Git LFS అంటే ఏమిటి మరియు ఎప్పుడు దీనిని ఉపయోగించాలి?

Question

Accepted Answer

**Git LFS** (Large File Storage) అనేది Git లో **పెద్ద బైనరీ ఫైల్‌ల** (వీడియోలు, డేటాసెట్‌లు, డిజైన్ ఆస్తులు, పెద్ద బైనరీలు) సమర్థవంతంగా నిర్వహించడానికి ఒక విస్తరణ. Git టెక్స్ట్/సోర్స్ కోడ్ కోసం రూపొందించబడింది మరియు పెద్ద బైనరీలను చెత్తగా నిర్వహిస్తుంది, కాబట్టి LFS వాటిని విడిగా నిల్వ చేస్తుంది మరియు రిపోజిటరీలో తేలికపాటి సూచనలను నిర్వహిస్తుంది.

## సమస్య: Git మరియు పెద్ద బైనరీలు

```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.
```

## Git LFS ఎలా పనిచేస్తుంది

```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
```

## దీనిని ఎప్పుడు ఉపయోగించాలి

```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.
```

## ఎందుకు ఇది ముఖ్యమైనది

Git LFS ను అర్థం చేసుకోవడం **Git లో పెద్ద బైనరీ ఫైల్‌లను నిర్వహించడం** కోసం వాలెంట్రీ-స్థర సంబంధితమైన జ్ఞానం, నిర్దిష్ట ప్రాజెక్ట్‌ల కోసం నిజమైన సమస్య, కాబట్టి ఇది ఉపయోగకరమైన ఆచరణాత్మక జ్ఞానం.

ప్రధాన సమస్య ఏమిటంటే **Git పెద్ద బైనరీలను చెత్తగా నిర్వహిస్తుంది**: Git ప్రతి ఫైల్ యొక్క ప్రతి సంస్కరణను దాని చరిత్రలో నిల్వ చేస్తుంది మరియు బైనరీలు బాగా భేదం కోలేవు (ప్రతి మార్పు మరో పూర్తి కాపీని నిల్వ చేస్తుంది), పెద్ద బైనరీ ఫైల్‌లు (వీడియోలు, డేటాసెట్‌లు, డిజైన్ ఆస్తులు, పెద్ద కళాఖండాలు) **రిపోజిటరీను విపరీతంగా ఫెబ్రువరిగా చేస్తాయి** — రిపోజిటరీ మరియు ప్రతి క్లోన్‌ను పెద్దదిగా మరియు నెమ్మదిగా చేస్తాయి, ఫెబ్రువరి శాశ్వతమైనది మరియు తొలగించడానికి కష్టమైనది.

మీడియా, డేటాసెట్‌లు, గేమ్ ఆస్తులు, డిజైన్ ఫైల్‌లు లేదా ML మాడళ్‌లను కలిగిన ప్రాజెక్ట్‌ల కోసం ఇది నిజమైన, కొన్నిసార్లు సిరియస్ సమస్య. **Git LFS** దీనిని పెద్ద ఫైల్‌లను **విడిగా** (LFS సర్వర్ పై) నిల్వ చేయడం ద్వారా పరిష్కరిస్తుంది, మరియు Git చరిత్రలో చిన్న **పాయింటర్ ఫైల్‌లు** మాత్రమే నిర్వహిస్తుంది — కాబట్టి రిపోజిటరీ చిన్నది మరియు తేలికపాటి వస్తుంది, నిజమైన పెద్ద ఫైల్‌లు డిమాండ్ ఆన్ డిమాండ్ డౌన్‌లోడ్ చేయబడతాయి (కేవలం అవసరమైన సంస్కరణలు).

ఇది ఎలా పనిచేస్తుందో అర్థం చేసుకోవడం (Git లో పాయింటర్‌లు, LFS లో నిజమైన ఫైల్‌లు, పారదర్శక స్వాపింగ్) మరియు దీనిని ఎలా ఉపయోగించాలో (`.gitattributes` ద్వారా ఫైల్ రకాలను ట్రాకింగ్ చేయడం) దీనికి అవసరమైన ప్రాజెక్ట్‌ల కోసం ఆచరణాత్మక జ్ఞానం.

సమానంగా ముఖ్యమైనది **దీనిని ఎప్పుడు ఉపయోగించాలో** (పెద్ద బైనరీలతో రిపోజిటరీలు) తీర్పు చేయడం బుద్ధిమత్తపూర్వకంగా (పూర్తి సోర్స్ కోడ్, Git టెక్స్ట్ బాగా నిర్వహించే చోట అది అనవసరమైనది) మరియు **ప్రత్యామ్నాయాల** గురించి సంపూర్ణ సమझ (కొన్నిసార్లు Git లో పెద్ద కళాఖండాలను నిల్వ చేయకూడదు — కళాఖండ దుకాణాలు, S3, లేదా ప్యాకేజీ రిజిస్ట్రీల ఉపయోగం — ఉత్తమ ఎంపిక).

ఇది పెద్ద ఫైల్‌లను నిర్వహించడం గురించి ధ్వనిమైన నిర్ణయ తీసుకోవడాన్ని ప్రతిబింబిస్తుంది.

కొన్ని ప్రాజెక్ట్‌లు నిజమైనంగా పెద్ద బైనరీలతో Git ఫెబ్రువరి చేయడానికి నష్టపరుస్తుంది (నిజమైన, ప్రభావవంతమైన సమస్య), మరియు Git LFS (లేదా ప్రత్యామ్నాయాలు) పరిష్కారం కనుక — రిపోజిటరీలను నిర్వహించగల స్థితిలో ఉంచుతుంది, పెద్ద ఫైల్‌లను నిర్వహిస్తుంది — Git LFS ను, సమస్యను, దీనిని ఎలా పనిచేస్తుందో, ఎప్పుడు ఉపయోగించాలో మరియు ప్రత్యామ్నాయాలకు విరుద్ధంగా అర్థం చేసుకోవడం పెద్ద ఫైల్‌లతో రిపోజిటరీలను సమర్థవంతంగా నిర్వహించడానికి వాలెంట్రీ-స్థర సంబంధితమైన జ్ఞానం, మీడియా, డేటా, లేదా పెద్ద ఆస్తులతో వ్యవహరించే ప్రాజెక్ట్‌ల కోసం ఉపయోగకరమైన విషయం.