓JGit做...」。我只是想知道協議本身是否能夠做到這一點。我覺得有一些非常聰明的方法來濫用協議來達到我想要的效果。有什麼想法嗎？

Answer 1

回答我自己的問題。我發現了一個可接受的（儘管幾乎沒有文件）的答案。我不得不挖掘很多C代碼來解決這個問題。

首先，使用git-upload-packfile無法實現上述要求，因爲這根本不是該程序設計的目的。我懷疑的正確答案是git-upload-archive。可悲的是，協議幾乎沒有記錄在ALL中。所以這裏是我的筆記，以防其他人有類似的要求。

基本上我想在這裏模擬（中階）是下面的命令：

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

除了在軟件，希望用JGit。可悲的是JGit不支持（還）支持git歸檔命令。所以這裏有一個關於如何添加支持的非常高層次的概述（我可以分叉JGit並在稍後添加）。

讓我們來看看協議（來自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 ] 

所以部分協議的一個是這樣的：

1. 建立傳輸與遠程（或SSH，然後運行git-upload-archive或使用匿名Git協議）
2. 發送git-upload-archive /cornballer.git\0host=ssh.mycompany.com\0（作爲分組行）

此時連接已建立。如果命令不受支持或者有任何問題，GIt可能會返回錯誤。我還沒有想出如何檢查這個。

接下來是未公開的部分。我們基本上通過電線發送git-archive的命令行參數。它們與git-archive命令完全相同，只有一個例外：它們的前綴都是argument[SPACE]。每個參數都被寫入（至少在參考實現中）作爲單獨的分組行。因此，對於上面的例子：

1. 發送argument --format=tar（作爲數據包線）
2. 發送argument master（作爲數據包線）
3. 發送argument plans/documents/cornballer-blueprint.pdf（作爲數據包線）
4. 寄沖洗分組（ 0000）

在這一點上，我們已經給出了遠程git-archive進程的整個命令。現在我們閱讀迴應。我們從服務器讀取，這將是下列響應一一包線回：

1. ACK（意味着成功 - 準備發送存檔）
2. NACK [message] - 某種錯誤，才發現「無法產卵子」
3. ERR [message] - - 它的使用的一個實例出現錯誤

如果ACK被髮送時，它隨後將沖洗分組（0000），然後將原始t AR數據。此時您重複讀取邊帶＃1（主數據通道）上的數據包行。當你到達一個沖洗包，你停止閱讀。很簡單。

所以，現在你有遠程文件，但如果你想做一些聰明的緩存呢？我使用git-upload-packfile的原因之一是，它允許我記錄提交ID，從而將其緩存在本地，並只根據需要進行刷新。 tar文件不會告訴我們這些信息是正確的嗎？錯誤！

從GIT-歸檔的手冊頁：

另外提交ID被存儲在全局擴展PAX頭如果使用焦油格式 ;它可以使用git get-tar-commit-id來提取。在ZIP文件中，它被存儲爲 文件評論。

那麼這是個好消息！這幾乎是我想要的一切。如果你想知道的標題是什麼樣子，下面是一個示例（不，我不打算解剖PAX頭）：

pax_global_header00006660000000000000000000000064121002672560014513gustar00rootroot0000000000000052 comment=326756f834865880c9832b64238e7665632e9b67 

從我的角度

所以，我只需要自動建立一個管道運行上述步驟，通過untar步驟（編程方式）運行它以執行所需的「從git獲取單個文件」功能。