如何保护免受在git中推送大型二进制文件的影响？

Question

我有一个中央git仓库，我和几个协作者经常从中推送和拉取。过去我不小心提交了一个大的二进制blob，需要变基才能完全删除，这对每个人来说都很麻烦，所以我想防止将来出现这种情况。是否可以在远程存储库中设置钩子，检查正在推送的文件大小（无论是新增文件还是更新现有文件），并拒绝超过阈值大小（比如2MB）的文件推送？

重要的是，我希望已经大于2MB但未更改的现有文件仍能被容忍（因此，如果仓库中已经存在一个2MB的文件，推送不应该被拒绝，只有当推送添加一个2MB的文件或将现有文件增加到2MB时才会被拒绝）。此外，我希望钩子在远程端执行，这样我不必担心客户端是否需要设置钩子。

编辑：由于一个推送可以包含多个提交，即使只有一个包含大文件的提交也会把它卡在仓库里，所以我想防止包含/任何提交/的推送增加或扩展一个>=2MB的文件。

- Joseph Garvin

Answer 1

看起来pre-receive hook是进行此检查的正确位置。此钩子在推送的服务器端执行，并且具有足够的信息可供您实现文件大小检查。

此钩子由远程存储库上的git-receive-pack调用，当本地存储库上执行git push时会发生这种情况。在开始更新远程存储库上的引用之前，将调用pre-receive hook。它的退出状态确定更新的成功或失败。

- Greg Hewgill

---

pre-receive钩子发生在“更新引用”之前，这是否意味着它足够早，如果我有一个非零退出，则存储库的大小不会增加，或者仅仅是不应用提交，使得blob仍然存在以供克隆？我认为我读到了后者，但我找不到链接了 :/ - Joseph Garvin

如果您未能通过预提交钩子，那么该 blob 仍将存在于服务器上，但这并不意味着它会被自动克隆。它将无法从服务器的任何引用中访问，因此 Git 将基本忽略它。最终，Git 的垃圾回收将删除未引用的 blob。 - Greg Hewgill

你知道如何确定push的大小吗？这会让答案更完整。我有一个pre-receive脚本从stdin读取行，并且可以找到与objects/$FIRST_OBJECT_CHAR$SECOND_OBJECT_CHAR/$REST_OF_CHARS中的对象相关联的文件，但我不确定是否可以只使用较新对象的文件大小或其他什么方法。 - Joseph Garvin

似乎可以使用“git cat-file -p”命令来获取oldref和newref sha哈希值的树哈希值，然后在树哈希值上执行相同操作以获取blob哈希值，最后在blob哈希值上执行“git cat-file -s”命令来获取它们的大小。但是我仍在研究如何处理多个提交和文件... - Joseph Garvin