Git清理删除历史提交文件
既然来到这里,想必你认为你的Git工程已经处于臃肿状态了,一些很久之前引入的大文件,而现在又不用这些大文件的情况下,请不要迟疑进行清理操作。
常见的Git清理方式有两种,一种是使用BFG
工具,另外一种是使用git filter-branch
手动处理。
注意:无论使用哪种方式,都涉及破坏性操作,使用时应严格谨慎。在开始操作之前,请使用--mirror
参数克隆备份你的Git仓库。
使用BFG
的方式,简单易操作,使用方法可参考BFG Repo-Cleaner 。
本文主要介绍的是使用 git filter-branch
的方式进行瘦身操作。
为了模拟整个过程,让我们先从一个从0到1的demo开始吧。
1.建立远程仓库
为了模拟团队协作,需要一个远程仓库,可以选择GitHub或码云上建立仓库,这里选择码云 ,仓库名字为 gitthin
,地址为 [email protected]:coderhony/gitthin.git
。
2.克隆到本地
通过Terminal,把刚才新建的代码文件克隆到本地。
$ cd ~/Desktop/
$ mkdir gitthin && cd gitthin
$ git clone [email protected]:coderhony/gitthin.git
此时在Desktop的gitthin文件夹下,就有一份Git管理的仓库了。
3.基本操作
$ cd gitthin
$ echo -n "战国是一个群国争雄的时代,今天的故事就从战国开始" > zhanguo.txt
$ git add .
$ git commit -m "创建了zhanguo.txt文件"
$ echo -n "战国的开端是由赵魏韩三家分晋开始,从此战国进入七雄争霸的时代" >> zhanguo.txt
$ git add .
$ git commit -m "战国开端"
$ echo -n "这七个国家分别是:秦、齐、楚、燕、魏、赵、韩" >> zhanguo.txt
$ git add .
$ git commit -m "七个国家的名字"
$ echo -n "秦国地处西陲,楚国位居南方,齐国傲居东海,燕国地处北面,魏国、赵国、韩国三国在中间" >> zhanguo.txt
$ git add .
$ git commit -m "七国的地理位置"
# 切换分支
$ git checkout -b qinguo
$ echo -n "战国开始时,秦国还比较贫弱,一直受东边的魏国欺负,今天魏国夺占五城,明天秦国抢回三城,一直处于这种状态" > qinguo.txt
$ git add .
$ git commit -m "创建了qinguo.txt文件"
$ echo -n "当时的魏国很强大,魏文侯时期,启用李悝变法,使魏国经济富庶,后来有任用吴起训练魏武卒,一直不断蚕食着秦国" >> qinguo.txt
$ git add .
$ git commit -m "秦国受魏国欺负"
$ echo -n "这种情况到秦孝公时开始有所好转,秦孝公启动商鞅,进行变法,奖励农耕,奖励军功,经过了二十年,秦国已不容小觑矣" >> qinguo.txt
$ git add .
$ git commit -m "秦孝公启用商鞅变法"
4.添加大文件
生成一个有 1000000 行随机字符串的大文本文件
# 大文件来袭
$ perl -le 'for (1..1000000) { print map { (0..9, "a".."z")[rand 36] } 1..80 }' > bigqin
$ git add .
$ git commit -m "商鞅变法,秦国战斗力直线上升"
查看大文件情况
$ du -sh .git
55M .git
可以看到.git的大小为 55M。
在该大文件的内容后面,追加一些内容:
$ perl -le 'print map { (0..9, "a".."z")[rand 36] } 1..80' >> bigqin
$ git add .
$ git commit -m "又过几年,秦国的战斗力又提高了很多"
查看此时.git文件大小
$ du -sh .git
110M .git
可以看到,此时.git文件夹的大小变成了110M。
5.继续常规提交
一百多年后,秦国所向披靡,横扫六合,一统天下。
$ echo -n "秦国变法后一百年,国力不断增强,其他诸侯为之色变,王霸之业已不能满足,开始横扫六合,一统天下,终于在嬴政时期得以实现" >> qinguo.txt
$ git add .
$ git commit -m "秦国一统天下"
把qinguo分支推送到远程:
$ git push origin qinguo
切换到master分支,并继续提交代码
$ git checkout master
$ echo -n "其他六国不断被秦国攻打,闻之色变,但又没有及时变法,寻求强大之道,之后逐个被秦国所灭" >> zhanguo.txt
$ git add .
$ git commit -m "其他六国逐个被秦国所灭"
合并qinguo的内容:
$ git merge qinguo
新建分支,并进行一些提交
$ git checkout -b chuhan
$ echo -n "秦统一六国之后,苛捐杂税不断加重,大肆修建宫殿,导致百姓痛苦不堪" > chuhan.txt
$ git add .
$ git commit -m "创建了chuhan.txt文件"
$ echo -n "随着陈胜吴广起义后,各国旧部开始起来反抗" >> chuhan.txt
$ git add .
$ git commit -m "各路人马起义反秦"
$ echo -n "先入咸阳者称王,刘邦先入了咸阳" >> chuhan.txt
$ git add .
$ git commit -m "刘邦入咸阳"
$ 推送到远程
$ git push origin chuhan
6.删除大文件
此时,要删除大文件bigqin
。
1.垃圾回收
先进行垃圾回收,并压缩一些文件
$ git gc --prune=now
Git最初向磁盘中存储对象使用松散
的格式,后续会将多个对象打包为一个二进制的包文件
(packfile
),以节省磁盘空间
.pack
文件存储了对象的内容
.idx
文件存储了包文件
的偏移信息
,用于`索引具体的对象
打包对象时,查找命名和大小相近的文件,保留文件不同版本之间的差异
(最新一版保存完整内容
,访问频率最高)
2.查找大文件
使用git rev-list --objects —all
显示所有commit及其所关联的所有对象
:
$ git rev-list --objects --all | grep "$(git verify-pack -v .git/objects/pack/*.idx | sort -k 3 -n | tail -3 | awk '{print$1}')"
e9461c55c3b8807351909cf7bb46eb22a8df5533 README.md
b866711af76e7d7cc87d9828f8ddde8ea865d053 bigqin
8d675f2ad83219ad4ebe34fe4dcac3a7139002ea bigqin
verify-pack -v *.idx
:查看压缩包内容
3.删除指定的大文件
$ git filter-branch --force --index-filter "git rm -rf --cached --ignore-unmatch bigqin" --prune-empty --tag-name-filter cat -- --all
Rewrite bf551acd0ca40a5671bcf2d4cad83a999b8baf52 (10/16) (0 seconds passed, remaining 0 predicted) rm 'bigqin'
Rewrite d1d31551ecb36d362fd1051152f1fc886e4df95c (11/16) (0 seconds passed, remaining 0 predicted) rm 'bigqin'
Rewrite da902adff9f3f890aa4c3304c5ac6d1e14f589da (12/16) (0 seconds passed, remaining 0 predicted) rm 'bigqin'
Rewrite c96090316c3600e6e190cb9f99cf14a58f6f09ca (13/16) (0 seconds passed, remaining 0 predicted) rm 'bigqin'
Rewrite 9d6c9194d76c5e0aa6c9119445681c9fbdf735a3 (14/16) (1 seconds passed, remaining 0 predicted) rm 'bigqin'
Rewrite b1e2f243a559547e3a0f5eaa18f6a31a35eaa57a (14/16) (1 seconds passed, remaining 0 predicted) rm 'bigqin'
Rewrite ac49fbb891648b73bbd31b4e82b56bbd71254384 (14/16) (1 seconds passed, remaining 0 predicted) rm 'bigqin'
.....
filter-branch
命令通过一个filter来重写历史提交,这个filter针对指定的所有分支(rev-list
)运行。
--index-filter
:过滤Git仓库的index,该过滤命令作用于git rm -rf --cached --ignore-unmatch bigqin
。不checkout
到working directory
,只修改index
的文件,速度快。
--cached
会删除index中的文件
--ignore-unmatch
:如果没匹配到文件,不会报错,会继续执行命令
最后一个参数file/directory
是要被删除的文件的名字
--prune-empty
:指示git filter-branch
完全删除所有的空commit。
-–tag-name-filter
:将每个tag指向重写后的commit。
cat
命令会在收到tag时返回tag名称
–-
选项用来分割 rev-list 和 filter-branch 选项
--all
参数告诉Git我们需要重写所有分支(或引用)。
注意:git rm 这一行命令使用双引号
"git rm -rf --cached --ignore-unmatch bigqin"
4.删除缓存
移除本地仓库中指向旧提交的剩余refs,git for-each-ref
会打印仓库中匹配refs/original
的所有refs,并使用delete
作为前缀,此命令通过管道传送到 git update-ref
命令,该命令会移除所有指向旧commit的引用。
$ git for-each-ref --format='delete %(refname)' refs/original | git update-ref --stdin
以下命令会使reflog到期,因为它依然包含着对旧commit的引用。使用--expire=now
参数,确保它在目前为止到期了。如果没有该参数,只会移除超过90天的reflog。
$ git reflog expire --expire=now --all
现在本地仓库依然包含着所有旧commit的对象,但已经没有引用指向它们了,这些对象需要被删除掉。此时可以使用 git gc
命令,Git的垃圾回收器会删除这些没有引用指向的对象。
$ git gc --prune=now
gc
使用--prune
参数来清理特定时期的对象,默认情况下为2周,指定now
将删除所有这些对象而没有时期限制。
$ du -sh .git
104K .git
此时,.git文件的大小只有104k了。
7.提交重写的历史到远程
如果确认所做的删除大文件操作没有问题,就可以提交到远程仓库了,一旦提交,再也没有办法恢复到原来的状态,一定要小心谨慎!一定要小心谨慎!一定要小心谨慎!
先进行备份工作,以免出现问题:
$ cd ~/Desktop/
$ mkdir gitthin_mirror && cd gitthin_mirror
$ git clone --mirror [email protected]:coderhony/gitthin.git
再回到刚才做的已经瘦身的Git仓库
$ cd ~/Desktop/gitthin/gitthin
把已瘦身的仓库同步到远程仓库,使用—mirror
参数:
$ git push --mirror [email protected]:coderhony/gitthin.git
为了确保都已同步,再执行以下命令:
$ git push --all --force
Everything up-to-date
$ git push --tags --force
Everything up-to-date
8.更新其他的clone
在过滤存储库,并重写提交历史后,将更改强制推送到远程服务器之后。现在要更新该存储库的每一份clone,仅靠常用的pull
是无法做到这一点的。
第一步是从远程服务器获取存储库,使用git reset
将存储库从 origin/master
切换到旧存储库状态。
$ git fetch origin
$ git reset --hard origin/master
和上面的一样,需要删除旧提交,清理本地仓库
$ git for-each-ref --format='delete %(refname)' refs/original | git update-ref --stdin
$ git reflog expire --expire=now --all
$ git gc --prune=now
参考资料:
Remove files from git history
Git++ - 仓库瘦身
git瘦身
寻找并删除Git记录中的大文件
为什么你的 Git 仓库变得如此臃肿
Maintaining a Git Repository
Removing sensitive data from a repository
如何瘦身 Git 仓库
记一次删除Git记录中的大文件的过程