O que é Git LFS e quando você precisa dele?

Question

Accepted Answer

**Git LFS** (Large File Storage) é uma extensão para lidar com **arquivos binários grandes** (vídeos, datasets, assets de design, binários grandes) de forma eficiente no Git. Git é projetado para código-fonte/texto e lida mal com binários grandes, então o LFS os armazena separadamente enquanto mantém referências leves no repositório.

## O problema: Git e binários grandes

```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.
```

## Como Git LFS funciona

```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
```

## Quando usar

```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.
```

## Por que isso importa

Entender Git LFS é conhecimento valioso de nível sênior para **lidar com arquivos binários grandes no Git**, um problema real em certos projetos, então é conhecimento prático útil.

O problema central é que **Git lida mal com binários grandes**: como Git armazena cada versão de cada arquivo em seu histórico e binários não fazem diff bem (cada mudança armazena outra cópia completa), arquivos binários grandes (vídeos, datasets, assets de design, artefatos grandes) **incham o repositório enormemente** — tornando o repositório e cada clone enorme e lento, com o inchaço sendo permanente e difícil de remover.

Este é um problema genuíno, às vezes sério, para projetos envolvendo mídia, datasets, game assets, arquivos de design ou modelos de ML. **Git LFS** resolve isso armazenando arquivos grandes **separadamente** (em um servidor LFS) enquanto mantém apenas pequenos **arquivos de ponteiro** no histórico Git — então o repositório fica pequeno e leve, com arquivos grandes baixados sob demanda (apenas as versões necessárias).

Entender como funciona (ponteiros no Git, arquivos reais no LFS, troca transparente) e como usá-lo (rastreando tipos de arquivo via `.gitattributes`) é o conhecimento prático para projetos que precisam dele.

Igualmente importante é o julgamento sobre **quando usá-lo** (repositórios com binários grandes) versus quando é desnecessário (código-fonte puro, onde Git lida bem com texto) e consciência de **alternativas** (às vezes não armazenar artefatos grandes no Git — usar stores de artefatos, S3 ou registries de pacotes — é a escolha melhor).

Isso reflete tomada de decisão sólida sobre gerenciamento de arquivos grandes.

Como alguns projetos genuinamente sofrem com binários grandes inchaindo Git (um problema real e impactante), e como Git LFS (ou alternativas) é a solução — mantendo repositórios gerenciáveis enquanto lida com arquivos grandes — entender Git LFS, o problema que resolve, como funciona e quando usá-lo versus alternativas é conhecimento valioso de nível sênior para gerenciar repositórios com arquivos grandes efetivamente, um tópico útil para projetos lidando com mídia, dados ou assets grandes.