被吐槽 GitHub仓 库太大，直接 600M 瘦身到 6M，这下舒服了

大家好，我是小富～

前言

忙里偷闲学习了点技术写了点demo代码，打算提交到我那 2000Star 的Github仓库上，居然发现有5个​​Issues​​，最近的一条日期已经是2022/8/1了，以前我还真没留意过这些，我这人懒得很，本地代码提交成功基本就不管了。

仓库地址：​​https://github.com/chengxy-nds/Springboot-Notebook​​

5个​​Issues​​中，有个标题"优化本仓库大小的建议"吸引我了，赶紧点进去看看啥情况，这个哥们说我这个仓库太大了，仓库700多M，半天也拉不下来，然后还给我附上了修改建议（不要太贴心哦）。

我不信

开始我还有点不信，这仓库提交的是我平时写文章中跑的代码demo，每个项目也就十来个文件几十KB，怎么会有700M这么多，不信邪的我赶紧看了下仓库大小​​Setting->Repositoriess​​，居然真有683M这么多。

于是我赶紧​​Clone​​仓库到本地，看看是不是我提交了什么大文件，下载过程确实挺折磨人，不仅慢还经常中断，在经过不知道多少次重试之后，终于下载下来了。

翻了翻各个项目发现里边的确有许多应该忽略的文件​​.idea​​​、​​.mvn​​​、​​target​​​都被我提交了，直接删除文件，但并没有什么卵用，项目整体​​size​​变化不大，应该不是这些文件的原因。

我用​​du​​​命令看了下各目录的文件大小，发现​​./springboot-seata-transaction​​​目录45M，因为里边有一个jar直接删除就行了；而 ​​.git​​ 足足有688M，看来问题就出在这个目录，重点优化下。

这目录好大

那么​​.git​​目录是存放什么的？为什么会这么大呢？

在​​Git​​系统中，.git目录中存储了整个代码仓库的元数据信息（包括提交历史记录、分支、标签等）和文件对象。

我在该目录上用​​du​​命令看了一下，发现 objects 目录居然有683M，那么问题就是出在它身上了。

​​objects​​​目录之所以这么大，是因为它保存了仓库中的所有历史版本和数据对象，也就是​​blobs​​​文件内容, ​​trees​​​目录结构, ​​commits​​提交历史，它们是 Git 中的三个核心对象类型。

其中：

• Blobs：每一个文件都被视为一个二进制对象（Blob 对象），它保存了文件的所有内容和一些元数据信息，如文件名、文件类型、文件大小等。当文件发生变化时，Git 会自动计算并存储新的 Blob 对象，并将其与先前的 Blob 对象做比较，以确定文件的变化情况。
• Trees：目录也被视为一个对象（Tree 对象），它保存了目录中包含的所有文件和子目录的列表，每个列表项包括了文件或目录的名称、类型、权限等信息，以及对应文件或目录的 Blob 或 Tree 对象的 SHA 校验和。
• Commits：我们每次提交代码，就会产生一次Commit， Commit对象保存了一次代码变更的相关信息，包括作者、提交时间、父提交记录的 SHA 值、描述信息等。每个 Commit 对象还包含指向对应代码快照的 Tree 对象的 SHA 校验和。

上边三种类型的对象组成了Git中的基本数据单元，通过这些对象的组合和链接，才构建出完整的提交历史，并跟踪代码库中每个文件的变化历史。这个目录是Git中最重要的目录之一，所以对它操作要谨慎，不然很容易丢失历史记录。

瘦身利器

尽管我们知道了大文件的位置，可具体该删除哪些文件无从下手啊，​​objects​​目录下都是些压缩文件，弄不好整个仓库都得报废。

好在提​​Issues​​的兄弟还给推荐了个Git仓库瘦身的工具，该说不说真的贴心啊。

这个Git仓库清理工具叫​​BFG Repo-Cleaner​​，可以帮助我们筛选、清理大文件对象，官方文档地址：https://rtyley.github.io/bfg-repo-cleaner ，接下来看看这工具咋用。

注意：在做以下操作之前，一定要备份！！！ 一定要备份！！！ 一定要备份！！！

1、下载安装

BFG 是以java -jar的方式启动，首先安装不低于JDK8+ 的环境，并下载 BFG 的​​Jar​​包。

$ wget https://repo1.maven.org/maven2/com/madgag/bfg/1.14.0/bfg-1.14.0.jar

2、clone 仓库

在 clone 仓库的时候推荐使用​​--mirror​​​参数，将源仓库的所有分支、标签以及提交历史都完整地克隆到本地，只会拉取​​.git​​目录的相关文件。

$ git clone --mirror git://example.com/Springboot-Notebook.git

3、查找大文件

将 ​​bfg-1.14.0.jar​​​ 和 ​​Springboot-Notebook.git​​ 放在同一级目录下，执行下边的命令过滤出大于20M的文件对象。

# 查找出大于20M的需要清理的文件
$ java -jar bfg-1.14.0.jar --strip-blobs-bigger-than 20M Springboot-Notebook.git

看到过滤出了很多大文件，包含了​​Issues​​中兄弟提到的那个Jar包。

4、删除大文件

使用​​--delete-files​​​命令逐一的将大文件删除，如果提示分支是被保护的可以加上​​--no-blob-protection​​命令执行。

# 查找出大于20M的需要清理的文件
$ java -jar bfg.jar --delete-files Cyrillic.traineddata  Springboot-Notebook.git 

5、GC 回收垃圾

上边我们虽然过滤、删除了大文件，此时仓库的大小仍然没有变化，进入Springboot-Notebook.git仓库内，执行 ​​git reflog expire​​​ 和 ​​git gc​​命令，压缩 Git 库中的历史版本、清除废弃的、过期的对象，这个过程会耗费较长的时间。

# 进入目录
$ cd Springboot-Notebook.git

# 执行git gc 回收垃圾
$ git reflog expire --expire=now --all && git gc --prune=now --aggressive

# 推送
$ git push

最后推送代码到远程仓库，在看仓库的大小已经降到了108M，效果挺显著，剩下的108M应该就是我频繁提交导致的了，查了下我居然有127次提交之多。

每次提交都会生成一次快照，这些快照可能包含大量的文件和代码，频繁提交会导致版本库中快照的数量增加。Git使用的是一种增量存储方式，每次提交只存储发生了变化的文件和代码。

但是，如果频繁提交的变化较小，比如只是修改了几个字符或者行末空格，Git可能无法正确地检测出这些变化，而将整个文件都存储起来，也会增加了.git文件的大小。

彻底一点

后来我想了想这个仓库存在的意义，不就是让大家看着文章跑demo代码嘛，能快速的下载并成功运行才是他们在乎的，谁又会在意提交记录。那我干脆彻底一点，清理掉仓库的所有提交记录，一劳永逸。

那么操作起来就得小心一点了，毕竟2000star，别把仓库弄嘎了，既要清除一个分支上的所有提交记录，同时又不能删除这个分支本身，其实我们可以迂回一下。

我们首先使用 ​​--orphan​​​ 命令创建一个全新的分支​​new-branch​​，这个新建的分支和其他分支没有任何关系，它不会包含任何先前的提交记录或者历史记录。相当于新建了一个干净的空分支，并让该分支指向一个全新的根节点。

git checkout --orphan <new-branch-name>

然后 commit 全部的项目文件到这个分支，暂不需要推到远程仓库。

git add -A
git commit -am "Initial commit"

接着删除旧的分支，并把新建的分支名改成旧分支名称，推到远程仓库就行了。

# 

git branch -D <old-branch-name>
git branch -m <old-branch-name>
git push -f origin <old-branch-name>

在推完代码后我再次去看了下仓库的大小，现在就只有6.33M了，如果不是人脸识别项目中有几个必要的SDK包，应该还能在小点。

总结

以我自己的亲身经历做为反面教材，提醒大家操作Git要谨慎，工作中严禁提交该忽略的文件；提交代码要控制节奏，不能随心所欲，尤其是团队协作开发；如果发现​​.git​​​文件太大，推荐使用​​Git LFS​​来管理大文件，千万不要像我这么操作，毕竟随意删除提交历史记录，在哪个公司都是不合规的。

文章转载自公众号：程序员小富