Articles that updated a long time ago may have already lost the technical merit. Please kindly pay attention while reading.

当我们的 Git 仓库越来越大，或者不小心提交了二进制大文件，如何快速找出仓库内的「罪魁祸首」？

实践

实际上非常简单，一条命令就能搞定。

git rev-list --objects --all \ #
| git cat-file --batch-check='%(objecttype) %(objectname) %(objectsize) %(rest)' \
| sed -n 's/^blob //p' \
| sort -r -n -k 2 \
| head -10 \
| cut -c 1-12,41- \
| numfmt --field=2 --to=iec-i --suffix=B --padding=7 --round=nearest

注意，在 macOS 使用此命令需要安装 brew install coreutils --with-default-names。

若你已经安装但并没有使用 --with-default-names 选项，则需要替换 numfmt 为 gnumfmt。

或许有人说，使用 du 命令也可以实现。但这样会缺少 gitignore 的支持，并且无法查找到已删除但存在于提交历史的文件。

备选

另外，在码云还看到一种方法；但相比前面的方法略逊，不能显示文件大小，也没有完全采用管道处理，是否足够严谨有待考证。作为备选命令吧。

git rev-list --objects --all | grep -E "`git verify-pack -v .git/objects/pack/*.idx | sort -r -n -k 3 | head -10 | awk '{print$1}' | sed ':a;N;$!ba;s/\n/|/g'`"

参考