Git从库中移除已删除大文件

写在前面

大家一定遇到过在使用Git时，不小心将一个很大的文件添加到库中，即使删除，记录中还是保存了这个文件。以后不管是拷贝，还是push/pull都比较麻烦。今天在上传工程到github上，发现最大只能上传100MB大小文件，在本地git库中有一个150MB文件，虽然已经删除，但还保存了记录。下面教大家如何从库中彻底删除无效大文件。

删除大文件

方法很简单，就是先找到大文件对象再删除。

1. 先提交所有更改

    $ git commit -am "commit all"

2. 对仓库进行gc操作

    $ git gc

3. 运行count-objects 查看空间使用，size-pack 是以千字节为单位表示的 packfiles 的大小，因此已经使用了大约150MB 。

    $ git count-objects -v

   

4. 运行底层命令 git verify-pack 以识别出大对象，对输出的第三列信息即文件大小进行排序.

   $ git verify-pack -v .git/objects/pack/pack-8eaeb...9e.idx | sort -k 3 -n | tail -3

   

   注：可以看到对底下那个就是大文件。

5. 使用 rev-list 命令，传入 - -objects 选项，它会列出所有 commit SHA 值，blob SHA 值及相应的文件路径，这样查看 blob 的文件名。

   $ git rev-list --objects --all | grep 185ab8d

   

6. 将该文件从历史记录的所有 tree 中移除。

   $ git log --pretty=oneline --branches -- spark-assembly-1.3.1-hadoop2.4.0.jar

   

7. 用 filter-branch 命令重写从 646784 开始的所有 commit 才能将文件从 Git 历史中完全移除。

   git filter-branch --index-filter 'git rm --cached --ignore-unmatch  spark-assembly-1.3.1-hadoop2.4.0.jar' -- 646784d95f347749517a67c50c117f4bf85d0b42..

   

   注：- -index-filter 选项类似于 - -tree-filter 选项，但这里不是传入一个命令去修改磁盘上签出的文件，而是修改暂存区域或索引。不能用 rm file 命令来删除一个特定文件，而是必须用git rm - -cached 来删除它 ── 即从索引而不是磁盘删除它。这样做是出于速度考虑 ── 由于 Git 在运行你的 filter 之前无需将所有版本签出到磁盘上，这个操作会快得多。也可以用 - -tree-filter 来完成相同的操作。git rm 的 - -ignore-unmatch 选项指定当你试图删除的内容并不存在时不显示错误。最后，因为你清楚问题是从哪个 commit 开始的，使用 filter-branch 重写自 64678 这个 commit 开始的所有历史记录。不这么做的话会重写所有历史记录，花费不必要的更多时间。

8. 现在历史记录中已经不包含对那个文件的引用了。不过 reflog 以及运行 filter-branch 时 Git 往.git/refs/original 添加的一些 refs 中仍有对它的引用，因此需要将这些引用删除并对仓库进行 repack 操作。在进行 repack 前需要将所有对这些 commits 的引用去除。

   \$ rm -Rf .git/refs/original
   \$ rm -Rf .git/logs/
   \$ git gc

9. 查看空间使用

    $ git count-objects -v

10. 如果真的要完全把这个对象删除，可以运行 git prune 命令。

【完】