运行git filter-branch后如何删除旧的历史记录？

Question

假设我有这样一棵树：

... -- a -- b -- c -- d -- ...
             \
              e -- a -- k

我希望你能够将其变为

... -- a -- b -- c -- d -- ...

我知道如何将分支名称附加到 "e"。我知道我要做的事情会改变历史记录，这是不好的。同时我猜我需要使用类似于rebase或filter-branch的东西。但具体来说 - 我迷失了。

好的。情况如下：现在我有一个相当大的树（像这样）

                 s -- p -- r   
                /
a -- b -- c -- d -- e --- g -- w
           \               \
            t -- p -- l     y -- k

在我最初的提交中（例如对于“b”），我添加了二进制文件，这使得整个代码库非常沉重。所以我决定将它们移除。我使用filter-branch命令来完成此操作。现在，我有两个长分支的提交记录，从第二个提交开始完全相同。

                 s -- p -- r   
                /
a -- b -- c -- d -- e --- g -- w
      \    \               \
       \    t -- p -- l     y -- k
        \
         \             s'-- p'-- r'  
          \           /
           b'-- c'-- d'-- e'--- g'-- w'
                 \               \
                  t'-- p'-- l'    y'-- k'

其中b'是没有二进制文件的提交。因此我无法进行合并。我不希望整个树在历史记录中重复出现。

- Aleksandr Motsjonov

---

你为什么要这样做呢？难道不能使用 git merge 吗？ - Chris Frederick

@Christopher - 我已经在问题中添加了解释。 - Aleksandr Motsjonov

Answer 1

在导入具有多年历史的Subversion存储库后，我遇到了与许多二进制资产相关的类似问题。 在git: shrinking Subversion import中，我描述了如何将我的git存储库从4.5 GiB缩减到大约100 MiB。

假设您想要从“Delete media files” (6fe87d)中删除的文件从所有提交中删除，并使其适应于您的repo，请参考我的博客文章中的方法：

$ git filter-branch -d /dev/shm/git --index-filter \
  "git rm --cached -f --ignore-unmatch media/Optika.1.3.?.*; \
   git rm --cached -f --ignore-unmatch media/lens.svg; \
   git rm --cached -f --ignore-unmatch media/lens_simulation.swf; \
   git rm --cached -f --ignore-unmatch media/v.html" \
  --tag-name-filter cat --prune-empty -- --all

您的GitHub repo没有任何标签，但我包括了一个标记名称过滤器，以防您有私有标签。

git filter-branch文档涵盖了--prune-empty选项。

--prune-empty
某些类型的过滤器会生成不会更改树的空提交。此选项允许git-filter-branch忽略这样的提交...

使用此选项意味着您重新编写的历史记录将不包含“Delete media files”提交，因为它不再影响树。在新历史记录中从未创建媒体文件。

此时，由于文档记录的行为，您的存储库中会出现重复。

如果原有的引用与改写后的不同，将会存储在命名空间refs/original/中。

如果您对新重写的历史记录满意，则可以删除备份副本。

$ git for-each-ref --format="%(refname)" refs/original/ | \
  xargs -n 1 git update-ref -d

Git非常注意保护您的工作，因此即使进行了所有这些有意的重写和删除，reflog仍然保留旧提交。使用以下两个命令序列清除它们：

$ git reflog expire --verbose --expire=0 --all
$ git gc --prune=0

现在您的本地存储库已准备好，但您需要将更新推送到GitHub。您可以逐个更新它们。例如，对于一个名为master的本地分支，您可以运行以下命令：

$ git push -f origin master

假设您不再拥有名为issue5的本地分支。您的克隆仍然有一个称为origin/issue5的引用，跟踪其在GitHub存储库中的位置。运行git filter-branch也会修改所有的origin引用，因此您可以更新GitHub而无需分支。

$ git push -f origin origin/issue5:issue5

如果所有本地分支与其在GitHub端的相应提交匹配（即没有未推送的提交），则可以执行批量更新。

$ git for-each-ref --format="%(refname)" refs/remotes/origin/ | \
  grep -v 'HEAD$' | perl -pe 's,^refs/remotes/origin/,,' | \
  xargs -n 1 -I '{}' git push -f origin 'refs/remotes/origin/{}:{}'

第一阶段的输出是一个引用名列表：

$ git for-each-ref --format="%(refname)" refs/remotes/origin/
refs/remotes/origin/HEAD
refs/remotes/origin/issue2
refs/remotes/origin/issue3
refs/remotes/origin/issue5
refs/remotes/origin/master

我们不想要 HEAD 伪参考，并使用 grep -v 去掉它。对于其余的内容，我们使用 Perl 来剥离 refs/remotes/origin/ 前缀，并针对每一个运行以下形式的命令：

$ git push -f origin refs/remotes/origin/BRANCH:BRANCH

其中 BRANCH 是指以下分支名之一：

• section_merge
• side-media-icons
• side-pane-splitter
• side-popup
• v2

- Greg Bacon

---

+1 很棒的文章。正是我正在寻找的（关于将工作中的大型代码库拆分为多个仓库，并使用它们作为子模块）:) - ralphtheninja

顺便提一下，当我将本地的git repo“克隆”到另一个位置时，就没有这个附加的提交分支了。但是！当我使用强制推送到我的主远程库时，它会与原始提交重复。所以现在我又有了两个提交分支。 - Aleksandr Motsjonov

@Aleksandr 旧的提交是如何保留的？你的其他分支是否有包含这些大量提交的历史记录？在运行 git filter-branch 时是否使用了 --tag-name-filter 参数？你是否可以访问主机上的shell？ - Greg Bacon

@Greg，当我使用--tag-name-filter和-- --all（如链接所示）时，我得到了一个非常混乱的树形结构，有很多重复。但是，如果我不使用--tag-name-filter和HEAD在末尾，则可以生成描述中显示的漂亮分割树。 - Aleksandr Motsjonov

顺便说一下，我没有ssh，这是在github上的一个小项目https://github.com/soswow/e-textbook/network，所以你可以看看它是什么。目前还没有修改过的版本被推送了。 - Aleksandr Motsjonov

@Aleksandr 几个提交添加了名为 media/lens.svg 和 media/lens_simulation.swf 的文件。您想从所有提交中删除它们还是仅从 b 中删除？ - Greg Bacon

Answer 2

你可以再次使用git filter-branch，但这次要加上--parent-filter选项。通过这个选项，你可以将提交与父级引用断开链接。我认为你也可以使用--commit-filter选项来达到同样的目的。这将在你的仓库中留下许多不同的松散对象，因此你需要运行git gc --prune=now命令。

以下是如何使用--parent-filter选项删除父级的示例 http://git.661346.n2.nabble.com/purging-unwanted-history-td1507638.html

- ralphtheninja

---

我认为这里没有必要删除任何父级 - 我们想要删除多余的（重复的）子级，而不是父级。 - Paŭlo Ebermann

我应该如何准确地做到这一点？如果我可以将b的父对象设置为null，然后进行垃圾回收，我认为这是合乎逻辑的。 我尝试了一些变体，但还没有成功。 - Aleksandr Motsjonov

@Alex：我添加了一个链接到讨论此问题的帖子。正如您所看到的，他们正在使用sed将父级替换为空字符串。 - ralphtheninja

@Paũlo：我的意思是从提交到其父级的父级引用。如果历史记录是A-B-C-D-E...，并且您想要删除C-D-E，则应将C、D和E的父引用设置为无，以使提交悬空。 - ralphtheninja

如果提交是悬空的，它是否有父引用并不重要，而是是否有标签或分支指向其某个子节点。 - Paŭlo Ebermann

Answer 3

尝试使用以下命令：

git branch -d 名称

如果不行，可以尝试使用以下命令：

git branch -D 名称

- cbz

---

它只会删除标签，提交记录将保留。 - Aleksandr Motsjonov

@Aleksandr，没有标签的提交会被 git gc 收集，该命令会定期自动运行，或者您也可以手动运行它。 - svick

然后，如果有对应的远程分支，你可以删除它们。 - Robin Green

Answer 4

您可以使用git branch -D 分支名称删除分支，并使用git push 远程名称 :分支名称删除远程分支。

提交将在您的存储库中保持未引用状态一段时间（请参见git gc doc），但只有在您后来意识到自己犯了错误时才会占用磁盘空间。

由于您已删除远程分支，因此新的git clone不应检索未引用的提交。

- Michaël Witrant

---

不，这仅删除引用，而不是提交。因为提交仍通过其子代引用。 - ralphtheninja

我猜他会删除他的模式中的所有子分支（r，w，k和l）。因此，如果k从任何分支都无法访问，则git将无法访问y，因为它永远不会考虑k的父级。 - Michaël Witrant

编辑了您的帖子，这样我就可以取消我的-1 :) - ralphtheninja

Answer 5

从你的例子来看，你可以尝试使用git rebase b b'？

- Chris Frederick