如何从我的 git 存储库中找到并删除未知的巨型对象

Question

沿着这条线的某个地方，一些巨大的文件被添加到我拥有的项目的 git 存储库中。当我在新机器上克隆这个项目时，该项目似乎在很长一段时间内"卡"在 37% 上。这个项目应该在几分钟内克隆。

如何找出导致如此漫长的克隆时间的对象？

我知道如何"git rm"文件。这会删除它吗，即使它是一些只存在于历史记录中的旧对象？

我不太清楚，一旦你"git rm"一个文件，它是否从存储库中完全删除，或者只是继续前进。

任何帮助都非常感谢！

Answer 1

Pro Git 对如何做到这一点有一个很好的分步解释。 这需要一些工作，但可以可靠地完成。 我不能相信以下解释 - 我只是从那个网站上窃取它（有关更详细的描述，请参阅原始网站）：

1. 打包存储库：

   $ git gc
   

2. 查找 git 数据库中最大的项目。 以下命令将列出三个最大的命令，最大的一个是输出的最后一行（下面的示例包括您要键入的命令和示例输出）：

   # In the following command, replace the pack*.idx filename
   # with whatever filename you find in the .git/objects/pack
   # directory:
   $ git verify-pack -v .git/objects/pack/pack-3f8c0...bb.idx | sort -k 3 -n | tail -3
   e3f094f522629ae358806b17daf78246c27c007b blob   1486 734 4667
   05408d195263d853f09dca71d55116663690c27c blob   12908 3478 1189
   7a9eb2fba2b1811321254ac360970fc169ba2330 blob   2056716 2056872 5401
   

3. 询问与该最大 blob 关联的文件名：

   $ git rev-list --objects --all | grep 7a9eb2fb
   7a9eb2fba2b1811321254ac360970fc169ba2330 git.tbz2
   

4. 获取该文件的历史记录：

   $ git log --pretty=oneline -- git.tbz2
   da3f30d019005479c99eb4c3406225613985a1db oops - removed large tarball
   6df764092f3e7c8f5f94cbe08ee5cf42e92a0289 added git tarball
   

5. 使用 git filter-branch 删除对该文件的所有引用：

   $ git filter-branch --index-filter 
      'git rm --cached --ignore-unmatch git.tbz2' -- 6df7640^..
   Rewrite 6df764092f3e7c8f5f94cbe08ee5cf42e92a0289 (1/2)rm 'git.tbz2'
   Rewrite da3f30d019005479c99eb4c3406225613985a1db (2/2)
   Ref 'refs/heads/master' was rewritten
   

6. 清理对此 Blob 的一些剩余引用，然后再次gc以重新打包：

   $ rm -Rf .git/refs/original
   $ rm -Rf .git/logs/
   $ git gc
   Counting objects: 19, done.
   Delta compression using 2 threads.
   Compressing objects: 100% (14/14), done.
   Writing objects: 100% (19/19), done.
   Total 19 (delta 3), reused 16 (delta 1)
   

Answer 2

您可以通过以下命令遍历提交树：

git ls-tree <first-commit-hash> -r --long > 1.txt

然后 grep 生成的文件，用于大于 10Mb 的 blob。

Answer 3

find / -size +10M -ls

这将找到大于 10MiB（不完全是 10MB）的文件。

这是一个很好的解释，应该会对您有所帮助。

https://askubuntu.com/a/36114

Github有一篇关于从存储库的所有已提交版本中删除特定文件的文章。