从 git repo 历史记录中删除文件夹不会使 repo 更小

Question

我阅读了许多相关的问题，但我遇到了以下问题。

在this repo中，media/1 Juno-Trumpet中有大文件（在之前的提交中），所以我完全按照answer here删除了这些文件：

git clone https://github.com/alexmacrae/SamplerBox.git
git count-objects -vH

总文件大小：54MB

git filter-branch --tree-filter 'rm -rf "media/1 Juno-Trumpet"' --prune-empty HEAD
git for-each-ref --format="%(refname)" refs/original/ | xargs -n 1 git update-ref -d
echo "media/1 Juno-Trumpet/" >> .gitignore
git add .gitignore
git commit -m 'Removing a folder from git history'
git gc
git count-objects -vH

总文件大小：54MB

问题：为什么 repo 的大小没有改变？经过这样的清理后，如何使 repo 大小更小？

Answer 1

仍然包含子目录的旧提交仍然是存储库的一部分，即使它们无法从任何分支访问。

你可以清理它们

git reflog expire --expire=now --all && git gc --prune=now --aggressive

然而，这将清空您的 reflog。 这是必要的，因为您的 reflog 引用的提交不会被垃圾收集

Answer 2

运行git filter-branch 实际上复制每个被过滤的提交。生成的存储库从未更小——嗯，还没有——而且通常更大。如果幸运或聪明，大部分副本会重复使用大部分原始对象，因此生成的存储库仅比原始存储库大一点点。

您可能会问：“那我们为什么要过滤存储库？”事实上，大多数情况下您不应该这样做：对于使用存储库的每个人来说，这都是一个令人头疼的问题（但通常至少是一次性的），因为他们都必须切换到新的过滤存储库。但真正的答案是，过滤后，您可以删除对原始（预复制）对象的引用，或者将存储库克隆到新的新克隆中。 p>

原始对象的引用保存在refs/original/ 和中的reflogs（特别是HEAD reflog 通常会有它们）。请参阅the git filter-branch documentation 末尾的说明以了解如何删除这些内容，如果您选择（出于某种疯狂的原因）不只是重新克隆过滤后的存储库。

Answer 3

只是一个现成的完整版本，基于@lucanLepus 接受的答案。

假设我是 userA，我想从 Github 上的存储库中从历史记录中完全删除文件夹 media/1 Juno-Trumpet/（在最近的提交中不再存在，但在很久以前的提交中）。

注意：此特定存储库具有原始分支 master、sfz 和 wifi，以及标记 v1.0。为了避免需要知道这一点，我在这里使用了一个镜像克隆（它创建了一个裸存储库，这很好，因为我将使用索引过滤器）。然后，由于这里是 GitHub，所以我先把所有的refs/pull/ refs 都扔了。

事实证明，这些文件也被命名为 media/Juno-Trumpet/ 和 media/Juno/，因此我们需要删除所有三个路径名。

git clone --mirror https://github.com/alexmacrae/SamplerBox.git
cd SamplerBox.git
git for-each-ref --format="git update-ref -d %(refname)" refs/pull | sh
git for-each-ref         # to check that we have only wanted refs left
git count-objects -vH    # size-pack: 54.40 MiB
git filter-branch --index-filter 'git rm -r --cached --ignore-unmatch "media/1 Juno-Trumpet" media/Juno-Trumpet media/Juno' --prune-empty --tag-name-filter cat -- --all

filter-branch 步骤需要一点时间，并以：

Ref 'refs/heads/master' was rewritten
Ref 'refs/heads/sfz' was rewritten
Ref 'refs/heads/wifi' was rewritten
WARNING: Ref 'refs/tags/v1.0' is unchanged
v1.0 -> v1.0 (7ec3254d08b65fd3ca8a048cef60b5b2c75f7e11 -> 7ec3254d08b65fd3ca8a048cef60b5b2c75f7e11)

（最后一行表示存储库中的一个标签位于任何重写的提交之前，即我们毕竟不需要--tag-name-filter cat。）

现在我们必须删除refs/original/ 名称。由于这是一个全新的克隆，因此没有过期的 reflog，但无论如何我们都会这样做，然后使用 git gc 重新打包：

git for-each-ref --format="git update-ref -d %(refname)" refs/original | sh
git reflog expire --expire=now --all
git gc --prune=now --aggressive
git count-objects -vH     # size-pack: 1.41 MiB

我还没有完成这最后一步：

git push origin '+refs/*:refs/*'

（如果您确实确定要完全清除所有媒体文件，则可能还需要清除所有拉取请求，因为否则它们会保留它们一段时间）。

---

顺便说一句，我找到了三个名称下的文件：

git cat-file --batch-all-objects --batch-check | sort +2 -rn | head

要查找比较大的文件，接着：

git rev-list --all | while read ref; do
   git ls-tree -r $ref | grep 477145c7d0190f4e0aeea0f7bfb9accbf2c1ba48;
done | sort -u

（477145c7d0190f4e0aeea0f7bfb9accbf2c1ba48 是.wav 大文件之一。我没有检查删除的所有文件是否都是.wav 文件以及是否还有其他.wav 文件。）