GitHub上git存储库中大型文件的排除

Question

我有一个名为geoplot的项目，它用Python进行地理空间绘图。其代码是通过git在GitHub上分发的。你可以在这里查一下。

作为该包开发过程的一部分，我上传并存储在geoplot repo中的一个名为data/的文件夹，该文件夹包含大量不同格式的数据文件。这些数据文件用于填充免费示例图库中的示例。

然而，这些文件使整个存储库的大小增加到~150 MiB (问题)。这显然太过分了，现在是我摆脱它们的时候了。

问题是，我不仅需要从当前的HEAD中删除这些文件，还需要将这些文件从整个git历史记录中删除。我尝试了一种使用git rebase的手动方法，但没有起作用。然后，我尝试了BFG Repo-Cleaner工具，就像关于这件事的典型问题中推荐的那样。

BFG摆脱我的档案好了-他们不再存在于历史上的任何地方。但是，回购的大小(如运行https://github.com/ResidentMario/geoplot.git时所见)根本没有下降！

下面是我尝试过的内容(减去打印输出)：

java -jar ../bfg-1.12.15.jar --delete-folders "data" .
git reflog expire --expire=now --all && git gc --prune=now --aggressive
git push --set-upstream https://github.com/ResidentMario/geoplot.git master --force

完整的打印输出是在一个关于GitHub的问题上。

我做错什么了？我如何诊断和消除这一浪费空间的来源？

Answer 1

我的确提到了早在2010年，但也提到了删除旧对象。

(注：repack)

首先，检查是否再次克隆您的回购，您仍然有相同的大小。

正如Aleksey Bilogur执行部分提到的在评论中

• 您需要确保标记没有引用旧数据，然后也需要强制推送所有标记和分支(不仅仅是master)。 吉特推-标签起源-力量
• 生成的数据必须从回购历史记录中删除。

Answer 2

这听起来像是一个没有外部工具就可以通过利用filter-branch来解决的问题。

如果要删除data目录的所有历史记录，可以从回购目录的根目录运行以下内容。

git filter-branch --index-filter 'git rm --cached --ignore-unmatch -r path/to/data' HEAD

这将改变当前HEAD指针祖先项中的每个提交。然后，您必须更新所有其他分支和标记，以这些新创建的提交，以完全删除行李从您的回购。