git -如何在不重新传输的情况下同步最初不受控制的副本？

Question

我在不同的站点有一个大型数据集(多TB)的单独拷贝。我认为它应该是只读的，但现在团队希望能够共享编辑。所以我想把它们放在git中的版本控制之下，但不需要重新传输数据集本身。然后我们可以使用git-bundle创建小的增量文件来传输更改。

理想情况下，我可以独立地“git init；git add *”每个站点的数据集，因为数据集副本是相同的，所以初始提交会有相同的校验和，一切都会很好，但我还没能做到这一点。

如果我可以删除与我数据集中的文件相对应的git blob，而不删除对它们的引用(从而创建一个“损坏的”包)，然后在另一端重新添加它们，那就太好了，但我找不到低级命令来这样做。

做这件事最好的方法是什么？

Answer 1

git提交在两个站点上不会相同，除非它散列的所有内容都是完全相同的。这意味着提交的日期、作者、提交中所有文件的内容、父提交(如果有的话)，以及其他我想不到的东西。

您可以尝试使用git commit --date=<some date> --author=<some author>修复这些问题，看看这是否足以使提交匹配。我不知道这是否可行，但值得一试。

不过，从长远来看，这听起来确实会很痛苦。Git实际上并不是为跟踪数‘t的文件而设计的。我觉得你会把自己逼到死角的。您可以查看git-附件或git-lfs，看看它们是否更适合您的需求。或者，也许你需要发明一些自己的增量描述方法，并且只将增量存储在git中。