Git 代码库膨胀漏洞：微软工程师揭示缺陷，修复方案即将推出
微软工程师 Jonathan Creamer 近日发现 Git 中一个会导致代码库膨胀的缺陷，并发布了修复方案。 这一发现引发了开发者社区的广泛关注，因为代码库膨胀不仅会占用过多的磁盘空间，还会导致 Git 运行缓慢，甚至完全失败。
问题根源：文件名哈希算法缺陷
Creamer 在使用一个大型 JavaScript Git存储库时，发现克隆该库竟然消耗了 178GB 的磁盘空间，远超预期。他咨询了 Git 贡献者 Derrick Stolee，后者发现问题在于 Git 在比较文件名时，会对路径名进行哈希运算，而当前的哈希算法只考虑了路径名的最后 16 个字符，这会导致文件名冲突，从而导致代码库膨胀。
Stolee 举例说明，在同一个代码库中，多个项目可能都包含名为 CHANGELOG.md 的文件，但这些文件实际上来自不同的软件包，Git 在比较这些文件时，会错误地认为它们是同一个文件，并记录下所有差异，导致代码库膨胀。
修复方案：引入 path walk API
为了解决这个问题，Stolee 向 Git 提交了一个 Pull 请求，添加了名为 “path walk API” 的新功能。该 API 可以按路径对 Git 对象进行分组，从而避免文件名冲突。
Creamer 使用新增的 -path-walk 参数，将 git repack 命令应用于大型存储库，结果库的大小减小到了 5GB，显著节省了磁盘空间。
影响范围：大型存储库受影响较大
虽然新选项可以显著节省空间，但这些例子都是大型存储库，有很多潜在的文件名冲突。典型的 Git 存储库无法以同样的方式受益。
开发者呼吁：尽快修复漏洞
尽管如此，开发者们还是希望在 Git 的发行版本中尽快看到这些新功能，以解决代码库膨胀的问题。
专家建议：关注代码库大小
专家建议开发者们关注代码库的大小，并定期使用 git repack 命令进行压缩。如果发现代码库膨胀过快，可以考虑使用 -path-walk 参数进行优化。
总结：
Git 代码库膨胀是一个普遍存在的问题，微软工程师的发现和修复方案为解决这一问题提供了新的思路。开发者们应关注代码库大小，并及时采取措施，避免代码库膨胀带来的负面影响。
参考文献：
Views: 0