我可以只克隆 Git 存储库中大小低于指定限制的文件吗？

Question

我的任务是扫描内部 Git 存储库以查找敏感信息（或不应公开的信息）。我的主要问题是一些开发人员已将大 blob (+100 MB) 提交到他们的 Git 存储库，这需要很长时间才能下载并且在扫描时被忽略。有什么办法可以告诉 Git 只克隆大小低于指定限制的文件吗？如果没有，是否有更好的方法来扫描 Git 存储库中的敏感信息？

Answer 1

是的，这可以通过称为部分克隆的新功能实现。你可以在克隆时指定一个过滤器，Git 将根据该过滤器限制它获取的数据量。

例如，您可以执行以下操作，这将克隆没有任何大于 100 MiB 的 blob 的 Git 存储库：

git clone --filter=blob:limit=100m https://github.com/git/git.git

请注意，为此，您应该使用可用的最新版本的 Git (2.26.2)，并且您还需要有一个合适的服务器端实现。GitHub 确实支持这一点，但其他服务器实现可能会也可能不会。

请注意，尽管 GitHub 确实支持部分克隆，但出于效率原因，它限制了可用的过滤器。不过，应该支持按大小限制 blob。