如何从我的git仓库中删除未引用的blob

Question

我有一个GitHub仓库,有两个分支 - 主和发布.

发布分支包含二进制分发文件,这些文件导致了非常大的repo大小(> 250MB),所以我决定清理一下.

首先,我删除了远程发布分支 git push origin :release

然后我删除了本地发布分支.首先我试过git branch -d release,但是git说"错误:分支'释放'不是你当前HEAD的祖先." 这是真的,所以我git branch -D release强迫它被删除.

但是我在本地和GitHub上的存储库大小仍然很大.所以然后我浏览了通常的git命令列表,比如git gc --prune=today --aggressive没有运气.

按照Charles Bailey在SO 1029969的指示,我得到了最大blob的SHA1列表.然后我使用来自SO 460331的脚本 来找到blob ......并且五个最大的不存在,虽然找到了较小的blob,所以我知道脚本正在工作.

我认为这些博客是发布分支中的二进制文件,它们在删除该分支后不知何故.什么是摆脱它们的正确方法？

Answer 1

...而且没有进一步的麻烦,我可以向您呈现这个有用的命令,"git-gc-all",保证删除所有 git垃圾,直到它们可能出现额外的配置变量:

git -c gc.reflogExpire=0 -c gc.reflogExpireUnreachable=0 -c gc.rerereresolved=0 -c gc.rerereunresolved=0 -c gc.pruneExpire=now gc

你可能还需要先运行这样的东西哦,亲爱的,git很复杂!

git remote rm origin
rm -rf .git/refs/original/ .git/refs/remotes/ .git/*_HEAD .git/logs/
git for-each-ref --format="%(refname)" refs/original/ | xargs -n1 --no-run-if-empty git update-ref -d

你可能还需要删除一些标签,谢谢Zitrax:

git tag | xargs git tag -d

我把所有这些放在一个脚本中:git-gc-all-ferocious.

Answer 2

如上所述这里,只需使用

git reflog expire --expire-unreachable=now --all
git gc --prune=now

git reflog expire --expire-unreachable=now --all删除所有无法访问的提交reflog.

git gc --prune=now 删除提交本身.

注意:只有使用git gc --prune=now才会起作用,因为这些提交仍在reflog中引用.因此,清除reflog是必需的.

Answer 3

正如在这个SO答案中提到的,git gc实际上可以增加回购的大小!

另见此主题

现在,Git有一个安全机制,不运行时,"删除未引用的对象的时候了git gc".
默认情况下,未引用的对象会保留2周.这是为了让您轻松恢复意外删除的分支或提交,或者避免竞争过程中正在运行但尚未引用的刚刚创建的对象可以被git gc并行运行的进程删除.

因此,为了将这个宽限期赋予打包但未引用的对象,重新打包过程会将那些未被引用的对象推出它们的松散形式,以便它们可以老化并最终被修剪.
对象变得未被引用通常不是那么多.拥有404855非引用对象是非常多的,并且通过克隆首先发送这些对象是愚蠢的,完全浪费网络带宽.

无论如何......要解决你的问题,你只需要运行' git gc' --prune=now参数来禁用那个宽限期并立即删除那些未引用的对象(只有在同一时间没有其他git活动发生时才安全)在工作站上很容易确保.

顺便说一句,使用' git gc --aggressive'后来的git版本(或' git repack -a -f -d --window=250 --depth=250')

在同一个线程中提到:

 git config pack.deltaCacheSize 1

这将delta缓存大小限制为一个字节(有效地禁用它),而不是默认值0,这意味着无限制.有了这个,我就可以git repack在x86-64系统上使用上述命令重新打包该存储库,该系统具有4GB RAM并使用4个线程(这是一个四核).虽然驻留内存使用量增长到接近3.3GB.

如果您的计算机是SMP且没有足够的RAM,那么您可以将线程数减少到只有一个:

git config pack.threads 1

此外,您可以使用--window-memory argumentto' git repack' 进一步限制内存使用量.
例如,使用--window-memory=128M应该在delta搜索内存使用上保持合理的上限,尽管如果repo包含大量大文件,这可能导致不太理想的delta匹配.

在filter-branch前面,你可以考虑(谨慎)这个脚本

#!/bin/bash
set -o errexit

# Author: David Underhill
# Script to permanently delete files/folders from your git repository.  To use 
# it, cd to your repository's root and then run the script with a list of paths
# you want to delete, e.g., git-delete-history path1 path2

if [ $# -eq 0 ]; then
    exit 0
fi

# make sure we're at the root of git repo
if [ ! -d .git ]; then
    echo "Error: must run this script from the root of a git repository"
    exit 1
fi

# remove all paths passed as arguments from the history of the repo
files=$@
git filter-branch --index-filter "git rm -rf --cached --ignore-unmatch $files" HEAD

# remove the temporary history git-filter-branch otherwise leaves behind for a long time
rm -rf .git/refs/original/ && git reflog expire --all &&  git gc --aggressive --prune

Answer 4

git gc --prune=now或低水平git prune --expire now.

Answer 5

每次HEAD移动时,git都会跟踪它reflog.如果你删除了提交,你仍然有"悬挂提交",因为它们仍被引用reflog~30天.当您意外删除提交时,这是安全网.

您可以使用git reflog命令remove specific commits,repack等,或者只使用高级命令:

git gc --prune=now

Answer 6

尝试使用git-filter-branch - 它不会删除大 blob，但它可以删除您从整个存储库中指定的大文件。对我来说，它将存储库大小从数百 MB 减少到 12 MB。