如何在不提取整个文件夹的内容的情况下将文件添加到 dvc 跟踪的文件夹？

如何解决如何在不提取整个文件夹的内容的情况下将文件添加到 dvc 跟踪的文件夹？

假设我在 git/dvc 存储库中工作。有一个文件夹 data 包含 10 万个小文件。我按照文档的建议将 DVC 作为单个元素进行跟踪：

dvc add data

因为根据我的经验，DVC 在一个一个跟踪这么多文件时有点慢。

我将 repo 克隆到另一个工作区，现在我在本地拥有 data.dvc 文件，但其中还没有任何实际文件。我想将名为 newfile.txt 的文件添加到 data 文件夹并使用 DVC 对其进行跟踪。有没有办法做到这一点而无需在本地提取 data 的全部内容？

我目前尝试过的：

1. 再次添加 data 文件夹：

   mkdir data
   mv path/to/newfile.txt data/newfile.txt
   dvc add data
   

   data.dvc 文件是从 data 的本地状态再次构建的，它只包含 newfile.txt，所以这不起作用。

2. 将文件作为单个元素添加到 data 文件夹中：

    dvc add data/newfile.txt
   

   我明白了：

    Cannot add 'data/newfile.txt',because it is overlapping with other DVC tracked output: 'data'. 
    To include 'data/newfile.txt' in 'data',run 'dvc commit data.dvc'
   

3. 按照建议使用 dvc commit

    mkdir data
    mv path/to/newfile.txt data/newfile.txt
    dvc commit data.dvc
   

   与 1. 类似，从 data.dvc 的本地状态再次重建 data。

解决方法

我将 repo 克隆到另一个工作区，现在我在本地拥有 data.dvc 文件，但里面没有任何实际文件（还没有 dvc pulled）。我想将文件添加到数据文件夹并使用 DVC 进行跟踪。有没有办法在不在本地提取数据的全部内容的情况下做到这一点？

有趣的问题。我认为现在没有简单的方法可以做到这一点，因为在另一台机器上，如果您再次 dvc add data 但其中只有一个文件，DVC 会认为您删除了所有其他文件，创建新的数据缓存版本dir（仅包含新文件），并相应地更新 .dvc 文件（如您所见）。

您可以在 https://github.com/iterative/dvc.org/issues 中打开功能请求。