git clone并省略大文件

Question

情况如下。 Ad-hock分析存储库，每个分析都有一个目录。每个目录都包含一个与一个或多个数据文件相连的脚本，这些文件具有不同的格式并且大小不同（有时相当大）。没有数据的脚本通常没用，所以我们想存储数据文件。另一方面，有时查看脚本而不必强制下载相关数据文件（以确定如何进行某些分析）是有用的。

我们绝对不想将数据存储在单独的存储库中（运行时问题，将脚本与数据文件相关联等）。

分析内容：

• git子模块 - 分开的仓库，一切都将远离脚本（不在同一目录中，因此随着时间的推移会变得混乱）
• git hooks - 用于为推送请求应用约束或附加操作，如上所述 - 每个人都应该能够上传任何文件（除此之外：我们无法访问应用服务器端钩子）

我想到的是，从存储库中提取或克隆某些位置或某些文件（即>>> 50 MB）会很方便。只是不转移不需要的数据。 有可能吗？

如果某些文件未被后续提交触及，则从未来推送的角度来看，它们不是必需的。可能（或者甚至肯定）我缺乏关于git潜在机制的某些知识。我很感激澄清。

Answer 1

Git稀疏结账允许您将子目录设置为结帐或不结算等。我不认为它可以基于其他任何事情（例如大小）通过AFAIK进行。

Answer 2

identity()

这实际上将仅允许提取小于给定大小的文件。

然后，您必须检出除大文件以外的所有文件。一种可能可行的简单策略是git clone --no-checkout --filter=blob:limit=100m，但我现在懒于对其进行测试。

有关更多详细信息，请参见以下答案：How do I clone a subdirectory only of a Git repository?