推送到远程时强制 git 忽略或截断大文件

Question

我需要将

hostA

上托管的多个 git 存储库“镜像”到

hostB

上的存储库中。我对

hostA

上的存储库具有只读访问权限，并拥有

hostB

上的存储库，但我没有

hostB

上的管理权限。

我在引号中写了“镜像”，因为我只需要跟踪主分支及其上的标签。唯一的要求是，在主分支上的每个标记提交中，代码都基于

hostA

和

hostB

匹配。

通过中间跳转（我的计算机）执行此操作的一种简单方法是：

git clone hostA:repo1.git
cd repo1
git remote add hostB:repo1.git

然后每次我想同步时：

git pull hostA main
git push hostB main
git push --tags hostB main

这在大多数情况下都可以正常工作，除了一些存储库中包含大型二进制文件，并且

hostB

有最大文件大小限制，而

hostA

没有。

hostB

确实有 git LFS，而

hostA

没有。因此，如果不采取一些措施排除大文件，我就无法将这些存储库推送到

hostB

。

我已经确定的一些可能的解决方案路径：

0. 从存储库中删除

   hostA

   上的大文件：这显然是正确的事情（TM），但由于超出本问题范围的各种原因，这不会发生。
1. 使用 git LFS：这需要取消跟踪大文件并将它们添加到 git LFS。这意味着在推送到

   hostB

   之前进行本地更改，之后我不再在没有冲突的情况下从

   hostA

   拉取。
2. 使用 git filter-repo 删除大型二进制文件：这主要保留历史记录（我对大文件不感兴趣），但显然这是一个核选项。由于它完全重写了历史，我也不再退出

   hostA

   （我想 - 我可能做错了......）。

我目前正在使用选项（2），每次我想要同步时，我都会克隆一个新副本，对其进行过滤，然后强制推送到

hostB

，但这远非理想。

理想情况下，我正在寻找一种方法将二进制文件截断为零字节大小，并让 git 在从

hostA

拉取（即 git 没有看到冲突）并将空文件推送到

hostB 时忽略该文件

无怨无悔。

我不确定这是否可能，所以我也对其他解决方案持开放态度。同步大约每月一次，因此解决方案可能有点复杂。

Answer 1

在我看来这是不可能的，因为您无法即时更改要推送的内容（镜像）。

您只能避免推送大于指定大小的文件，例如使用 git hook，如下所示：

#!/bin/bash

# Located in .git/hooks/pre-push

MAX_SIZE=1024

human_size() {
    awk -v sum=$1 'BEGIN {
        hum[1024^3]="GB";hum[1024^2]="MB";hum[1024]="KB";
        for (x=1024^3; x>=1024; x/=1024) {
            if (sum>=x) { printf "%.2f %s\n", sum/x, hum[x]; break }
        }
    }'
}

files_to_push=$(git diff --cached --name-only --diff-filter=ACM)

for file in $files_to_push; do
    
    if [ ! -e "$file" ]; then
        continue
    fi

    size=$(du -k "$file" | cut -f1)
    if [ $size -gt $MAX_SIZE ]; then
        echo "Error: File $file is larger than the allowed size of $(human_size $((MAX_SIZE * 1024)))."
        exit 1
    fi
done

# If we're here, all files are of an allowed size
exit 0

我认为唯一真正的解决方案是通过 BFG Repo-Cleaner 过滤和清理你的源代码库。