大型Git仓库的部分克隆 _Git仓库

随着Git仓库变得越来越大，由于性能导致的可用性问题会越来越突出。比如git clone一个大型仓库会下载整个仓库对象和每次迭代的副本，下载过程会非常耗时，耗带宽，而且常常会导致中断。为了解决这个问题通常有两个方法：
第一个是方法是对仓库从新规划，把大的文件提取出来使用Git LFS保存。

文章插图

【大型Git仓库的部分克隆】还有一个方法是Git shallow clone 浅克隆（--depth）：这是git内置的唯一减少Git克隆传输数据量的方法。但是，Git浅克隆个缺点就是不允许对子项目进行过滤（这对于包含许多项目的整体仓库很重要），也不允许按对象大小进行过滤，以防止不必要的大对象被下载。
Partial Clone部分克隆

文章插图

为了解决上述的浅克隆的限制，Git引入了部分克隆的功能。它是对现有Git克隆的性能优化，允许Git在没有仓库的完整副本的情况可以工作。它的目标是让Git更好地处理超大型仓库。部分克隆的功能在最近发布的版本中已经Gitlab 12.4.0以beta版本形式发布，具体可以参考虫虫关于Gitlab 12.4.0版本发布介绍。
Git在克隆和获取时候默认是全克隆，即会下载完整的git对象库和仓库库的历史记录（包括所有副本）。这包括所有commits对象，tree对象和blob对象。对于超大存储库，克隆可能需要数小时（或数天）的时间，需要100 + GiB的磁盘空间。在这些仓库中，有很多blob（文件）和three（目录）对象不是必须的，是考虑以下场景：
1.在tree对象的文件包含了很多非用户工作区域文件。例如，一个仓库在每次commits中都会包含500K的目录和3.5M的文件。如果用户只需要一个对象，我们不需要下载很多的tree对象的。
2.对的二进制文件。例如，在大型仓库的构建中生成了一个巨大的二进制文件，我们需要忽略下载二进制大文件的的迭代历史版本，只下载实际引用的版本。
部分克隆使我们在克隆和获取操作时候避免下载不需要的对象，从而减少下载时间和磁盘使用率。忽略掉的对象以后可以在需要时"按需获取" 。
我们把可以稍后提供缺少对象的远程服务器叫Promisor Remote，它承诺在以下情况下发送对象要求。最初的Git仅支持一个Promisor Remote，即用户克隆并在"extensions.partialClone"配置选项。
简而言之，部分克隆的工作方式如下：
使用新的--filter标志在clone或pull仓库时将对象从传输中排除；
按需下载丢失的对象；
部分克隆配置在GitLab 12.4中，如果依赖的Git版本为2.21.0，当使用功能标记来启用uploadpack.allowFilter和
uploadpack.allowAnySHA1InWant 。
按大小排除对象

文章插图

部分克隆允许将大型对象直接存储在Git仓库中，并根据用户的需要将其从克隆中排除。这减少了判断需要哪些对象应该存储在LFS中或那些不需要存储在LFS的过程。使用部分克隆，对所有文件一视同仁，都可以直接存在仓库中。
当Git服务器启用uploadpack.allowFilter
和
uploadpack.allowAnySHA1InWant两个选项时候我们就可以按一下操作：
克隆仓库，但是Blob对象大小不得大于1M（排除大小大于1M的blob对象）：
git clone --filter=blob:limit=1m <url>在克隆的checkout和之后的所有操作中，所需的任何blob将需要按需下载，比如：
git checkout feature-branch按路径排除对象

文章插图

部分克隆允许使用与仓库文件忽略配置.gitignore类似的格式按路径过滤克隆。
服务器启用uploadpack.allowFilter和
uploadpack.allowAnySHA1InWant后：
1.创建一个过滤器配置。例如，考虑一个包含许多应用程序的整体仓库，每个应用程序都位于根目录的不同子目录中。使用GitLab Web界面创建文件
cc-App/.filterspec：# Appcc-app/#Dependencieschongchong-app/shared-component-a/2、创建一个新的Git仓库并用git fetch获取。由于clone命令对"--filter=sparse:oid"的支持不完整，因此需要使用git init和git fetch来模拟clone命令：
为Git仓库创建一个新目录：
mkdir CCrebo && cd CCrepo初始化一个新的Git仓库：
git init添加远程仓地址
git remote add origin <url>启用对远程服务器的部分克隆支持