git - 测量 git blob 对象大小的正确方法是什么

Question

我正在测量 git blob 大小

fileSizeThreshold=2^19
git rev-list --objects --all \
| git cat-file --batch-check='"%(objecttype)","%(objectname)",%(objectsize),%(objectsize:disk),"%(rest)"' \
| sed -n 's/^"blob",//p' \
| awk -F',' '$2'">= ${fileSizeThreshold}" \
| sort -t "," --numeric-sort --key=2 > ${outDir}/largeBlobs

这给了我所有大于 512kb 的 blob。 我想知道在考虑将此文件(其路径模式...)放入 Git 大文件存储 (LFS) 时应考虑哪种大小是正确的。

是%(objectsize)还是%(objectsize:disk)？

因为 %(objectsize:disk) 报告了一些奇怪的大小(粗体):

• “0901797d58f6916cad4ef4fd581d8254596bdd19”，722013b，105b

在 git cat-file 的警告部分，有一些注释，我不明白。

考虑到 LFS，人们应该查看 objectsize:disk ，因为那是该 blob 使用的空间...？

Answer 1

您应该查看%(objectsize)。

---

当 git 存储 blob 时，它可能会将它们存储为平面对象或打包对象。

1. 存储平面对象时，git 仍然会压缩内容，因此 %(objectsize:disk) 将反射(reflect) blob 的压缩大小；

2. 将 blob 打包在一起时，git 可能会选择仅使用其 diff 将 blob2 存储在 blob1 旁边；
   在这种情况下:blob1 的 disksize 将是 blob 的压缩大小，而 blob2 的 disksize 将是 blob 的压缩大小。将是其与blob1

的差异的压缩大小

CAVEAT 部分提到，某些 blob 报告的磁盘大小可能非常低，因为仅报告它们的差异。