git存储库中的内务管理

Question

我有一个非常大的subversion存储库(超过200,000次提交)，我们最近迁移到了git。

多年来，许多人犯了一些小错误，比如添加了iso或msi包，添加了不应该添加的文件夹，等等。我们通过删除文件/文件夹并提交来进行清理。存储库增长了，但这不是问题，因为SVN做了很好的稀疏签出。

现在，在git上，客户端需要提取整个历史记录，而本地克隆现在大约是50 is。是时候来点内务…了

有没有一种方法可以从历史中删除所有文件，这些文件在过去已经被删除了？或者创建一个新的存储库，然后移动所有那些存在于上次提交中的文件？

我使用过git filter-branch命令，这对我很有帮助。但只针对那些我知道路径的文件。我还使用了git log --diff-filter=D --summary来获取所有删除的列表，但是有数千个…

好了，最后，我可以简单地启动一个新的存储库并复制其中的最新文件。我将丢失历史记录，但可以保留原始的大存储库作为归档存储库，以便在需要时查找历史记录。

我真的希望有更好的方法。

Answer 1

我发现在迁移到git之后很难做到这一点。但我可以做到这一点。

我这样做了：

svnadmin dump …

创建转储文件。

svndumpfilter exclude …

排除所有我不再需要的东西。为了获得包含已删除项目的完整存储库列表，我执行了以下操作：

svndumpfilter exclude "*" …

最酷的是，svndumpfilter列出了它在结构化排序输出中排除的所有文件。因为我排除了所有内容，所以我得到了一个完整的目录。

我运行了几次svndumpfilter来删除所有不需要的东西。然后重新导入subversion存储库作为新的存储库，然后使用它迁移到git。