引言

在日常開發(fā)中，我們可能會不小心將一些大文件（如二進(jìn)制文件、大型資源文件等）提交到 Git 倉庫中。即使后來刪除了這些文件，它們依然存在于 Git 的歷史記錄中，導(dǎo)致 .git 目錄變得非常龐大，嚴(yán)重影響 git clone 和 git pull 的速度。

本文將介紹如何分析 Git 倉庫的占用情況，并使用工具清理歷史記錄中的大文件。

問題分析

Git 倉庫體積過大的主要原因通常是 .git/objects/pack/*.pack 文件過大。Git 將文件歷史記錄存儲在本地的 "database" 中，如果歷史記錄中包含了大量的二進(jìn)制文件變動，pack 文件就會迅速膨脹。

[!info] Git Internals - Packfiles Git 使用 packfile 來優(yōu)化存儲。詳情可參考：Git - Internals - Packfiles

第一步：找出大文件

在清理之前，我們需要先找出是哪些文件占用了大量空間。

1. 查看倉庫大小

使用 git count-objects 命令可以查看倉庫的打包對象數(shù)量和磁盤占用情況：

# -v: verbose, 顯示詳細(xì)信息
# -H: human-readable, 以人類可讀的格式顯示大小
git count-objects -v -H

2. 查找 Packfile 中最大的對象

我們可以通過 git verify-pack 命令查看 packfile 中的對象詳情，并按大小排序找出最大的幾個 blob 對象：

# 查看 .git/objects/pack/ 下的 .idx 文件
# sort -rn -k 3: 按第3列（size）倒序排列
# head -10: 取前10個
git verify-pack -v .git/objects/pack/*.idx | sort -rn -k 3 | head -10

輸出結(jié)果格式如下：

# SHA-1 (Blob ID) | type | size | size-in-packfile | offset-in-packfile
9704d6e7c732b07418ffe2c0dd2c2030d0cd5a2e blob   2621847 2622645 235218
2bdb752d86091c343f2f4d3af88f038f6b4c2846 blob   2212925 868876 2918139
...

3. 定位具體文件路徑

拿到 Blob ID 后，我們需要知道它對應(yīng)的是哪個文件。使用 git rev-list 配合 grep 可以查找對應(yīng)的文件名：

# 替換 <blob id> 為上面查到的 SHA-1
git rev-list --objects --all | grep 2bdb752d86091c343f2f4d3af88f038f6b4c2846

輸出示例：

2bdb752d86091c343f2f4d3af88f038f6b4c2846 .yarn/cache/playwright-core-npm-1.55.0-1c6d3fab0f-843376a8e2.zip

這樣我們就找到了罪魁禍?zhǔn)?，例如上面?yarn/cache/playwright-core-npm-1.55.0-1c6d3fab0f-843376a8e2.zip。

第二步：分析問題

通過上面的步驟，我們發(fā)現(xiàn) .yarn/cache/ 目錄下的 zip 文件占用了大量空間。

原因分析： 在使用 Yarn 2+ (Berry) 版本時，默認(rèn)會將依賴以 zip 形式存儲。如果項目沒有正確配置 .gitignore，或者開發(fā)者誤操作，就容易將 .yarn/cache 目錄提交到 Git 倉庫中。這些二進(jìn)制緩存文件不僅體積大，而且變動頻繁，是導(dǎo)致 Git 倉庫膨脹的常見原因。

Yarn 2+ 的 .gitignore 最佳實踐：

根據(jù) Yarn 官方文檔，對于大多數(shù)非 Zero-Installs 的項目，我們應(yīng)該忽略以下目錄：

# Yarn 2+
.yarn/*
!.yarn/patches
!.yarn/plugins
!.yarn/releases
!.yarn/sdks
!.yarn/versions

# 關(guān)鍵：忽略緩存目錄
.yarn/cache

# 忽略構(gòu)建狀態(tài)和安裝狀態(tài)
.yarn/build-state.yml
.yarn/install-state.gz

# PnP 相關(guān)
.pnp.*

既然找到了問題根源是誤提交了 .yarn/cache，接下來的目標(biāo)就是將其從歷史記錄中徹底清除。

第三步：清理大文件

找到大文件后，我們需要將其從所有歷史記錄中徹底移除。這里推薦使用 BFG Repo-Cleaner，它比原生的 git filter-branch 更快、更簡單。

使用 BFG Repo-Cleaner

[!info] BFG Repo-Cleaner BFG 是一個用 Scala 編寫的工具，專門用于快速清理 Git 倉庫中的大文件或隱私信息。 官網(wǎng)：https://rtyley.github.io/bfg-repo-cleaner/

1. 下載并運行

BFG 提供了一個 .jar 包，需要安裝 Java 環(huán)境運行。

# 下載 bfg-1.14.0.jar 后，在倉庫目錄的上一級運行
# my-repo 為你的倉庫目錄名稱

# 方式一：移除超過指定大小的文件 (例如 1M)
java -jar bfg-1.14.0.jar --strip-blobs-bigger-than 1M my-repo

# 方式二：移除指定名稱的文件 (支持 glob 模式)
java -jar bfg-1.14.0.jar --delete-files '*.{zip,jar,exe}' my-repo

# 方式三：移除指定文件夾
java -jar bfg-1.14.0.jar --delete-folders '.svn' my-repo

常用參數(shù)說明：

• -b, --strip-blobs-bigger-than <size>: 移除超過指定大小的 blob。
• -B, --strip-biggest-blobs NUM: 移除最大的前 NUM 個 blob。
• -D, --delete-files <glob>: 按文件名移除文件。
• --delete-folders <glob>: 按文件夾名移除文件夾。
• --no-blob-protection: 允許修改最新提交（默認(rèn)情況下 BFG 會保護(hù)最新的一次 commit 不被修改，以防誤刪）。

這里我們使用命令刪除 .yarn/cache 目錄下的所有文件：

java -jar bfg-1.14.0.jar --delete-folders '.yarn/cache' my-repo

2. 物理刪除與垃圾回收

BFG 只是更新了 Git 的引用（refs）和歷史記錄，并沒有真正物理刪除磁盤上的對象。我們需要運行 Git 的垃圾回收命令來徹底釋放空間：

# 強(qiáng)制過期所有 reflog，并執(zhí)行垃圾回收
git reflog expire --expire=now --all && git gc --prune=now --aggressive

執(zhí)行完上述步驟后，再次檢查倉庫大小，應(yīng)該會發(fā)現(xiàn)體積明顯減小。最后，需要強(qiáng)制推送到遠(yuǎn)程倉庫：

git push origin --force --all

[!warning] 警告 這是一個破壞性操作，會重寫 Git 歷史。在執(zhí)行之前，請務(wù)必備份你的倉庫！ 此外，強(qiáng)制推送后，其他協(xié)作者需要重新 clone 倉庫或進(jìn)行 rebase 操作。

到此這篇關(guān)于Git代碼庫大文件歷史記錄的清理方法的文章就介紹到這了,更多相關(guān)Git大文件歷史記錄清理內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論