Question

我有一个名为geoplot的项目，它在Python中进行地理空间绘图。它的代码通过GitHub上的git分发。 You can check it out here

作为此软件包开发过程的一部分，我上传并存储在geoplot repo中一个名为data/的文件夹，其中包含大量不同格式的数据文件。这些数据文件用于填充免费example gallery中的示例。

但是，这些文件会使整个存储库大小膨胀到~150 MiB（issue）。这显然太过分了，现在是我摆脱它们的时候了。

问题是，我不仅要从当前HEAD中删除这些文件，还要将这些文件从整个git历史记录中删除。我尝试使用git rebase的手动方法无法正常工作。然后，我按照the canonical SO question on the matter中的建议尝试了BFG Repo-Cleaner工具。

BFG摆脱了文件的好处 - 它们在历史上的任何地方都不再存在。但是，回购的大小（在运行https://github.com/ResidentMario/geoplot.git时看到的）根本没有下降！

这是我尝试的（减去打印输出）：

java -jar ../bfg-1.12.15.jar --delete-folders "data" .
git reflog expire --expire=now --all && git gc --prune=now --aggressive
git push --set-upstream https://github.com/ResidentMario/geoplot.git master --force

完整的打印输出为in an issue on GitHub。

如果有的话，我做错了什么？如何诊断和浪费这个浪费的空间？

Answer 1

我确实提到了reflog and gc back in 2010，还提到了removing old objects （注：gc should be followed by a repack）

首先，检查是否再次克隆您的仓库，您仍然具有相同的尺寸。

由于OP Aleksey Bilogur提及in the comments：

您需要确保您的代码不引用旧数据，然后您还需要强制推送所有代码和分支（不只是master）
```
git push --tags origin --force
```
生成的数据。

Answer 2

这听起来像是一个可以在没有外部工具的情况下通过利用filter-branch来解决的问题。

如果要删除data目录的所有历史记录，可以从回购站的根目录运行以下命令。

git filter-branch --index-filter 'git rm --cached --ignore-unmatch -r path/to/data' HEAD

这将改变当前HEAD指针的祖先中的每个提交。然后，您必须将所有其他分支和标签更新为这些新创建的提交，以完全从您的仓库中移除行李。

排除在GitHub上的git存储库中删除大文件的故障

2 个答案: