Ce este Git LFS și când ai nevoie de el?

Question

Accepted Answer

**Git LFS** (Large File Storage) este o extensie pentru gestionarea eficientă a **fișierelor binare mari** (videoclipuri, seturi de date, active de design, binare mari) în Git. Git este conceput pentru text/cod sursă și gestionează prost fișierele binare mari, deci LFS le stochează separat, păstrând doar referințe ușoare în depozit.

## Problema: Git și fișierele binare mari

```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.
```

## Cum funcționează 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
```

## Când să-l folosești

```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.
```

## De ce conteaza

Înțelegerea Git LFS este cunoștințe valoroase de nivel senior pentru **gestionarea fișierelor binare mari în Git**, o problemă reală pentru anumite proiecte, deci este cunoștințe practice utile.

Problema fundamentală este că **Git gestionează prost fișierele binare mari**: deoarece Git stochează fiecare versiune a fiecărui fișier în istoricul său și fișierele binare nu se diferențiază bine (fiecare schimbare stochează o altă copie completă), fișierele binare mari (videoclipuri, seturi de date, active de design, artefacte mari) **umflă depozitul enorm** — făcând depozitul și fiecare clonă uriașă și lentă, umflarea fiind permanentă și greu de eliminat.

Acesta este o problemă autentic reală, uneori serioasă, pentru proiecte care implică media, seturi de date, active de joc, fișiere de design sau modele ML. **Git LFS** o rezolvă stocând fișierele mari **separat** (pe un server LFS) păstrând doar mici **fișiere pointer** în istoricul Git — deci depozitul rămâne mic și ușor, cu fișiere mari descărcate la cerere (doar versiunile necesare).

Înțelegerea cum funcționează (pointeri în Git, fișiere reale în LFS, schimbul transparent) și cum să-l folosești (urmărirea tipurilor de fișiere via `.gitattributes`) este cunoștința practică pentru proiecte care o au nevoie.

La fel de important este judecata despre **când să-l folosești** (depozite cu binare mari) versus când este needuc (cod sursă pur, unde Git gestionează bine textul) și awareness asupra **alternativelor** (uneori nu stochezi artefacte mari în Git deloc — folosind depozite de artefacte, S3, sau registre de pachete — este alegerea mai bună).

Aceasta reflectă luarea de decizii solide privind gestionarea fișierelor mari.

Deoarece unele proiecte se confruntă cu adevărat cu binare mari care umflă Git (o problemă reală, cu impact), și deoarece Git LFS (sau alternative) este soluția — ținând depozitele ușor de gestionat în timp ce se gestionează fișiere mari — înțelegerea Git LFS, problema pe care o rezolvă, cum funcționează, și când să-l folosești versus alternative este cunoștințe valoroase de nivel senior pentru gestionarea eficientă a depozitelor cu fișiere mari, un subiect util pentru proiecte care se ocupă cu media, date sau active mari.