Professionelt Git- og GitHub-arbejdsforløb · Lektion

Håndtering af følsomme data (Git LFS)

Opdag Git LFS (Large File Storage) til håndtering af store filer og forebyggelse af, at følsomme data committes direkte.

Lektion 2 af 411 trin

Håndtering af følsomme data (Git LFS) er en gratis Professionelt Git- og GitHub-arbejdsforløb-lektion på CoddyKit. Dette er lektion 2 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Professionelt Git- og GitHub-arbejdsforløb, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Professionelt Git- og GitHub-arbejdsforløb-kurset indeholder 4 lektioner i alt.

Git og problemet med store filer

Har du nogensinde committet en enorm fil til Git? Måske et stort billede, en video eller et omfattende datasæt?

Git er designet til tekstbaseret kode, hvor ændringerne er små. Når du tilføjer store binære filer, bliver dit repository hurtigt oppustet, så kloning og andre handlinger bliver langsomme. Det kan også ske med følsomme data, hvis du ikke passer på.

Hvorfor store filer gør repositories større

Git gemmer alle versioner af hver fil i sin historik. For tekstfiler gemmer Git forskellene effektivt.

For store binære filer (for eksempel en Photoshop-fil på 50 MB eller en kompileret eksekverbar fil) betyder selv en lille ændring dog, at Git gemmer en helt ny fil på 50 MB. Med tiden gør det dit repository enormt og langsomt.

Introduktion til Git LFS

Git introducerede Git Large File Storage (LFS) for at løse dette problem. LFS er en open source-udvidelse til Git, der håndterer store filer mere effektivt.

Den erstatter store filer i dit Git-repository med små 'pege'-filer, mens de faktiske store filer gemmes på en ekstern LFS-server.

Sådan fungerer Git LFS

Når du committer en fil, der spores af LFS:

Committer Git en lille pegefil (en tekstfil med en reference til den store fil).
Den faktiske store fil uploades til Git LFS-serveren (som ofte hostes af GitHub, GitLab eller Bitbucket).

Når nogen kloner eller puller, henter Git pegefilen, hvorefter LFS henter den rigtige fil.

Installer Git LFS

Før du bruger LFS, skal du installere det. Hvis du bruger macOS eller Windows, kan du normalt installere det via en pakkehåndtering (for eksempel Homebrew) eller et dedikeret installationsprogram.

Efter installationen kører du git lfs install én gang pr. system for at konfigurere LFS-hooks.

git lfs install

Spor filer med LFS

Når LFS er installeret, fortæller du Git, hvilke filtyper der skal spores, ved hjælp af git lfs track. Denne kommando tilføjer en post i din .gitattributes-fil.

For eksempel for at spore alle .psd-filer (Photoshop-filer):

git lfs track "*.psd"

Commit filer, der spores af LFS

Efter du har kørt git lfs track, skal du sørge for at committe selve filen .gitattributes. Tilføj og commit derefter dine store filer som normalt.

Git gemmer nu den lille pegefil i dit repository for .psd-filer.

git add .gitattributes
git add my_large_image.psd
git commit -m "Add large PSD file with LFS"

Push LFS-filer

Når du pusher dine ændringer til et eksternt repository, håndterer Git LFS automatisk de store filer. Den uploader de faktiske store filer til den LFS-server, der er knyttet til dit eksterne repository.

Processen føles problemfri, ligesom en almindelig git push.

git push origin main

Se LFS-status

Du kan se, hvilke filer der i øjeblikket spores af Git LFS i dit repository, ved hjælp af kommandoen git lfs ls-files.

Det hjælper dig med at bekræfte, at dine store filer håndteres korrekt af LFS.

git lfs ls-files

Tjek fordelene ved LFS

Hvad er den primære fordel ved at bruge Git LFS?

Besvar den i den interaktive lektion

Opsummering: Git LFS' styrke

Du har lært, hvordan Git LFS hjælper med at håndtere store filer i dine repositorier. Ved at gemme pegefiler i Git og de faktiske filer på en LFS-server forhindrer det, at repositorier bliver oppustede, og forbedrer ydeevnen.

Husk altid at bruge git lfs track til dine store binære filer og committe filen .gitattributes.

Gratis at komme i gang

Lær Professionelt Git- og GitHub-arbejdsforløb med en AI-underviser — gratis

Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.

Kurser: 12
Lektioner: 48

Start gratis Se hele kurset

Ofte stillede spørgsmål

Er lektionen “Håndtering af følsomme data (Git LFS)” gratis?

Ja — hele teksten til “Håndtering af følsomme data (Git LFS)” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Professionelt Git- og GitHub-arbejdsforløb-kurset, skal du opgradere til CoddyKit PRO. Professionelt Git- og GitHub-arbejdsforløb-kurset indeholder 4 lektioner i alt.

Hvad lærer jeg i “Håndtering af følsomme data (Git LFS)”?

Opdag Git LFS (Large File Storage) til håndtering af store filer og forebyggelse af, at følsomme data committes direkte. Du øver dig i Professionelt Git- og GitHub-arbejdsforløb med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.

Skal jeg have erfaring for at begynde på Professionelt Git- og GitHub-arbejdsforløb?

Der kræves ingen tidligere erfaring. Professionelt Git- og GitHub-arbejdsforløb på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 2 af 4.

Hvor lang tid tager lektionen “Håndtering af følsomme data (Git LFS)”?

De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.

Kan jeg skrive og køre kode i denne Professionelt Git- og GitHub-arbejdsforløb-lektion?

Ja. Alle Professionelt Git- og GitHub-arbejdsforløb-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.

Alle lektioner i dette kursus

← Tilbage til Professionelt Git- og GitHub-arbejdsforløb