git - 如何使用 GitHub 管理大数据文件？

Question

我有一个（目前）120 MB 的大文本数据文件。

将它放在回购中是一种不好的做法吗？它会影响 GitHub 上的搜索功能吗？

这似乎是个坏主意，因为整个源代码只有 900 行。

不打算更新文件。

可以将它放在 Dropbox 或 Google Docs 上，但它与 repo 是分开的。

如果不是 GitHub，是否有更好的方法来管理/备份大型数据文件？

score 5 · Accepted Answer

如果满足以下条件，请将其放入 repo：
1-您想要跟踪更改
2-它实际上是项目的一部分，并且您希望人们在克隆 repo 时收到它

如果出现以下情况，请勿将其放入存储库（使用 .gitignore 排除）：
1- 它经常更改，但更改没有意义，并且您不想保留历史记录
2- 它可以在线获得，或者您可以制作它在线提供并在回购中放置链接或其他内容，以便人们知道在哪里可以找到它

如果您没有很多人下载 Dropbox，它是不错的选择，Amazon S3 是您托管它的最佳选择。

score 5 · Accepted Answer

有很好的方法来处理这种情况。例如，当我在一个分析数据的项目上工作时，尤其是在清理和预处理步骤之后，共享代码而不是数据集（当然出于数据集大小的原因）是蹩脚的。这是我发现的：

它们看起来都很棒，git附件目前更成熟，但是git lfs是由我使用的github开发的，这就是我使用git lfs的原因。

score 3 · Accepted Answer

您可以将它放在 github 上，但我建议将它放在另一个存储库中并通过子模块链接到它。这将确保文件不会被传输/调整，除非您通过子模块命令明确这样做。

score 2 · Accepted Answer

如果文件不需要受版本控制，那么我不愿意将它放在 git hub 上。

根据讨论更新...

成功运行 git checkout 后，将运行 post-checkout 挂钩；您可以使用它为您的项目环境正确设置工作目录。这可能意味着移动不需要源代码控制的大型二进制文件、自动生成文档或类似的东西。

因此，使用这种机制，您可以将外部存储的数据文件下载到您的工作副本中。

score 2 · Accepted Answer

pages.github.com 是正确的地方吗？不

github:help 非常清楚地回答了这个问题（我也在找他们）

大型媒体文件

二进制媒体文件与 Git 不能很好地相处。对于这些文件，通常最好使用专为您正在使用的内容设计的服务。

对于视频和音乐等大型媒体文件，您应该自己托管文件或使用 Vimeo 或 Youtube 等服务。

对于像 PSD 和 3D 模型这样的设计文件，像 Dropbox 这样的服务通常工作得很好。这就是 GitHub 的设计者用来保持同步的方法；只有最终的图像资产被提交到我们的存储库中。

5 回答 5