Mi a Git LFS és mikor van szükséged rá?

Question

Accepted Answer

**Git LFS** (Large File Storage) egy bővítmény **nagy bináris fájlok** (videók, adathalmazok, tervezési资产, nagy binárisok) hatékony kezeléséhez a Gitben. A Git szöveges/forráskódhoz van tervezve, és rosszul kezeli a nagy binárisokat, ezért az LFS külön tároli őket, miközben könnyű referenciákat tart a repositoriumban.

## A probléma: Git és nagy binárisok

```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.
```

## Hogyan működik a Git LFS

```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
```

## Mikor használd

```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.
```

## Miért számít

A Git LFS megértése értékes senior szintű ismeretei a **nagy bináris fájlok kezeléséről a Gitben**, amely egyes projektek valós problémája, így hasznos gyakorlati tudás.

A lényeges probléma az, hogy a **Git rosszul kezeli a nagy binárisokat**: mivel a Git minden fájl minden verzióját tárola az előzményekben, és a binárisok nem diffálódnak jól (minden módosítás egy teljes másolatot tárol), a nagy bináris fájlok (videók, adathalmazok, tervezési资产, nagy artifaktok) **óriásira duzzasztják a repositoriumot** — ezzel a repo és minden klónja hatalmas és lassú lesz, a duzzadás pedig állandó és nehéz eltávolítani.

Ez egy valós, néha komoly probléma a médiát, adathalmazokat, játékasszeti, tervezési fájlokat vagy ML modelleket tartalmazó projektek számára. **A Git LFS** megoldja ezt azáltal, hogy a nagy fájlokat **külön** tárola (egy LFS kiszolgálón), miközben csak kis **mutató fájlokat** tart a Git előzményekben — így a repositorium kicsi és könnyű marad, a tényleges nagy fájlok igény szerinti letöltésre (csak a szükséges verziók) kerülnek.

Az, hogy hogyan működik (mutatók a Gitben, valós fájlok az LFS-ben, transzparens csere), és hogyan használják (fájltípusok követése a `.gitattributes` segítségével), a gyakorlati tudás azoknak a projekteknek, amelyeknek szükségük van rá.

Egyenlően fontos a megítélés **mikor kell használni** (repositoriumok nagy binárisokkal) versus amikor szükségtelen (tiszta forráskód, ahol a Git jól kezeli a szöveget), és a **alternatívákról** való tudatosság (néha a nagy artifaktokat egyáltalán nem tároljuk a Gitben — az artifakt tárolók, S3 vagy csomagregiszterek használata jobb választás).

Ez helyes döntéshozatalt tükröz a nagy fájlok kezelésében.

Mivel egyes projektek valóban küzdenek azzal, hogy a nagy binárisok felduzzasztják a Gitot (valós, hatásos probléma), és mivel a Git LFS (vagy alternatívák) a megoldás — a repositoriumokat kezelhetőek megtartása mellett nagy fájlok kezelésével — a Git LFS, a megoldandó probléma, a működése és a használata versus alternatívák megértése értékes senior szintű tudás a nagy fájlokkal rendelkező repositoriumok hatékony kezeléséhez, hasznos téma a médiával, adatokkal vagy nagy资产okkal foglalkozó projektek számára.