稀疏检出Git仓库实现无网络请求Git Blame操作的技术问询

当前方案的问题 #

你当前的操作存在三个核心问题：

1. 初始克隆用了--filter=blob:none，完全排除了所有Blob数据，导致git blame遍历历史提交时，需要的文件内容只能从远程逐个拉取，触发大量网络请求。
2. --shallow-since仅限制了历史提交的范围，但没有同步拉取该范围内目标文件的历史Blob数据。
3. git read-tree和update-ref只是设置了本地HEAD指向，并没有主动拉取历史提交中对应文件的Blob内容。

可行的实现步骤 #

1. 完成初始稀疏检出（仅获取基础结构） #

先完成基础的稀疏克隆和检出，拿到当前版本的目标文件和提交历史：

echo "cloning"
git clone --no-checkout --filter=blob:none https://github.com/juice-shop/juice-shop.git
cd juice-shop

echo "setting up sparse checkout"
echo "README.md" | git sparse-checkout set --no-cone --stdin
git checkout master

2. 提前拉取指定日期范围内目标文件的历史Blob #

这是解决网络请求的关键步骤：先找出指定日期前修改过目标文件的所有提交，再拉取这些提交对应的Blob数据。

# 定义需要的日期范围
TARGET_DATE="Sun Jun 2 00:05:53 2024 +0200"

# 获取指定日期前修改过README.md的所有提交ID
COMMITS=$(git rev-list --since="$TARGET_DATE" -- README.md)

# 批量拉取这些提交中README.md的Blob数据
for commit in $COMMITS; do
  git fetch origin $commit --filter=blob:limit=none --include="README.md"
done

这种方式只会拉取目标文件在指定历史范围内的Blob，不会涉及仓库中其他大文件，效率极高。

3. 执行无网络请求的git blame #

现在本地已经有了所有需要的历史Blob，执行git blame就不会触发远程请求了：

echo "starting blame"
git blame --line-porcelain --date iso -M -C -- README.md --since="$TARGET_DATE"
cd -

核心逻辑说明 #

• --filter=blob:none 初始克隆时仅获取提交对象和树对象，大幅减少初始克隆时间和本地存储占用。
• --include="README.md" 限定Git只拉取与目标文件相关的对象，避免无关数据的拉取。
• 提前拉取目标文件的历史Blob，让git blame可以直接从本地仓库读取所需内容，彻底消除网络请求。

内容的提问来源于stack exchange，提问作者mediantis