Bonne réponse
- BInviter les développeurs à utiliser un clone superficiel avec une profondeur de 1 pour réduire le temps de clonage.
Explication
L'utilisation d'un clone superficiel avec une profondeur de 1 réduit considérablement le temps de clonage en récupérant uniquement l'historique des commits le plus récent au lieu des 50 000 commits. Cela minimise les données transférées sur le réseau, qui constituent la cause principale de la lenteur des clons. Les développeurs peuvent ensuite approfondir le clone s'ils ont besoin de plus d'historique. L'extraction par éparpillement (sparse checkout) ne réduit pas à elle seule les données transférées lors du clonage ; elle limite seulement ce qui apparaît dans le répertoire de travail. Git LFS est déjà utilisé pour les gros binaires, ce n'est donc pas le problème. La division du monorepo nécessiterait une restructuration importante et pourrait compliquer les contributions inter-projets.
Pour aller plus loin
Les performances de clonage Git sont principalement déterminées par le nombre et la taille des objets qui doivent être transférés sur le réseau. Un monorepo accumule des milliers de commits, chacun comportant des arborescences et des objets blob pour tous les fichiers ; par conséquent, un clone complet télécharge chaque version historique de chaque fichier. Le clone superficiel exploite le fait que la plupart des développeurs n'ont besoin que de l'instantané actuel en limitant l'historique à une profondeur spécifiée, évitant ainsi la grande majorité des objets. L'extraction par éparpillement, en revanche, restreint uniquement l'arbre de travail après que tous les objets sont déjà arrivés, et l'on suppose souvent à tort qu'elle accélère les clons. Les clons partiels (par exemple `--filter=blob:none`) constituent la solution la plus avancée qui combine les avantages des deux, mais ils ne sont pas répertoriés ici. Les utilisateurs réels d'Azure Repos combinent fréquemment `--depth 1` avec `--sparse` et `--filter=blob:none` pour obtenir des temps de clonage minimaux tout en pouvant travailler sur un sous-ensemble d'un grand monorepo. Il est crucial de comprendre ces mécanismes distincts pour sélectionner l'optimisation correcte et éviter des compromis trompeurs.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement AZ-400 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.