如何并行化git log --cherry-pick？优化缺失提交查询效率

关于git apply --check的等效性说明 #

直接用git apply --check加git apply --reverse --check的方式，无法完全等效于原命令的逻辑，核心原因有两点：

1. 原命令的--cherry-pick是基于Git的patch-id（提交内容的哈希特征）做匹配，能识别“内容逻辑一致但提交哈希不同”的情况（比如冲突解决后重新提交的同逻辑修改）；而补丁检查仅对比文件差异，遇到这类场景会误判。
2. 反向检查依赖当前工作区/暂存区状态，若some_tag的状态和本地环境不一致，结果会失真；但原命令是直接在两个标签/分支的提交历史中做对比，不依赖工作区状态。

更高效的单提交检查方案 #

1. 基于git patch-id的精准匹配（与原命令逻辑完全对齐） #

对每个从origin/master拿到的提交，生成其patch-id后，检查该patch-id是否存在于some_tag的提交历史中：

# 生成目标提交的patch-id
patch_id=$(git show <commit-hash> --no-merges -- path1 path2 | git patch-id | awk '{print $1}')
# 检查patch-id是否在some_tag的历史里
git log --no-merges some_tag -- path1 path2 | git patch-id | grep -q "$patch_id"

这个逻辑和原命令的--cherry-pick完全一致，因为--cherry-pick本质就是通过patch-id判断提交是否已存在。

2. 批量预过滤+差集计算 #

先批量获取两边的patch-id集合，再求差集快速定位缺失提交，比逐个检查更高效：

# 获取origin/master指定时间、路径的所有patch-id
master_patches=$(git log --since='2 months ago' --no-merges origin/master -- path1 path2 | git patch-id | awk '{print $1}')
# 获取some_tag对应路径的所有patch-id
tag_patches=$(git log --no-merges some_tag -- path1 path2 | git patch-id | awk '{print $1}')
# 求差集得到some_tag缺失的patch-id
missing_patches=$(comm -23 <(echo "$master_patches" | sort) <(echo "$tag_patches" | sort))
# 根据patch-id反查对应的提交哈希
for patch in $missing_patches; do
    git log --since='2 months ago' --no-merges origin/master -- path1 path2 | git patch-id | grep "$patch" | awk '{print $2}'
done

3. 多线程处理注意事项 #

如果要做线程化检查，需注意：

• 用git worktree为每个线程创建独立的临时工作区，避免共享环境的状态冲突；
• 优先采用git patch-id的方式，不要依赖工作区状态，保证结果准确性。

原命令的直接优化方案 #

如果原命令慢是因为提交历史长或路径多，可直接优化参数提升速度，且保持逻辑完全一致：

git log --no-merges --right-only --cherry-pick --since='2 months ago' --format="%H" --no-walk=unsorted some_tag..origin/master -- path1 path2

• --format="%H"仅输出提交哈希，减少IO开销；
• --no-walk=unsorted让Git只遍历指定范围的提交，无需递归整个历史。

内容的提问来源于stack exchange，提问作者aviso