从git中删除大型提交

Question

我们正在运行一个中央git存储库（gforge），每个人都会从中推出并推送。 不幸的是，一些无能的同事已经决定将几个10-100Mb jar文件推入回购中是一个好主意。 因此，我们使用的服务器已经耗尽了磁盘空间。

我们才意识到这一点，为时已晚，大多数人已经撤回了新的大型回购。 如果没有推出问题，那么我们可以做一个rebase来剪掉那些巨大的提交并修复它，但是现在每个人都已经从中撤出了，删除该提交的最佳方法是什么（或者做一个rebase to just删除大文件）当每个人都想从/向回购/推送/推送时，这不会导致混乱？

它应该是脚本的小型回购，但现在大小约为700M :-(

Answer 1

避免混乱的最简单方法是为服务器提供更多磁盘。

这是困难的一个。 删除文件也需要从历史记录中删除它们，这只能通过git filter-branch 。 例如，此命令将从历史记录中删除<file> ：

git filter-branch --index-filter 'git rm --cached --ignore-unmatch <file>' \
--prune-empty --tag-name-filter cat -- --all

问题是这会重写SHA1哈希值，这意味着团队中的每个人都需要重置为新的分支版本，否则会有一些严重的问题。 如果没有人正在进行中并且你们都使用主题分支，这一切都很好。 如果你更集中，你的团队很大，或者他们中的许多人在工作时保持脏工作目录，没有一点混乱和不和谐就没有办法做到这一点。 你可以花很长时间让每个人的本地工作正常。 那个写的， git filter-branch可能是最好的解决方案。 只要确保你有一个计划，你的团队了解它，并确保他们备份他们的本地存储库，以防一些正在进行的重要工作丢失或被摧毁。

一个可能的计划是：

1. 让团队生成正在进行的工作的补丁，例如git diff > ~/my_wip 。
2. 让团队为他们承诺但未共享的工作生成补丁： git format-patch <branch>
3. 运行git filter-branch 。 确保团队知道在发生这种情况时不要拉扯。
4. 让团队发出git fetch && git reset --hard origin/<branch>或让他们重新克隆存储库。
5. 使用git am <patch>应用他们以前提交的工作。
6. 使用git apply应用他们正在进行的工作，例如git apply ~/my_wip 。

Answer 2

看看这个https://help.github.com/articles/remove-sensitive-data 。 在这里，他们写了关于从Git存储库中删除敏感数据的文章，但您可以很好地使用它从提交中删除大文件。

Answer 3

除了其他答案之外，您可能还需要考虑在回购中以预先接收挂钩的形式为未来的巨型jar文件添加一些先发制人的保护，禁止用户（或至少是“非管理员用户”）从推送非常大的文件，或名为*.jar文件，或任何看起来最好的文件。

我们之前已经做过这样的事情，包括禁止特定的提交ID，因为某些用户无法理解“将你的工作保存在临时分支上，重置和拉动，重新应用你的工作，减去巨型文件“。

请注意，预接收挂钩运行在一个相当有趣的上下文中：文件实际上已经上传，只是引用（通常是分支头）尚未实际更改。 您可以阻止分支头更改，但您仍将使用（临时，直到gc'ed）磁盘空间和网络带宽。

Answer 4

使用filter-branch！

git filter-branch --tree-filter 'find . -name "*.jar" -exec rm {} \;'

然后只需清除所有没有任何文件的提交：

git filter-branch -f --prune-empty -- --all

Answer 5

GForge家伙在这里。 即使认为这主要是一个git问题，我想提供两件事：

1. 从GForge 6.3开始 ，站点管理员可以识别使用过多磁盘的项目，以及旧的和孤立的项目。 这可以帮助您避免全盘情况，特别是如果您有许多单独的团队和项目。
2. 在GForge中轻松实现git钩子（一般的SCM钩子）。 站点管理员可以配置任意数量的挂钩命令，然后项目级别的人员可以选择他们想要的项目挂钩。 添加一个阻止某些类型（或大小？）文件的钩子将非常适合此功能。