Mikä on Git LFS ja milloin sitä tarvitaan?

Question

IT Interview Practice · Accepted Answer

**Git LFS** (Large File Storage) on Git-laajennus **suurten binääritiedostojen** (videot, tietoaineistot, suunnitteluresurssit, suuret binäärit) tehokkaaseen käsittelyyn. Git on suunniteltu teksti- ja lähdekoodille, ja se käsittelee suuria binääritiedostoja huonosti, joten LFS säilyttää ne erillään pitäen kevyitä viittauksia repositoriossa.

## Ongelma: Git ja suuret binääritiedostot

```text
Git stores every version of every file in its history (the full content):
  → LARGE BINARY files (videos, datasets, PSDs, big binaries) bloat the repo ENORMOUSLY:
    - every change stores another full copy (binaries don't diff well)
    - the repo and EVERY clone become huge and slow (clone/fetch download all history)
    - history can't be shrunk easily (the large blobs are permanent)
→ Git is great for source code (text, diffable), POOR for large binaries.
```

## Kuinka Git LFS toimii

```text
Git LFS replaces large files in the repo with small POINTER files (a reference/hash),
and stores the ACTUAL large files on a separate LFS server:
  → the Git repo stays small (just pointers in history)
  → the actual large files are downloaded on demand (only the versions you need)
→ You work normally; LFS transparently swaps pointers ↔ real files.
```

```bash
git lfs install                    # set up LFS
git lfs track "*.psd"             # track a file type with LFS (records in .gitattributes)
git lfs track "*.mp4"
git add .gitattributes
# now large files of these types go to LFS automatically (pointers in Git)
git lfs ls-files                   # list LFS-tracked files
```

## Milloin sitä käytetään

```text
✓ Repos with large binaries: media (video/audio/images), datasets, game assets,
  design files (PSD/Sketch), large compiled artifacts, ML models
✗ Pure source code repos don't need it (Git handles text well)
Alternatives: don't store large artifacts in Git at all (use artifact stores, S3,
  package registries) — sometimes the better choice.
```

## Miksi se on tärkeää

Git LFS:n ymmärtäminen on arvokas senioritason osaamista **suurten binääritiedostojen käsittelylle Gitissä**, mikä on todellinen ongelma tietyille projekteille, joten se on hyödyllistä käytännön osaamista.

Ydinongelma on, että **Git käsittelee suuria binääritiedostoja huonosti**: koska Git säilyttää jokaisen tiedoston jokaisen version historiassaan ja binäärit eivät erotu hyvin (jokainen muutos tallentaa toisen täyden kopion), suuret binääritiedostot (videot, tietoaineistot, suunnitteluresurssit, suuret artefaktit) **paisuttavat repositoriota valtavasti** — tekevät reposta ja jokaisen kloonin suureksi ja hitaaksi, ja paisunta on pysyvää ja vaikeaa poistaa.

Tämä on todellinen, joskus vakava ongelma projekteille, joissa on mediaa, tietoaineistoja, peliresursseja, suunnittelutiedostoja tai ML-malleja. **Git LFS** ratkaisee sen säilyttämällä suuret tiedostot **erillään** (LFS-palvelimella) pitäen vain pieniä **osoitintiedostoja** Git-historiassa — joten repositorio pysyy pienenä ja kevyenä, varsinaiset suuret tiedostot ladataan tarvittaessa (vain tarvittavat versiot).

Sen toimintaperiaatteen ymmärtäminen (osoittimet Gitissä, varsinaiset tiedostot LFS:ssä, läpinäkyvä vaihto) ja käytön oppiminen (tiedostotyyppien jäljitys `.gitattributes`-tiedostolla) on käytännön osaamista projekteille, joilla sitä tarvitaan.

Yhtä tärkeää on harkintakyky siitä, **milloin sitä käytetään** (repot, joissa on suuria binääritiedostoja) verrattuna siihen, milloin se on tarpeeton (puhdas lähdekoodi, jossa Git käsittelee teksiä hyvin) ja tietoisuus **vaihtoehdoista** (joskus suurten artefaktien säilyttämättömyys Gitissä ollenkaan — käyttämällä artefaktivarastoja, S3:a tai pakettirekistereita — on parempi valinta).

Tämä heijastaa hyvää päätöksentekoa suurten tiedostojen hallinnassa.

Koska jotkut projektit kamppailevat todella suurten binääritiedostojen kanssa, jotka paisuttavat Gitia (todellinen, vaikuttava ongelma), ja koska Git LFS (tai vaihtoehdot) on ratkaisu — pitämällä repot hallittavina samalla kun käsitellään suuria tiedostoja — Git LFS:n ymmärtäminen, ongelma, jonka se ratkaisee, sen toiminta ja milloin sitä käytetään verrattuna vaihtoehtoihin, on arvokas senioritason osaaminen suurten tiedostojen hallinnassa tehokkaasti, hyödyllinen aihe projekteille, jotka käsittelevät mediaa, dataa tai suuria resurssihallinnan tarpeita.

Ongelma: Git ja suuret binääritiedostot

Kuinka Git LFS toimii

Milloin sitä käytetään

Miksi se on tärkeää

Aiheeseen liittyvät kysymykset