如何通过DVC工作流添加/更新数据？目录与单文件追踪选择

1. 能否直接用dvc add dataset追踪整个目录？ #

完全可以。执行dvc add dataset后，会生成一个dataset.dvc文件，它记录了整个目录的元数据信息，目录里的所有内容都会被缓存到DVC的存储系统中。后续迭代更新目录内容后，重新执行dvc add dataset即可更新元数据，之后把dataset.dvc提交到Git就能记录版本。需要回退时，先通过Git切换到对应的历史提交版本，再执行dvc checkout就能恢复该版本的整个目录内容。

2. 相比逐个添加文件，追踪整个目录是否更优？ #

是的，这种方式明显更优。逐个添加文件会生成大量独立的.dvc文件，Git需要追踪这些零散的元数据文件，管理起来非常繁琐。而追踪整个目录只需要维护一个dataset.dvc，不仅Git操作更简洁，DVC在缓存和同步时也能更高效地处理目录内的文件变更（比如自动识别新增、删除、修改的文件）。

3. 文件数量达上百个时，追踪整个目录是否更便捷？ #

毫无疑问会便捷很多。上百个文件逐个执行dvc add不仅耗时，还容易遗漏文件；后续维护时，要处理上百个.dvc文件也极易出错。而追踪整个目录只需要一条命令就能完成添加/更新，Git也只需要管理一个元数据文件，大幅简化操作流程，降低出错概率。

内容的提问来源于stack exchange，提问作者growler