Profesjonell arbeidsflyt med Git og GitHub · leksjon

Håndtering av sensitive data (Git LFS)

Oppdag Git LFS (Large File Storage) for håndtering av store filer og for å hindre at sensitive data committes direkte.

Leksjon 2 av 411 trinn

Håndtering av sensitive data (Git LFS) er en gratis leksjon i Profesjonell arbeidsflyt med Git og GitHub på CoddyKit. Dette er leksjon 2 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Profesjonell arbeidsflyt med Git og GitHub, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Profesjonell arbeidsflyt med Git og GitHub inneholder totalt 4 leksjoner.

Git og problemet med store filer

Har De noen gang committet en enorm fil til Git? Kanskje et stort bilde, en video eller et stort datasett?

Git er utviklet for tekstbasert kode, der endringene er små. Når De legger til store binærfiler, blir repositoriet raskt oppblåst, og kloning og andre operasjoner blir trege. Dette kan også skje med sensitive data hvis De ikke er forsiktig.

Hvorfor store filer gjør repositorier større

Git lagrer hver versjon av hver fil i historikken. For tekstfiler lagrer Git effektivt forskjellene mellom versjonene (deltaer).

For store binærfiler, for eksempel en Photoshop-fil på 50 MB eller en kompilert kjørbar fil, betyr imidlertid selv en liten endring at Git lagrer en helt ny fil på 50 MB. Over tid gjør dette repositoriet stort og tregt.

Introduksjon til Git LFS

For å løse dette introduserte Git Git Large File Storage (LFS). LFS er en åpen kildekode-utvidelse for Git som håndterer store filer mer effektivt.

Den erstatter store filer i Git-repositoriet med små «pekerfiler», mens de faktiske store filene lagres på en ekstern LFS-server.

Slik fungerer Git LFS

Når De committer en fil som spores av LFS:

Git committer en liten pekerfil (en tekstfil med en referanse til den store filen).
Den faktiske store filen lastes opp til Git LFS-serveren, som ofte driftes av GitHub, GitLab eller Bitbucket.

Når noen kloner eller puller, laster Git ned pekeren, og deretter henter LFS den faktiske filen.

Installer Git LFS

Før De bruker LFS, må De installere det. Hvis De bruker macOS eller Windows, kan De vanligvis installere det via en pakkebehandler, for eksempel Homebrew, eller ved hjelp av et eget installasjonsprogram.

Etter installasjonen kjører De git lfs install én gang per system for å konfigurere LFS-hooks.

git lfs install

Spor filer med LFS

Når LFS er installert, angir De hvilke filtyper Git skal spore, ved å bruke git lfs track. Denne kommandoen legger til en oppføring i filen .gitattributes.

Hvis De for eksempel vil spore alle .psd-filer (Photoshop-filer):

git lfs track "*.psd"

Commit filer som spores av LFS

Etter at De har kjørt git lfs track, må De sørge for å committe selve filen .gitattributes. Legg deretter til og commit de store filene som vanlig.

Git lagrer nå den lille pekerfilen i repositoriet 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 De pusher endringene til et eksternt repository, håndterer Git LFS de store filene automatisk. De faktiske store filene lastes opp til LFS-serveren som er knyttet til det eksterne repositoriet.

Prosessen føles sømløs, akkurat som en vanlig git push.

git push origin main

Vis LFS-status

De kan se hvilke filer som for øyeblikket spores av Git LFS i repositoriet, ved å bruke kommandoen git lfs ls-files.

Dette gjør det enklere å bekrefte at de store filene håndteres riktig av LFS.

git lfs ls-files

Kontroll av LFS-fordeler

Hva er en av de viktigste fordelene ved å bruke Git LFS?

Besvar den i den interaktive leksjonen

Oppsummering: Kraften i Git LFS

De har lært hvordan Git LFS gjør det enklere å håndtere store filer i repositoriene Deres. Ved å lagre pekere i Git og de faktiske filene på en LFS-server hindrer det at repositoriet blir oppblåst, og forbedrer ytelsen.

Husk alltid å bruke git lfs track for store binærfiler, og å committe filen .gitattributes.

Gratis å komme i gang

Lær deg Profesjonell arbeidsflyt med Git og GitHub med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs: 12
Leksjoner: 48

Start læringen gratis Se hele kurset

Ofte stilte spørsmål

Er leksjonen «Håndtering av sensitive data (Git LFS)» gratis?

Ja – hele teksten i «Håndtering av sensitive data (Git LFS)» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Profesjonell arbeidsflyt med Git og GitHub-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Profesjonell arbeidsflyt med Git og GitHub inneholder totalt 4 leksjoner.

Hva lærer jeg i «Håndtering av sensitive data (Git LFS)»?

Oppdag Git LFS (Large File Storage) for håndtering av store filer og for å hindre at sensitive data committes direkte. Du øver på Profesjonell arbeidsflyt med Git og GitHub med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med Profesjonell arbeidsflyt med Git og GitHub?

Ingen tidligere erfaring er nødvendig. Profesjonell arbeidsflyt med Git og GitHub på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 2 av 4.

Hvor lang tid tar leksjonen «Håndtering av sensitive data (Git LFS)»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne Profesjonell arbeidsflyt med Git og GitHub-leksjonen?

Ja. Alle Profesjonell arbeidsflyt med Git og GitHub-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

← Tilbake til Profesjonell arbeidsflyt med Git og GitHub