什么是测量git blob对象大小的正确方法

Question

我正在测量git blob大小

fileSizeThreshold=2^19
git rev-list --objects --all \
| git cat-file --batch-check='"%(objecttype)","%(objectname)",%(objectsize),%(objectsize:disk),"%(rest)"' \
| sed -n 's/^"blob",//p' \
| awk -F',' '$2'">= ${fileSizeThreshold}" \
| sort -t "," --numeric-sort --key=2 > ${outDir}/largeBlobs

这给了我所有大于512kb的斑点。 我想知道在考虑将此文件（其路径模式...）放入Git大文件存储（LFS）中时应该考虑的大小正确。

是%(objectsize)还是%(objectsize:disk)？

因为%(objectsize:disk)报告了一些奇怪的尺寸（粗体）：

• “ 0901797d58f6916cad4ef4fd581d8254596bdd19”， 722013b ， 105b

在git cat-file的警告部分中，有一些关于此的注释，我不理解。

考虑到LFS，应该应该看看objectsize:disk，因为那是用于该Blob的空间...？

Answer 1

您应该查看%(objectsize)。

---

当git存储blob时，它可能将它们存储为平面对象或打包对象。

1. 在存储平面对象时，git仍会压缩内容，因此%(objectsize:disk)将反映blob的压缩大小；

2. 当将Blob打包在一起时，git可能会选择仅使用其diff来将blob2存储在blob1旁边；
   在这种情况下：disksize的{​​{1}}将是Blob的压缩大小，而blob1的{​​{1}}将是其diff与disksize

CAVEAT部分提到，某些斑点可能报告的blob2很少，因为只报告了它们的差异。