不转移对象创建Git镜像仓库

Question

我有一组大量的文件（50GB），它们在两个远距离的主机上，并且我想将它们放入几个Git存储库中，以便每个存储库都是另一侧存储库的镜像。但是我不想通过网络传输文件，因为这需要很长时间（50-60小时），而且这是不必要的，因为文件已经在两侧。

我的想法是在每一侧创建一个Git存储库，将每一侧的所有文件添加到本地存储库中，然后从一个存储库git-pull到另一个存储库。我认为Git会聪明到知道文件（对象）是相同的，不会传输它们。但是它似乎并不是这样，因为在一个小样本上，执行pull需要很长时间（主要在“Unpacking objects”阶段），并且它使两者之间的网络连接达到最大值。因此，我认为它正在不必要地传输Git对象。

有没有人有关于如何在不实际传输文件的情况下完成此操作的想法？

谢谢！

- user257836

Answer 1

很有趣，因为大文件的内容相同（我假设），应该在两端创建相同的对象文件。

在我的本地机器上对两个存储库进行测试表明，不同存储库中的相同文件将具有相同的SHA ID。

检查并查看实际文件的SHA ID是否在两个存储库中相同。如果是，则需要弄清楚为什么它们可能会被传输，如果不是，则找出原因。

- Alex Brown

---

是的，它们完全一样。在每个侧面添加文件后，我在包含该文件的 git 树上执行了 git ls-tree 命令（我认为这是正确的方法），对于两侧的 blob，SHA id 都是 d88cbbbe54e7cd688d399f4e2b4f8195fcf2c4a7。 - user257836

Answer 2

你需要提交记录是相同的，即使树的ID相同，提交ID也可能不同。

我现在能想到的方法如下：

在一侧进行（初始）提交。记下其哈希值。在.git/objects/文件夹中查找哈希值。将文件复制到另一台计算机上。如果另一台计算机具有相同ID的树，则应该可以工作。

- knittl

---

这似乎有效！但您还需要编辑.git/refs/heads/master文件，以包含来自另一侧的提交ID。但目标是最终拥有两个仓库，其中一个可以是另一个的镜像（备份）。因此，我希望能够在第一侧进行工作并进行更改。因此，如果您在第一侧添加另一个文件，然后执行拉取操作，期望传输新文件，则会提示您执行“git reset --hard”。如果您这样做，它似乎有效。现在，每次您在第一侧添加文件并想要从中拉取时，都必须执行“git reset --hard”。 - user257836

“git reset --hard” 听起来很奇怪。Git可能在第一次需要这样，但每一次都要吗？你能给我精确的错误信息吗？ - knittl

Answer 3

我使用了 sneakernet（也就是“步行网络”）：将本地的一个下游 git 树全部刻录到 DVD 上。在远程端，将 DVD 复制到磁盘上。然后，如果需要，编辑 .git/config 的 [remote "origin"] 配置部分，以便该仓库仍然可以访问其上游。

- Wayne Conrad

---

我本来想这么做，但是另一个主机在国家的另一边。此外，烧录7张DVD，邮寄到那里的某个人并让他们复制DVD至少需要48小时，这并不是一个省时的方法。 - user257836

Answer 4

你使用的是什么协议，Git 还是 Http？

当使用 Http 协议时，Git 会变得很慢。如果你唯一的选择是 Http 并且你需要一个分布式版本控制系统，你可以尝试 Mercurial。

如果你只需要同步两个远程文件夹，你可以看看 Beyond Compare。

- Lieven Keersmaekers

---

它很慢是因为我的网络上传速度很慢（2Mbps），而不是因为Git，我也没有使用HTTP。 - user257836

在这种情况下，我会看看Beyond Compare。 Beyond Compare能够检查两个文件的各种属性，而不必打开它们（这将违反其目的），以确定它们是否更改。如果这对你没有用，我认为knittl的答案应该是正确的。某种程度上，期望git知道两个仓库，它们碰巧具有相同的文件结构，是彼此的镜像似乎太简单了。我想它可以工作，但你需要手动调整树、块等。 - Lieven Keersmaekers