Почему мой репозиторий git настолько велик?

145M =.git/objects/pack/

Я написал script, чтобы добавить размеры различий каждой фиксации и фиксации до того, как она вернется назад от кончика каждой ветки. Я получаю 129 МБ, который без сжатия и без учета одинаковых файлов по ветвям и общей истории между ветвями.

Git учитывает все эти вещи, поэтому я ожидаю гораздо меньший репозиторий. Так почему же .git настолько большой?

Я сделал:

git fsck --full
git gc --prune=today --aggressive
git repack

Чтобы ответить, сколько файлов/коммитов, у меня есть 19 веток по 40 файлов в каждом. 287 коммитов, найденных с использованием:

git log --oneline --all|wc -l

Не нужно брать 10 мегабайт для хранения информации об этом.

Ответ 1

Недавно я вытащил неправильный удаленный репозиторий в локальный (git remote add ... и git remote update). После удаления нежелательных удаленных ссылок, ветвей и тегов у меня все еще было 1,4 ГБ (!) Потерянного пространства в моем репозитории. Я смог избавиться от этого путем клонирования его с помощью git clone file:///path/to/repository. Обратите внимание, что file:// делает мир различием при клонировании локального репозитория - копируются только объекты, на которые ссылаются, а не целая структура каталогов.

Изменить: здесь Ian один лайнер для воссоздания всех ветвей в новом репо:

d1=#original repo
d2=#new repo (must already exist)
cd $d1
for b in $(git branch | cut -c 3-)
do
    git checkout $b
    x=$(git rev-parse HEAD)
    cd $d2
    git checkout -b $b $x
    cd $d1
done

Ответ 2

Некоторые скрипты, которые я использую:

git -fatfiles

git rev-list --all --objects | \
    sed -n $(git rev-list --objects --all | \
    cut -f1 -d' ' | \
    git cat-file --batch-check | \
    grep blob | \
    sort -n -k 3 | \
    tail -n40 | \
    while read hash type size; do 
         echo -n "-e s/$hash/$size/p ";
    done) | \
    sort -n -k1
...
89076 images/screenshots/properties.png
103472 images/screenshots/signals.png
9434202 video/parasite-intro.avi

Если вы хотите больше строк, см. также версию Perl в соседнем ответе: fooobar.com/questions/4618/...

git -eradicate (для video/parasite.avi):

git filter-branch -f  --index-filter \
    'git rm --force --cached --ignore-unmatch video/parasite-intro.avi' \
     -- --all
rm -Rf .git/refs/original && \
    git reflog expire --expire=now --all && \
    git gc --aggressive && \
    git prune

Примечание. Вторая script предназначена для полного удаления информации из Git (включая всю информацию из журналов). Следует использовать с осторожностью.

Ответ 3

git gc уже выполняет git repack, поэтому нет смысла переупаковывать вручную, если вы не собираетесь передавать ему некоторые специальные опции.

Первый шаг - посмотреть, будет ли большая часть пространства (как это обычно бывает) вашей объектной базой данных.

git count-objects -v

Это должно дать отчет о том, сколько распакованных объектов есть в вашем репозитории, сколько места они занимают, сколько у вас пакетов и сколько места они занимают.

В идеале, после переупаковки, у вас не было бы распакованных объектов и одного файла пакета, но вполне нормально иметь некоторые объекты, которые напрямую не ссылаются на текущие ветки, которые все еще присутствуют и распаковываются.

Если у вас есть один большой пакет, и вы хотите знать, что занимает пространство, вы можете перечислить объекты, составляющие пакет, вместе с тем, как они хранятся.

git verify-pack -v .git/objects/pack/pack-*.idx

Обратите внимание, что verify-pack принимает индексный файл, а не сам файл пакета. Это дает отчет о каждом объекте в пакете, его истинном размере и его упакованном размере, а также информацию о том, была ли она "дефинирована" и если да, то происхождение дельта-цепочки.

Чтобы узнать, есть ли в вашем репозитории какие-либо необычно большие объекты, вы можете сортировать результат численно на третьем из четвертых столбцов (например, | sort -k3n).

На этом выходе вы сможете увидеть содержимое любого объекта с помощью команды git show, хотя невозможно точно увидеть, где в истории фиксации репозитория ссылается объект. Если вам нужно это сделать, попробуйте что-нибудь из этого вопроса.

Ответ 4

Просто FYI, самая большая причина, по которой вы можете избежать нежелательных объектов, заключается в том, что git поддерживает reflog.

Если вы случайно удалили свою основную ветку или каким-либо иным образом катастрофически повредили ваш репозиторий, reflog должен сохранить ваш прикладом.

Самый простой способ исправить это - обрезать свои рефлоги перед сжатием (просто убедитесь, что вы никогда не хотите возвращаться к любому из коммитов в рефлоге).

git gc --prune=now --aggressive
git repack

Это отличается от git gc --prune=today тем, что он немедленно исчерпал весь рефлог.

Ответ 5

Вы уверены, что считаете только файлы .pack, а не файлы .idx? Они находятся в том же каталоге, что и файлы .pack, но не имеют данных репозитория (как указывает расширение, это не что иное, как индексы для соответствующего пакета — на самом деле, если вы знаете правильную команду, вы могут легко воссоздать их из файла пакета, а сам git делает это при клонировании, поскольку только пакетный файл передается с использованием собственного протокола git).

В качестве репрезентативной выборки я взглянул на свой локальный клон репозитория linux-2.6:

$ du -c *.pack
505888  total

$ du -c *.idx
34300   total

Это означает, что расширение должно составлять около 7%.

Существуют также файлы вне objects/; в моем личном опыте, из них index и gitk.cache имеют тенденцию быть самыми большими (всего 11M в моем клоне репозитория linux-2.6).

Ответ 6

Если вы хотите найти, какие файлы занимают место в репозитории git, запустите

git verify-pack -v .git/objects/pack/*.idx | sort -k 3 -n | tail -5

Затем извлеките ссылку blob, которая занимает наибольшее пространство (последняя строка), и проверьте имя файла, занимающего столько места

git rev-list --objects --all | grep <reference>

Это может быть даже файл, который вы удалили с помощью git rm, но git запоминает его, потому что есть ссылки на него, такие как теги, пульты и reflog.

Как только вы узнаете, с каким файлом вы хотите избавиться, я рекомендую использовать git forget-blob

https://ownyourbits.com/2017/01/18/completely-remove-a-file-from-a-git-repository-with-git-forget-blob/

Легко использовать, просто

git forget-blob file-to-forget

Это приведет к удалению всех ссылок из git, удаляет blob из каждой фиксации в истории и запускает сборку мусора, чтобы освободить пространство.

Ответ 7

git -fatfiles script из ответа Vi прекрасен, если вы хотите видеть размер всех ваших капель, но он настолько медленный, чтобы быть непригодным. Я удалил 40-строчный выходный предел, и он попытался использовать всю оперативную память компьютера вместо того, чтобы закончить. Поэтому я переписал его: это в тысячи раз быстрее, добавлены функции (необязательно), и некоторые странные ошибки были удалены - старая версия будет давать неточные подсчеты, если вы суммируете вывод, чтобы увидеть общее пространство, используемое файлом.

#!/usr/bin/perl
use warnings;
use strict;
use IPC::Open2;
use v5.14;

# Try to get the "format_bytes" function:
my $canFormat = eval {
    require Number::Bytes::Human;
    Number::Bytes::Human->import('format_bytes');
    1;
};
my $format_bytes;
if ($canFormat) {
    $format_bytes = \&format_bytes;
}
else {
    $format_bytes = sub { return shift; };
}

# parse arguments:
my ($directories, $sum);
{
    my $arg = $ARGV[0] // "";
    if ($arg eq "--sum" || $arg eq "-s") {
        $sum = 1;
    }
    elsif ($arg eq "--directories" || $arg eq "-d") {
        $directories = 1;
        $sum = 1;
    }
    elsif ($arg) {
        print "Usage: $0 [ --sum, -s | --directories, -d ]\n";
        exit 1;
    } 
}

# the format is [hash, file]
my %revList = map { (split(' ', $_))[0 => 1]; } qx(git rev-list --all --objects);
my $pid = open2(my $childOut, my $childIn, "git cat-file --batch-check");

# The format is (hash => size)
my %hashSizes = map {
    print $childIn $_ . "\n";
    my @blobData = split(' ', <$childOut>);
    if ($blobData[1] eq 'blob') {
        # [hash, size]
        $blobData[0] => $blobData[2];
    }
    else {
        ();
    }
} keys %revList;
close($childIn);
waitpid($pid, 0);

# Need to filter because some aren't files--there are useless directories in this list.
# Format is name => size.
my %fileSizes =
    map { exists($hashSizes{$_}) ? ($revList{$_} => $hashSizes{$_}) : () } keys %revList;


my @sortedSizes;
if ($sum) {
    my %fileSizeSums;
    if ($directories) {
        while (my ($name, $size) = each %fileSizes) {
            # strip off the trailing part of the filename:
            $fileSizeSums{$name =~ s|/[^/]*$||r} += $size;
        }
    }
    else {
        while (my ($name, $size) = each %fileSizes) {
            $fileSizeSums{$name} += $size;
        }
    }

    @sortedSizes = map { [$_, $fileSizeSums{$_}] }
        sort { $fileSizeSums{$a} <=> $fileSizeSums{$b} } keys %fileSizeSums;
}
else {
    # Print the space taken by each file/blob, sorted by size
    @sortedSizes = map { [$_, $fileSizes{$_}] }
        sort { $fileSizes{$a} <=> $fileSizes{$b} } keys %fileSizes;

}

for my $fileSize (@sortedSizes) {
    printf "%s\t%s\n", $format_bytes->($fileSize->[1]), $fileSize->[0];
}

Назовите этот git -fatfiles.pl и запустите его. Чтобы увидеть дисковое пространство, используемое всеми версиями файла, используйте параметр --sum. Чтобы увидеть то же самое, но для файлов в каждом каталоге, используйте параметр --directories. Если вы установите модуль Number:: Bytes:: Human cpan (запустите "cpan Number:: Bytes:: Human" ), размеры будут отформатировать: "21M/path/to/file.mp4".

Ответ 8

Другие объекты git, хранящиеся в .git, включают деревья, коммиты и теги. Записи и теги небольшие, но деревья могут стать большими, особенно если в вашем репозитории имеется очень большое количество небольших файлов. Сколько файлов и сколько коммитов у вас есть?

Ответ 9

Вы пытались использовать git repack?

Ответ 10

перед тем, как сделать git filter-branch и git gc, вы должны просмотреть теги, которые присутствуют в вашем репо. Любая реальная система, которая имеет автоматическую маркировку для таких вещей, как непрерывная интеграция и развертывание, сделает ненужные объекты по-прежнему оговоренными этими тегами, следовательно, gc cant удалит их, и вы все равно будете задаваться вопросом, почему размер репо все еще такой большой.

Лучший способ избавиться от всех ненужных материалов - запустить git -filter и git gc, а затем нажать master для нового голого репо. У нового голого репо будет очищенное дерево.

Ответ 11

Это может произойти, если вы добавили большой кусок файлов случайно и устроили их, не обязательно комментируя их. Это может произойти в приложении rails, когда вы запускаете bundle install --deployment, а затем случайно git add ., тогда вы видите все файлы, добавленные в vendor/bundle, которые вы несете их, но они уже вошли в историю git, поэтому вам нужно применить Vi answer и измените video/parasite-intro.avi на vendor/bundle, затем запустите вторую команду, которую он предоставляет.

Вы можете увидеть разницу с git count-objects -v, которая в моем случае перед применением script имела размер-пакет: из 52K, а после применения - 3,8K.