我们的一个回购协议的状态非常糟糕。有人不小心将4 GB的二进制文件提交给了存储库，并将其推送到了远程主服务器上。然后，他们说：“糟糕！”并还原了该提交。
不幸的是，git只存储差异文件，并且由于它不能真正存储二进制文件的差异文件，因此它将整个文件存储在历史记录中。而且由于它在历史记录中包含两次（一次添加，一次删除），因此现在回购的大小为8 GB。这给我们带来了巨大的问题，并使我们的构建比他们所需的时间长了一个小时。
我知道我可以使用rebase和filter-branch之类的工具删除这些提交或从git历史记录中删除这些文件。但是，这些工具上的每一篇帖子或文档都说：“如果您要编辑的提交已被推送到远程，那么不要这样做！重写历史记录是一个糟糕的想法！”
但实际上没有地方解释重写历史的影响。我们在这里真的别无选择-我们已经从历史记录中删除了这些文件。但是，由于所有有关重写git历史记录的危险的 dire 警告，我们非常害怕实际尝试删除这些文件。
因此，我希望有一个有用的StackOverflow用户可以解释使用filter-branch删除这些大文件可能带来的影响，或者是否有我们不知道的更好的解决方案。
答案 0 :(得分：3)
一个常见的误解是git存储差异。实际上，它存储每个版本的全部内容*。实际上，整个git模型都是基于保证对源代码的位完美检索而构建的，而基于差异的VCS根本无法实现。
您可能对二进制文件进行了两次提交，或者您正在计算数据库中的副本和工作目录中的一个副本。
不过要回答您的核心问题。
Git将数据存储为互相引用的对象的集合。 （请参阅Merkle Trees。由于树和历史都是由引用其他对象的对象构成的，因此很难从git repo中真正删除共享数据。
“重写历史记录”甚至有点用词不当，因为git从不重写历史记录，它只是返回并创建一个新历史记录，然后指向该新历史记录。这些旧东西可能会在垃圾收集之前徘徊数月。一旦开始共享它，在git的逻辑模型中，您的重写历史记录就是该存储库另一个实例上的另一个分支。
通常，分支将代码库向前移动，并且可以合并以将历史记录汇总在一起。如果您有一个名为feature1的功能分支并将其合并到您的master分支中，则不仅代码成为master的一部分，feature1上的所有提交也都成为master的一部分也一样当每个分支都是离散的代码位时，这不是问题。
当您尝试重写历史记录时，这确实成为一个问题。假设您按照您的建议进行操作，并使用filter-branch从历史记录中删除了代码（尽管变基会更容易，而且可能更安全，因为它是最近的）。团队中的每个成员都会删除该分支的本地副本，并签出新的分支。一切都很好，除了您正在FeatureX上工作，并且在发生错误后已将master分支合并到其中，因此旧的master是您的featureX分支的一部分。在featureX和master之间进行比较将显示与featureX和旧主文件之间进行比较的结果相同，但是所有这些提交仍是featureX的一部分。在git的大脑中，featureX在添加大文件时分叉出来，当您将其合并到master文件时，featureX将所有内容都带回了。
这就是危险，如果即使是某个人，在其任何分支的某个位置上，仍然保留了历史记录中的旧提交副本，您将不仅拥有仍然试图摆脱的文件，而且最终，但也要处理整个历史版本。
如果必须删除它，可以完成，但是您必须非常仔细地协调过程，以确保已清理存储库的每个实例。对于一个很小的团队来说，这并不可怕，但是您的团队规模越大，分布越分散，就越难。
*当打包对象进行存储时，它确实做了一些巧妙的增量压缩操作，但始终以保证位完美重建的方式进行。 Git甚至会在整个历史记录中发现一点点错位的回购。