清理git倉庫

參考

https://harttle.land/2016/03/22/purge-large-files-in-gitrepo.html

https://git-scm.com/docs/git-rev-list

https://git-scm.com/docs/git-filter-branch

https://git-scm.com/docs/git-verify-pack

該文章是本身操做時查找資料的實踐內容，內容徹底來自上面的做者。

前言

開發久了，有一些很老的東西，好比一開始沒有拆分後來拆分到別的倉庫的代碼，編譯的一些類庫，或是後面刪除掉的無用的模塊，放在倉庫中，每次clone，都很是大，能夠經過git的一些方法查找，而且從倉庫中刪除。

特別注意

這是個很危險的動做，有可能會丟失數據，因此操做以前最好備份或是確保刪除的不是關鍵信息。由於作了這個操做這些東西會永遠從你的git倉庫中刪除，而且再也找不到任何信息，沒法還原，全部的歷史信息都會被重寫。

刪除一個文件

git filter-branch -f --prune-empty --index-filter 'git rm -rf --cached --ignore-unmatch <file>' --tag-name-filter cat -- --all

這裏的命令就是把每一次提交都執行一次git rm -rf --cached --ignore-unmatch <file>的命令，這個命令就是把一個文件從git的跟蹤倉庫中刪除。具體參考 https://www.cnblogs.com/studywithallofyou/p/11772684.html

--index-filter參數用來指定一條Bash命令，而後Git會檢出（checkout）全部的提交， 執行該命令，而後從新提交。這樣的話，咱們就是在每一個提交的記錄下，調用命令，移除<file>，而後再提交，這個文件便從Git的全部記錄中徹底消失了。

刪除一個文件夾

這個功能主要就是靠git rm的不一樣參數實現，也就是git filter-branch負責重寫每次提交的歷史，具體操做就是--index-filter指定的一條命令。上面的是刪除一個文件，換成刪除文件夾的，就能夠指定刪除某個文件夾下的內容。好比一開始咱們提交了一個目錄，裏面都是一些編譯生成的類庫，後來不須要了，能夠把它從歷史中刪掉。

git filter-branch -f --prune-empty --index-filter 'git rm -rf --cached --ignore-unmatch <folder>' --tag-name-filter cat -- --all

尋找大文件的ID

若是咱們忘記了歷史中哪些文件比較大，又想清理倉庫，那麼就能夠用git verify-pack來查找。這個命令的做用就是列出來每次提交的內容中的詳細信息，其中包含了提交內容的大小。

$ git verify-pack -v .git/objects/pack/*.idx
8fa15d279de33ce28a3289fd33951374084231e4 tree   135 137 144088922
a44a50b2ffb1f8283c8e64aafb8e7628249d7453 tree   33 43 144089059
b57d99f38fe22491e4a2d30c2b081ecb7bbb329c tree   99 97 144089102
2d4ffaffc11758d561ea1a6d57dd8ee17ee1d836 blob   644952 644959 144089199
8cf81ebfeec409f19e7a47a76517317f3bfa268d blob   695898 695871 144734158

-v（verbose）參數是打印詳細信息。

輸出的第一列是提交的index id，第二列表示文件（blob）或目錄（tree），第三列是文件大小。 如今獲得了全部的文件ID及其大小，而後咱們就能夠經過寫一些腳本排序找出最大提交內容的index。

先按照第三列排序，並取最大的5條，而後打印出每項的第一列（index id）：

$ git verify-pack -v .git/objects/pack/*.idx | sort -k 3 -n | tail -5 | awk '{print$1}')"
f846f156d16f74243b67e3dabec58a3128744352 
4a1546e732b2e2a352b7bf220c1a22ad859abf89 
f72d04efe6d0b41b067f9fbbc62455f28d3670d2 
49bdf300ddf57d1946bc9c6570d94a38ac9d6a50 
9c073d4177af5d2e43ada41f92efb18d9462a536

這條命令的做用就是，顯示到git倉庫目錄中過濾每一條提交index的信息，而後把這些信息中，按照第三行也就是大小排序，而後把最大的幾個篩選出來，最後只打印對應的index id就能夠了。

文件名與ID映射

上面咱們僅僅獲得的是提交的index，仍是不知道這些裏面哪些文件比較大，由於git rm須要指定文件名稱。這時就須要git rev-list命令，這個命令的做用是列出來一個提交裏面的內容信息。

$ git rev-list --objects --all
c252878ac09a3979a80520b82a71dc2dae4529f9
7bc7d05c6097063f531580ba4c32921464a6c456 _drafts
dcce26ed53fbb869dc7d5b71742d2f9e523bfe42 _layouts
414186c794a0d58695abb75c548bdbfec1de2763 _layouts/default.html
1934eeffe3d242375510dff28cffa6de6b3de367 _layouts/post.html
5f14647875f2177a6d37b8bfbcdb4629af595b64 _posts
6cdbb293d453ced07e6a07e0aa6e580e6a5538f4 _posts/2013-10-12-2.md

--objects：列出該提交涉及的全部文件ID。
--all：全部分支的提交，至關於指定了位於/refs下的全部引用。

獲得文件名列表

若是內容很少，你能夠按照上面最大index的列表，而後一個個經過git rev-list來查看哪些文件比較大，通常也不是特別多，若是比較多或是想之後使用，能夠再寫一個腳本，排序出最大的文件列表。

$ git rev-list --objects --all | grep "$(git verify-pack -v .git/objects/pack/*.idx | sort -k 3 -n | tail -5 | awk '{print$1}')"
f846f156d16f74243b67e3dabec58a3128744352 assets/img/recent-badge.psd
4a1546e732b2e2a352b7bf220c1a22ad859abf89 assets/img/album/me/IMG_0276.JPG
f72d04efe6d0b41b067f9fbbc62455f28d3670d2 assets/img/album/me/IMG_0389.JPG
49bdf300ddf57d1946bc9c6570d94a38ac9d6a50 assets/img/album/me/IMG_0813.JPG
9c073d4177af5d2e43ada41f92efb18d9462a536 assets/img/album/me/IMG_0891.JPG

上面的命令就是先經過rev-list列出全部index對應的文件信息，而後經過咱們上面查找出的最大的提交index，經過grep過濾出來。這樣就能夠列出來上面查找的最大的提交index中全部的文件信息。

而後就能夠從裏面找出能夠的文件刪除了。刪除完成後記着push到遠程分支，若是push報錯，能夠經過下面命令，強制把全部分支的內容推送到遠程。到此結束。

git push origin --force --all