git - 是否可以在 git 中仅存储大文件的校验和？

Question

我是一名生物信息学家，目前从基因组文件中提取正常大小的序列。一些基因组文件足够大，我不想将它们放入主 git 存储库，而我将提取的序列放入 git。

是否可以告诉 git “这是一个大文件 - 不要存储整个文件，只需获取它的校验和，如果该文件丢失或修改，请告诉我。”

如果那不可能，我想我将不得不 git-ignore 大文件，或者按照这个问题的建议，将它们存储在一个子模块中。

Answer 1

我写了一个脚本来做这种事情。您将文件模式放在 .gitattributes 文件中，用于您不想进入 git 存储库的大型媒体，它可以将它们存储在 S3 上。这只是一个起点，但如果您有兴趣，我认为它是可用的。

http://github.com/schacon/git-media

也许这会对您有所帮助，或者至少向您展示如何完成它，并且您可以根据您的特定需求对其进行自定义。

Answer 2

在即将发布的 git 中会有 ' refs/replace/' 机制，我认为可以针对此目的进行调整（假设此类大型媒体文件的数量及其版本的数量不是很大。）

在您项目的细长分支中，您将拥有（如Seth 所写git hash-object -t blob <filename>的）“存根”文件来代替大型媒体文件，其内容将具有大文件（来自“ ”）的 SHA-1 。

然后在您的项目的完整分支中，您将使用“ refs/replace/”机制将那些“存根”文件替换为真实内容（使用git replace）。需要一些挂钩来使“存根”文件中的 SHA-1 与实际的大型媒体文件保持同步。

然后如果你想要完整的克隆，你也可以从“ refs/replace/”命名空间中获取；如果您想要苗条的克隆，则不要获取“ refs/replace/”。

注意： 我还没有实际测试过这样的设置；这在 git 中还不可用，除非你运行'master'

Answer 3

如何将哈希值存储在文本文件中，然后将文本文件提供给 git？然后你可以写一个比较哈希的钩子，所以每次你签入或签出时，你都会被通知缺少/不同的内容。

不完全是您想要的，您仍然需要手动维护文本文件。