Databricks Repos拉取Git分支后文件缺失问题咨询

• 忽略规则匹配过滤
  Databricks Repos同步文件时会同时执行两类忽略校验：一类是仓库根目录.gitignore中定义的过滤规则，另一类是平台内置的默认过滤规则，会自动屏蔽系统临时文件（如.DS_Store、Thumbs.db）、保留路径（.git、_resources目录下内容）、平台不支持识别的后缀格式文件。只要文件命中任意一条规则，就不会在Repos UI中展示。这类「文件短暂出现、再次拉取后消失」的现象，大概率是规则缓存延迟生效导致的：第一次拉取时忽略规则缓存未完成加载，文件临时展示；第二次拉取时规则校验完成，命中规则的文件直接被过滤隐藏。
• 文件大小、类型超出平台限制
  Databricks Repos当前对可同步的单文件设置了100MB的大小上限，超过阈值的大文件、没有对应预览能力的二进制文件，同步过程中会被静默跳过，不会出现在文件列表里。
• 多层缓存不同步
  Repos的文件展示依赖控制平面Git元数据、工作区节点本地文件的多层缓存，当仓库文件量级大、拉取时存在网络波动时，很容易出现缓存不一致的问题：第一次拉取时部分文件直接从未更新的缓存加载，短暂出现在列表中；第二次拉取触发全量元数据校验时，未完成实际同步的文件会被标记为不存在，从列表中隐藏。这类缓存问题可以通过执行Discard all changes重置本地工作区状态后重新拉取解决。
• 稀疏检出、Git子模块配置影响
  Databricks Repos底层基于Git稀疏检出能力实现仓库同步，如果之前通过API或后台配置修改过稀疏检出规则，规则未覆盖的文件路径根本不会被拉取到工作区，自然不会展示。另外Repos默认不会递归拉取Git子模块内容，存放在子模块中的文件无论执行多少次Pull，都不会出现在主仓库的文件列表中。
• 文件路径不符合平台规范
  如果文件名包含Databricks文件系统不支持的特殊字符、同路径下存在仅大小写不同的同名文件（比如同目录下同时有test.py和Test.py）、文件全路径长度超过平台支持的2048字符上限，这类存在合规问题的文件同步时会被静默跳过，也会出现首次加载临时展示、二次校验后隐藏的现象。

内容的提问来源于stack exchange，提问作者Jorge