Git-filter-repo 性能优化：解决 macOS 下文件删除操作缓慢问题

问题背景

在 macOS 系统上使用 git-filter-repo 工具进行小文件删除操作时，用户遇到了显著的性能问题。具体表现为：对一个仅有 9 字节的文件执行删除操作，耗时超过 1 小时。这种情况在中等规模仓库（约 104MB，12k 提交）中尤为明显。

环境分析

典型的问题环境配置：

• 操作系统：macOS Sequoia 15.3
• Git 版本：2.48.1
• Python 版本：3.12.9
• 硬件配置：32GB 内存（空闲约 10GB）

问题诊断

通过深入分析，发现性能瓶颈出现在 git-filter-repo 的核心逻辑中。具体表现为：

1. 工具在每次处理引用时都会重新获取完整的引用列表
2. 对于包含大量引用的仓库，这种重复操作导致指数级的时间消耗
3. 在测试案例中，工具执行了超过 6000 次不必要的引用获取操作

解决方案

核心修复方案是引入引用缓存机制：

1. 添加 new_refs_initialized 标志位
2. 确保引用列表只获取一次并缓存
3. 后续操作直接使用缓存结果

这个优化将原本需要 1 小时的操作缩短至 7 秒，性能提升超过 500 倍。

技术原理

git-filter-repo 在处理引用时原本的设计存在缺陷：

• 每次需要确定新引用时都会调用 GitUtils.get_refs()
• 这个操作会执行 git show-ref 命令
• 对于大型仓库，获取完整引用列表是昂贵的操作

优化后的逻辑：

• 首次获取引用后设置初始化标志
• 后续操作直接使用缓存结果
• 避免了重复的系统调用和 Git 操作

最佳实践

对于使用 git-filter-repo 的用户，建议：

1. 确保使用最新版本的 git-filter-repo
2. 对于大型仓库操作前先进行性能评估
3. 定期执行 git gc 维护仓库健康
4. 监控操作过程中的资源使用情况

总结

这个案例展示了工具优化中常见的"重复计算"问题。通过简单的缓存机制，可以带来显著的性能提升。同时也提醒开发者：

• 对于可能重复的操作要考虑缓存
• 性能优化需要结合具体使用场景
• 工具设计时要考虑大规模使用的边界情况

该优化已被合并到 git-filter-repo 的主干版本中，所有用户都可以受益于这一改进。