如何清理 git 仓库

仓库原来越大的原因

git 会把文件的每一个差异化版本都记录在案。即使你只改动了某个文件的一行内容，git 也会生成一个全新的 blob 对象来存储新的文件内容。git gc 打包或者每次 git push 的时候 git 都会自动执行一次打包过程，将 blob 对象合并成一个包文件，同时会生成一个索引文件，索引文件中包含了每个 blob 对象在包文件中的偏移信息，在打包的过程中使用了增量编码方案，只保存 blob 对象的不同版本之间的差异，这会减缓仓库变大的速度。但是整体还是一个上涨的过程。

处理方法

方法一

方法一的核心是清理大文件或者不再需要的文件(后文统称为冗余文件)，以及他们所产生的提交记录。下面的操作一定要三思而行，真的会把文件删除的哟！

1. 找到所有冗余文件的git记录

   git rev-list --objects --all | grep "$(git verify-pack -v .git/objects/pack/*.idx | sort -k 3 -n | tail -5 | awk '{print $1}')"
   

   解释一下上面的代码：

   1. 倒序列出的提交引用的任何对象的对象id
   2. 读取 git 归档后的idx文件，列出所有的对象列表，然后根据列表中的第三项(size)进行升序排序，然后取最后 5 项，截取第一列（SHA-1）
   3. 取操作一和操作二的交集，便是当前仓库中占用空间最大的5个文件或提交记录

2. 删除冗余文件以及相关提交记录

   删除时，一定要核对好，因为上面一步输出的既包含了提交记录中的大文件，也包含当前仓库中的大文件。

   • 删除文件

     git filter-branch --force --index-filter \
     'git rm --cached --ignore-unmatch 文件名' \
     --prune-empty -- --all
     

   • 删除文件夹

     git filter-branch --force --index-filter \
     'git rm -r --cached --ignore-unmatch 文件夹名' \
     --prune-empty -- --all
     

3. 删除缓存对象

    git for-each-ref --format='delete %(refname)' refs/original | git update-ref --stdin
    git reflog expire --expire=now --all
    git gc --prune=now
   

4. 推送至远程仓库

   当你确认你的操作都没有问题后，就可以强制推送到远程了。

   git push --force
   

方法二

方法二比较暴力，直接将整个仓库的历史全部删掉，以达到对git仓库瘦身的目的。

1. 删除所有的远程分支

   git branch -r | grep origin | grep -v '>' | grep -v master | xargs -L1 | awk '{sub(/origin\//,"");print}'| xargs git push origin --delete
   

2. 删除本地的.git文件夹

   rm -rf .git
   

3. 初始化本地的git仓库

   git init
   git add .
   git commit -m "init"
   

4. 将本地的git仓库与已有的远程仓库进行关联

   git remote add origin 远程仓库地址(https://xxx.git 或 git@xxx.git 均可)
   

5. 强制推送到远程仓库

   git push -f origin master
   

参考文献

1. git-rev-list
2. git-verify-pack
3. git-filter-branch
4. 为什么你的 Git 仓库变得如此臃肿
5. 为什么.git/objects/pack文件夹变得非常大，处理git仓库臃肿

Title: 如何清理 git 仓库

Date: 2020.07.28

Author: zhangpeng

Github: https://github.com/fullstack-zhangpeng