Git清理删除历史提交文件

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checkoutworking 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

你可能感兴趣的:(Git清理删除历史提交文件)