Git的基础

简介: Git的基础

学习笔记:插图如果侵权请联系博主删除。


1.管理历史记录的数据库


1.1

数据库记录文件或目录状态的地方,存储着内容修改的历史记录,数据库的管理下,将文件和目录的历史记录放在对应目录下

cb25d9d2051740d18edd6fb24db2111f.png


2.远程数据库和本地数据库


2.1git数据库分成远程数据库和本地数据库


远程:配有专用的服务器,为了多人共享而建立的数据库

本地:方便用户个人使用,在自己的机器上配置数据库

平常使用手里的机器在本地数据库操作

如果想公开在本地数据库中修改的内容,将内容传到远程数据库里,通过远程数据库还可以取得其他人修改的内容

 402aa5d23e3e44568a031c3f5e5edfa4.png


3.创建数据库


3.1创建全新的数据库 or 复制远程远程数据库


4.修改记录的提交


4.1 将文件或者目录的添加和变更保存到数据库,需要进行提交。


提交后,数据库会自动生成上次提交的状态与当前状态的差异记录(revision)。


提交按照顺序保存到数据库里面,凭借提交和最新文件状态就可以知道过去的修改记录和内容。


计算命名;方便进行数据库里面的查找


提交时需要提交信息。


5.工作树和索引


5.1 实际操作的目录被称为工作树


数据库与工作数之间有索引,索引是为了向数据库提交作准备的区域


执行提交时:不是直接将工作树的状态保存到数据库,将设置到中间的索引区域的状态保存到数据库里面,提交文件前,需要将文件加入到索引的区域中。


优点:避免工作树中不必要的文件提交,将文件修改内容的一部分加入索引区域提交


6.安装Git


6.1客户端


TortoiseGit,可以更加便捷的操控Git


7.新建数据库


7.1新建数据库


创建tutorial目录,将其放入Git的管理之下,,右键 Git在这里创建版本库


不要进行勾选"制作纯版本库"


8. push到远程数据库


8.1 如何在远程数据库共享本地数据库的修改记录


8.1.1 推送


上传本地数据库中存储的修改记录


需要在Git执行推送(Push)。执行Push之后,本地修改记录会被上传到远程数据库。


所以远程数据库的修改记录和本地的修改记录保持一致。

311c09c77b2642f1846b84680203142e.png


9.克隆远程数据库


如果远程数据库有其他人的修改记录,那么把它完整地复制下来,就可以接着进行工作。


9.1克隆


进行克隆(clone)操作就可以复制远程数据库,远程数据库的全部内容就都会被下载,然后在另外的机器的本地数据库进行操作。


10.从远程数据库pull


共享的远程数据库由多人同时作业,那么作业完毕后所有人都要把修改推送到远程数据库,然后,自己的本地数据库也需要更新其他人推送的变更内容


10.1 Pull


进行拉取(pull)操作就可以把远程数据库的内容更新到本地数据库


进行拉取(pull)操作,就是从远程数据库下载最近的变更日志,并且覆盖自己本地数据库的相关内容。

880b75a0ac92425c86123014041b8678.png


11 .push到远程数据库


window


11.1Tutorial目录


进行点击推送

732577bc9a8f4850bb8a3d295dd03a09.png

然后点击管理

2ea4fad4f3ed4ce69e01cda737a0cdef.png


远端:origin

URL:输入上一页生成的远程数据库的URL,点击添加保存,origin就被添加到远程列表,然后带点击OK

aa0fc33e7b8b45e3bef27d436221c51f.png


12.克隆远程数据库


将远程数据库克隆到另外一个目录


12.1步骤


点击桌面,选择Git克隆


然后点击clone Repository,然后输入克隆远程数据库的URL和要保存的本地数据库的目录,点击确定。就复制了前面创建的数据库,并且进行了克隆到了选择的目录。


13.从克隆的数据库进行Push


add 添加的目录进入索引


本地数据库的分支的历史记录更新


然后进行选择推送


右键TortoiseGit表示log,如果master和origin/master在同一水平上,意味远程数据库已完成更新,并且和本地数据库同步


14.从远程数据库进行pull


14.1试试从远程数据库把最新变更内容拉取到tutorial中


右键点击拉取,然后确认


然后完成后


右键菜单选择TortoiseGit>日志,master 和origin/master在同一个水平上,意味着本地数据库右键完成了更新。


15.合并修改记录


15.1合并


pull后进行下一个pull之前,如果其他人进行了推送内容到远程数据库的话,那么你的push将被拒绝


在读取push的变更并进行合并操作之前,你的push都将被拒绝,因为,不进行合并就试图覆盖原有变更记录的话,其他人的push变更就会失去


合并的时候,Git会自动合并已有的变更点,存在不能合并的情况,或者可以进行手动合并。


16.合并冲突问题


16.1 解决冲突


一般情况下,执行合并后就可以自动合并Git修改的部分,但是也存在无法自动合并的情况。


如果远程数据库和本地数据库在同一个地方都发生了修改的情况下,因为无法自动判断要选用哪一个修改,就会发生冲突。


可以进行手动进行修正冲突,修正后进行提交。


17.Push冲突的状态


17.1使用A和B制造一个冲突A:


打开A的sample.txt文档,添加以下黑体字


add        将变更录入到索引里面


commit  记录索引的状态


B:


打开B的sample.txt文档,添加一下黑体字之后进行提交


add  把变更录入到索引中


pull  取得远端数据库的内容


从B推送内容到远程数据库里面


远程数据库sample.txt文档已包含第三行{pull取得远端数据库的内容},并且已被存储到历史记录中


此时A推送就会发生错误,推送被拒绝rejected


18.解决冲突


18.1 将变更内容推送到远程仓库,我们必须进行手动解决,首先进行运行pull,以从远程数据库取得最新的变更记录。


如果进行pull操作,则进行tutorial目录,选择"拉取"。


然后点击确认


则显示警告信息,表示合并失败,退出窗口后,点击确认变更,TortoiseGit会进行告知sample.txt出现了合并冲突,所以自动合并失败,关掉画面。


进行sample.txt文件的打开,则会看到Git已添加以显示冲突部分,我们进行删除掉多余的标示行以解决冲突。


然后进行提交,这样就从远程数据库导入最新的修改内容。


这时候就可以把修改内容推送到远程数据库,不会发生合并冲突。


相关文章
|
5天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1246 4
|
28天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9799 32
|
8天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
3天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
14天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
5天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
640 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
13天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
936 1
|
9天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
597 0

热门文章

最新文章