如何清洗 Git Repo 代码仓库

相信不少团队的代码仓库 Git Repo 变得越来越大。除了代码的提交外，时常有人会把二进制文件比如 Jar 包或者不小心把不改提交到代码库的文件提交到代码库中，比如用户名密码之类的保密信息。如何清洗代码仓库 Git Repo，彻底从历史中删除此类文件呢？

手动清理

如果你们的代码仓库问题比较少，只有几个不该提交的文件，可以参考 Atlassian 的一篇关于维护 Git Repo 的文章（见文章最后的链接）。

大致过程如下：

首先进行 Git 垃圾回收：

git gc --auto

其次查看 Git 仓库占用空间：

$ du -hs .git/objects
45M .git/objects

然后找出历史中超过一定大小的文件，最后在历史中删除并且提交。如果感兴趣手动处理这个过程可以参照文章后边的链接。

相关的几个命令：

清理历史中的文件：

git filter-branch --force --index-filter 'git rm --cached --ignore-unmatch ****/nohup.out' --prune-empty --tag-name-filter cat -- --all
git filter-branch --index-filter 'git rm --cached --ignore-unmatch ****/nohup.out' HEAD
git for-each-ref --format="%(refname)" refs/original/ | xargs -n 1 git update-ref -d

强制提交覆盖：

git reflog expire --expire=now --all
git gc --prune=now
git push --all --force
git push --all --tags --force

但是这个方案有 2 个问题：1. 处理速度慢，尝试清理 2 G 大小的代码库，用了 1 晚上还没跑完。2. 只能按文件名清理，如果不同的路径有同样的文件名就无法处理了，可能误删文件或者忽略某些文件。当然有个非常好的解决方案完美解决了这个问题。

自动清理

答案就是 bfg-repo-cleaner，这是一个 Java 写的清理工具，多线程处理清理过程，命令很简单，只需要几分钟就清理了之前 1 晚上都跑不完的任务：

java -jar bfg-1.11.7.jar --delete-files *.zip myrepo.git
java -jar bfg-1.11.7.jar --delete-files *.log myrepo.git
java -jar bfg-1.11.7.jar --delete-files *.out myrepo.git
java -jar bfg-1.11.7.jar --strip-blobs-bigger-than 1M myrepo.git

附上几个常用的但又不常见的 git 小技巧：

复制代码仓库：

git clone --bare /var/www/html/myrepo.git

Git 后悔药，覆盖最后一次修改：

git add .
git commit --amend
git push origin master -f

Git 放弃本地修改：

git checkout .

Git 销毁最后一次提交：

git reset --hard HEAD^
git push -f origin HEAD^:master

打包时候嵌入版本号：

git rev-parse HEAD > version.txt

文章中涉及的链接：

• https://confluence.atlassian.com/display/BITBUCKET/Maintaining+a+Git+Repository
• http://rtyley.github.io/bfg-repo-cleaner/
• http://www.d-wood.com/blog/2014/10/03_6965.html