摘要：維護著一個微型的文件系統(tǒng)，其中的文件也被稱作數(shù)據(jù)對象。經(jīng)過我的驗證，確實是這個文件夾中的文件占了磁盤上的空間。與大部分版本控制系統(tǒng)的差別是很大的，比如等等，使用的是增量文件系統(tǒng)就是說它們存儲每次提交之間的差異。

最近在開發(fā)一個新應用，有一天在gitlab上clone代碼的時候發(fā)現(xiàn)我的應用竟然有170+M，明明是一個全新的應用，代碼都沒有幾行呢，為什么會有這么大呢？

后來經(jīng)過了解Git的原理，解決了這個問題，把相關(guān)內(nèi)容記錄下來。分享一下。

我的一個新應用竟然要170+M，這是打死我我也不會信的，于是就開始分析為什么會這么大。

git clone [email protected]:hollischuang/Architecture-Evolution.git

只是用這個地址舉例，實際并不是這個項目。

$cd Architecture-Evolution
$du -d 1 -h
 174M   ./.git
 264K   ./test
 96K    .

于是，發(fā)現(xiàn)是.git目錄自己就占用了174M，了解Git的人都知道，.git目錄是git自己生成的，記錄了git倉庫的相關(guān)信息的?？吹竭@里其實并不難知道原因。

Git 維護著一個微型的文件系統(tǒng)，其中的文件也被稱作數(shù)據(jù)對象。所有的數(shù)據(jù)對象均存儲于項目下面的 .git/objects中。

經(jīng)過我的驗證，確實是.git/objects這個文件夾中的文件占了磁盤上174M的空間。

也就是說，只要我有一次將一個大文件誤提交了，那么即使我后面把它刪除了，但是，實際上在.git中，這個文件還是存在的，雖然我們可能再也不需要他了，但是他還在那里默默的存在著。。。

Git與大部分版本控制系統(tǒng)的差別是很大的，比如Subversion、CVS、Perforce、Mercurial 等等，使用的是“增量文件系統(tǒng)” （Delta Storage systems）, 就是說它們存儲每次提交(commit)之間的差異。Git正好與之相反，它會把你的每次提交的文件的全部內(nèi)容（snapshot）都會記錄下來。這會是在使用Git時的一個很重要的理念。

也就是說，如果我又一次把一個大文件務提交到git倉庫中了，那么，下次提交時，即使你只改動了某個文件的一行內(nèi)容，Git 也會生成一個全新的對象來存儲新的文件內(nèi)容。

因為以上兩個特性，我回想起我的一次手殘行為：
剛剛創(chuàng)建一個應用之后，我快速的寫完代碼，編譯，運行，發(fā)現(xiàn)沒啥問題之后，我準備先把他發(fā)布掉，于是我開始創(chuàng)建git倉庫，并嘗試把代碼提交上去，這時我并沒有創(chuàng)建.gitignore文件，我直接git add . git commit -m "init" git push一氣呵成的執(zhí)行了熟悉的操作。

相信聰明的人已經(jīng)發(fā)現(xiàn)了，逗比啊，我在編譯代碼之后，會有很多jar被我down到target目錄下。我直接git add.把target下面的jar包，war包等這些也直接提交了。。。雖然后面我意識到，并且刪除了這些文件，然后再次提交，但是由于剛我們說過的原因，這些文件依然占用著我的空間。。。

更多關(guān)于git的原理內(nèi)容參見：Git 內(nèi)部原理

問題已經(jīng)定位到了，接下來就是要解決問題了。如果對git的原理及命令了解的比較多的話，這個問題還是比較好解決的，由于當時博主并不十分了解git的原理，所以做了一些知識儲備之后才開始動手的。（Git 之術(shù)與道 — 對象、為什么你的 Git 倉庫變得如此臃腫）

使用以下命令可以查看占用空間最多的五個文件：

git rev-list --objects --all | grep "$(git verify-pack -v .git/objects/pack/*.idx | sort -k 3 -n | tail -5 | awk "{print$1}")"

rev-list命令用來列出Git倉庫中的提交，我們用它來列出所有提交中涉及的文件名及其ID。 該命令可以指定只顯示某個引用（或分支）的上下游的提交。
--objects：列出該提交涉及的所有文件ID。
--all：所有分支的提交，相當于指定了位于/refs下的所有引用。
verify-pack命令用于顯示已打包的內(nèi)容。

使用以下命令，刪除歷史提交過的大文件：

git filter-branch --force --index-filter "git rm -rf --cached --ignore-unmatch big-file.jar" --prune-empty --tag-name-filter cat -- --all

上面腳本中的big-file.jar請換成你第一步查出的大文件名，或者這里直接寫一個目錄。

filter-branch命令可以用來重寫Git倉庫中的提交
--index-filter參數(shù)用來指定一條Bash命令，然后Git會檢出（checkout）所有的提交， 執(zhí)行該命令，然后重新提交。
–all參數(shù)表示我們需要重寫所有分支（或引用）。

在重寫提交的過程中，會有以下日志輸出:

Rewrite 6cdbb293d453ced07e6a07e0aa6e580e6a5538f4 (266/266)
# Ref "refs/heads/master" was rewritten

如果顯示 xxxxx unchanged, 說明repo里沒有找到該文件, 請檢查路徑和文件名是否正確，重復上面的腳本，把所有你想刪除的文件都刪掉。

以強制覆蓋的方式推送你的repo, 命令如下:

git push origin master --force

雖然上面我們已經(jīng)刪除了文件, 但是我們的repo里面仍然保留了這些objects, 等待垃圾回收(GC), 所以我們要用命令徹底清除它, 并收回空間，命令如下:

rm -rf .git/refs/original/
git reflog expire --expire=now --all
git gc --prune=now

至此，我們已經(jīng)徹底的刪除了我們不想要的文件。

原文鏈接