是否有可能在git中只存储一个大文件的校验和？

Question

我是一位目前从基因组文件中提取正常大小序列的生物信息学家。一些基因组文件足够大，我不想将它们放到主要的git存储库中，而我将提取的序列放入git中。

是否有可能告诉git“这是一个大文件 - 不要存储整个文件，只要取其校验和，并告诉我该文件是否丢失或修改。”

如果这是不可能的，我想我必须要么git忽略大文件，要么按照this question中的建议，将它们存储在子模块中。

Answer 1

如何将散列存储在文本文件中，然后将文本文件提供给git？ 然后你可以编写一个比较哈希值的钩子，所以每当你签入或签出时，你都会被通知缺少/不同的东西。

不完全是你想要的，你仍然必须手动维护文本文件。

Answer 2

我写了一个脚本来做这种事情。您可以将.gitattributes文件中的文件模式放入大型媒体中，而不需要在您的git仓库中使用，并且可以将它们存储在S3上。这只是一个起点，但如果你有兴趣，我认为它是可用的。

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

也许这会帮助你，或者至少你展示它是如何能够做到，你可以自定义您的特定需求。

Answer 3

在Git中即将发布的将有“refs/replace/”的机制，我认为可以适用于这一目的（假定这种大的媒体文件的数量和它的版本号是不是非常大。 ）

在苗条叉你的项目，你将有（像Seth wrote）“存根”，以替代大型媒体文件，它作为内容会对SHA-1的大文件的BLOB的文件（来自“ git hash-object -t blob <filename>“）。

然后在全叉你的项目，你会使用“refs/replace/”机制（使用git replace）以取代真实内容的“存根”文件。需要一些挂钩来将SHA-1保留在“存根”文件中，与实际的大型媒体文件保持同步。

然后，如果你想完整克隆，你也从“refs/replace/”命名空间;如果你想苗条克隆，你不会获取“refs/replace/”。

注：我还没有真正测试过这样的设置;也是这不是混帐尚未公布，除非你运行“主”