如何计算Git仓库子文件夹的提交大小及整体仓库占比？

嘿，针对你关于Git仓库子文件夹大小分析的两个问题，我给你整理了实用的方法，结合你的foo/src和foo/test结构来讲解：

Git是基于对象存储的，不是传统的文件夹结构，所以要统计子文件夹的相关大小，得过滤出所有和该文件夹相关的提交、对象来计算。

方法一：统计/test所有历史提交对应的文件大小总和（提交生命周期） #

这个方法会遍历所有修改过/test的提交，累加每个提交里该文件夹下文件的大小：

1. 先获取所有涉及/test修改的提交哈希：

   git log --all --pretty=format:"%H" -- test/
   

2. 用组合命令直接计算这些提交中/test文件的总大小：

   git log --all --pretty=format:"%H" -- test/ | while read commit; do
     git diff-tree -r --no-commit-id --name-only $commit | grep "^test/" | while read file; do
       git cat-file -s $commit:$file
     done
   done | awk '{sum += $1} END {print "Total size of test/ files across all commits: " sum " bytes (" sum/1024/1024 " MB)"}'
   

   这个命令会逐个检查每个涉及/test的提交，提取出该提交里属于/test的文件，然后获取每个文件在该版本的大小，最后累加求和。

方法二：统计/test所有历史版本对象的总空间占用 #

如果想知道/test在Git对象数据库里的总存储空间（包括所有历史版本的文件，去重后的Blob大小），可以这么做：

1. 先找出所有和/test相关的唯一Blob对象哈希：

   git rev-list --all --objects | grep "^test/" | awk '{print $1}'
   

2. 统计这些Blob的总大小：

   git rev-list --all --objects | grep "^test/" | awk '{print $1}' | while read blob; do
     git cat-file -s $blob
   done | awk '{sum += $1} END {print "Total space used by test/ (all historical versions): " sum " bytes (" sum/1024/1024 " MB)"}'
   

   注意：Git会自动去重相同内容的文件，所以这个统计的是真正被/test占用的独特存储空间，不会重复计算相同内容的文件。

要算占比，我们需要先拿到仓库的总大小，再和/test的空间大小做对比：

1. 先优化仓库存储（确保统计的是最优大小）：

   git gc --aggressive
   

2. 获取仓库的总存储大小（.git文件夹的大小就是仓库的实际占用空间）：

   total_size=$(du -b .git/ | awk '{print $1}')
   

3. 用上面方法获取/test的总空间大小，然后计算占比：

   # 获取test文件夹所有历史对象的总大小
   test_size=$(git rev-list --all --objects | grep "^test/" | awk '{print $1}' | while read blob; do git cat-file -s $blob; done | awk '{sum += $1} END {print sum}')
   # 计算占比（保留两位小数）
   percentage=$(echo "scale=2; ($test_size / $total_size)*100" | bc)
   echo "test/ folder contributes $percentage% of the total repository size ($test_size bytes out of $total_size bytes)"
   

小提示：如果你的仓库很大，这些命令可能会运行一段时间，耐心等一下就好～

内容的提问来源于stack exchange，提问作者user3915489