git bfg 的使用（删除提交记录中的敏感信息，删除文件等）

前言

使用 Git 的过程中，我们有可能会误提交一些敏感信息（密钥，个人隐私）或无用文件等到远程仓库。这时我们需要清理相关的数据，直接在文件中删除敏感信息再提交，虽然仓库中没有了敏感信息，但是在提交历史中还是能看到相应的敏感信息。

当我们需要从提交记录中删除这些敏感信息，又不希望整个仓库的提交记录丢失时，可以使用官方 git-filter-branch 工具，但是使用起来麻烦而且速度也不快。

这里推荐使用 BFG Repo-Cleaner 工具，它是 Scala 编写的，专门针对移除 git 提交记录而制作的，是 git-filter-branch 的替代品，官方介绍说要比 git-filter-branch 快上 10~720 倍。

BFG Repo-Cleaner 的使用

官网流程介绍：

git clone --mirror git://example.com/some-big-repo.git
java -jar bfg.jar --strip-blobs-bigger-than 100M some-big-repo.git
cd some-big-repo.git
git reflog expire --expire=now --all && git gc --prune=now --aggressive
git push

下面详细说明。

一、 安装

1. 需要本地有 java 环境，本篇不做安装介绍。
2. 下载 bfg.jar，这里提供的下载连接是 1.14.0，可以自己去官网下载。

二、 基本用法

my-repo.git 是使用 --mirror 克隆到自己本地的代码仓库，执行命令的文件结构如下：

my-repo.git.bfg-report 记录的是修改的数据。

1. 下面的命令会将提交历史中大于 500M 的文件都清理掉。

java -jar bfg.jar --strip-blobs-bigger-than 100M my-repo.git

2. 删除指定文件

java -jar bfg.jar --delete-files id_dsa my-repo.git // 删除 id_dsa 文件

java -jar bfg.jar --delete-files id_{dsa,rsa} my-repo.git // 文件名为 `id_dsa` 和 `id_rsa` 的文件都会删除

3. 删除目录

java -jar bfg.jar --delete-folders pwd my-repo.git // 删除 pwd 目录

4. 删除敏感信息

java -jar bfg.jar --replace-text replace_pwd.txt my-repo.git

这里的 replace_pwd.txt 是我们自己定义需要移除数据的文本，具体的语法规则自行学习使用，示例如下：

PASSWORD1                       # 默认删除 PASSWORD1 的相关记录
PASSWORD2==>examplePass         # PASSWORD2 改为 examplePass
PASSWORD3==>                    # PASSWORD3 转为 空字符串
regex:password=\w+==>password=  # 正则匹配替换，将password具体的数据删除 password=xxx 替换为 password=
regex:\r(\n)==>$1               # 替换 Windows 换行符 为 Unix 换行符

三、 示例

bfg 脚本

# 先使用 `--mirror` 将数据库克隆下来， `git --mirror` 的作用，感兴趣的可以自己去搜索。
git clone --mirror xxx/my-repo.git

# 替换 Password1:xxx 为空
java -jar bfg.jar --replace-text "replace_pwd.txt" --no-blob-protection my-repo.git

# 删除 pwd.txt 文件
java -jar bfg.jar --delete-files "pwd.txt" --no-blob-protection my-repo.git

cd my-repo.git

# 清理脏数据
git reflog expire --expire=now --all && git gc --prune=now --aggressive

# 推送至远端
git push

replace_pwd.txt 文件内容

regex:Password1:[\s\S]+==>

模拟了一个误将敏感信息上传至远端仓库的操作。

1. add 提交 test.txt 和 pwd.txt 文件
   
2. delete 提交将 pwd.txt 文件删除，并删除 test.txt 文件中的 Password1 的值。
   
3. 执行 bfg 脚本后，再次查看两次提交内容，可发现敏感信息已全部移除。

add 提交中的 Password1 的赋值已经没有了，并且也看不到 pwd.txt 文件的修改了。

delete 提交已没有修改内容了。

四、使用过程中遇到的问题

1. 需要先用 --mirror 将代码仓库克隆下来，所有的操作都是基于克隆后的代码仓库的。
2. bfg 不会删除 git 仓库的文件，即使使用 --delete-files 进行删除。正确的做法应该是手动删除文件后，提交到远端仓库，bfg 仅删除提交历史中相关的数据。
3. 最后 git push 的时候总是报权限不足（我自己创建的代码仓库），那么需要添加 --no-blob-protection 参数。这里有些权限控制还没太清楚了，实在不行，可以先将分支/tag 的保护放开，更新完成之后再设回原来的。
   这里给个分支不允许强制推动的例子，将图中的按钮开关关闭，再推送会报错。
4. --replace-text 参数需提供一个替换样本，一行就是一个替换样本。替换的是全仓库数据，会去扫描仓库。
5. 有 dev 和 main 分支，同时都包含了一些需要去除敏感信息的提交历史，会怎么做？因为 clone 命令使用了 --mirror 标志，所以此推送将更新远程服务器上的所有引用，即：dev 和 main 分支，包扩所有的 tag 的提交记录都会删除。
6. 不会删除提交记录，只是将记录中的数据修改移除。

总结

bfg 主要用途：希望保留提交历史，需删除提交历史记录中的不希望被其他人看到的信息（密钥，个人隐私等）或大文件的移除。
环境配置完成后，使用还是比较方便的，软件运行速度也非常快，当遇到类似需求时推荐使用。

最后还是祝愿大家不要用到这个工具，尽量提前做好相应的知识储备（git 的使用，敏感信息过滤等），以防出现不必要的麻烦。

参考

• git bfg 官方介绍
• git-filter-branch 官网介绍
• 【GIT技巧】清除历史提交记录中的敏感信息