如何阻止 git 存储库变得太大

Question

经过几周的提交，我的 Matlab 代码存储库的 .git 文件达到了 1-1.5 GB 的大小。如何控制 git 注册表的大小？

作为最佳实践，我已经做的是：

避免在我的模拟过程中使用 Matlab 写入的大量文件使存储库混乱，这是通过更新 .gitignore 文件来避免 committing/pushing 它们来完成的
避免包含需要大量提交的二进制文件或办公文件，就编辑的行数而言

定期使用

这样的命令

git reflog expire --all --expire=now
git gc --prune=now --aggressive

清理注册表

我认为正在发生的事情是，每次 matlab 模拟某些东西并写入大量文本文件或 .mat 变量时，git 都会跟踪所有更改。给它一个星期，回购超过 1.5 GB。

我应该只在存储库中保留实际的 "code" 并避免保存任何变量吗？

Answer 1

您可以将数据和代码分开，文件树如下：

\项目

\project/code/matlab_files.m

\project/code/.git

\project/data/matlab_data_files

这样您就不会将数据推送到 github。在推送之前确保清除 matlab 中的变量。这可以通过关闭 Matlab 或使用 "clear all" 命令来完成。想要保留数据？将其写入 /project/data 文件夹。

Answer 2

find .git -name pack-*.idx -exec git verify-pack -v {} +

将列出所有包的内容，并给出每个部分在包文件中的实际大小。要将这些与名称相关联，整体上最有效的可能是连接，

join <(find .git -name pack-*.idx -exec git verify-pack -v {} + | sort) \
     <(git rev-list --all --objects | sort) \
| sort -nk4,4

对象类型之后的字段（tree、blob、commit，你在 blob 之后）是工作树中结果的完整大小，在那之后，第四个字段是它的增量在包中的大小。更改顺序，按文件排序会很容易，这里仅显示文件和相关数据位，按文件：

join <(git rev-list --all --objects | sort ) \
     <( find .git -name pack-*.idx -exec git verify-pack -v {} + \
        | awk '=="blob" { print ,, } ' \
        | sort) \
| sort -k2 -nk4

如何阻止 git 存储库变得太大

How to stop git repositories from getting too big

git

bitbucket