Git彻底删除历史记录中大文件_git删除大文件记录

在做项目时,使用Git为版本控制时,经常会有小伙伴提交一些二进制的大文件到git，使用版本库变的臃肿,等到发现用git rm删除那个文件。
但这样做显然是不够的，这些文件并没有真正在项目中被用到，与此同时这些大文件的存在会导致整个 git 仓库的容量暴增，影响每次 clone 和 fork 代码仓库的时间。文件还一直存在git历史log中，需要重写历史后执行清理后才能彻底清除, 释放空间。

1. git verify-pack 命令查看 pack 文件包的相关详细信息，通过文件大小进行排序，这里只列出5个最大的文件。

git verify-pack -v .git/objects/pack/pack-*.idx | sort -k 3 -g | tail -5
1

output

988821841808f2a04123b4a16c88912bb04e3cfa blob   31157 14012 747972
2c958c8b8521738c76269812c280b20a08b7b0fc blob   31170 8443 306412
9108ebc4238d195101622febd15ecafc93ccc18e blob   31714 14196 728479
2d842e61422a013354e7865f946dad1058bce5a1 blob   32110 14395 575722
777e8697e5dc1017ca901c8cf226d707b6e96b06 blob   62678 22645 248106
1
2
3
4
5

2. git rev-list 列出该对象文件名等更多信息

git rev-list --objects --all | grep 777e8697e5dc1017ca901c8cf226d707b6e96b06
1

output

777e8697e5dc1017ca901c8cf226d707b6e96b06 go.sum
1

以上两步可以全并成一条命令，方便快速查询。

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

在日志中查找这个文件

git log --pretty=oneline --branches -- go.sum
1

filter-branch 修改提交历史的命令

–tree-filter表示修改文件列表。
–msg-filter表示修改提交信息，原提交信息从标准输入读入，新提交信息输出到标准输出。
–prune-empty表示如果修改后的提交为空则扔掉不要。在一次试运行中我发现虽然文件被删除了，但是还剩下个空的提交，就查了下 man 文档，找到了这个选项。
-f是忽略备份。不加这个选项第二次运行这个命令时会出错，意思是 git 上次做了备份，现在再要运行的话得处理掉上次的备份。
–all是针对所有的分支。

git filter-branch --index-filter 'git rm --cached --ignore-unmatch go.sum' -- --all
1

到这里，历史记录中已经没有该文件了。不过运行 filter-branch 产生的日志还是会对该文件有引用，所以还需要运行以下几条命令，把该文件的引用完全删除：

rm -Rf .git/refs/original
rm -Rf .git/logs/
git gc
git prune
1
2
3
4

查看.git目录，已经小了很多了

du -sh .git
1

强制 push

git push --force
1

需要注意把涉及重写后的分支全部强制推送到远程共享库。同步提醒其他小伙伴重新clone 代码仓库，否则其他人提交就前功尽弃了。

云效代码仓库删除大文件
官网git-filter-branch

filter-branch 常用功能
修改提交用户名

git filter-branch -f --env-filter "GIT_AUTHOR_NAME=xxx" -- --all
1

修改提交邮箱

git filter-branch -f --env-filter "GIT_AUTHOR_EMAIL=xxx@xxx.com" -- --all
1