我和一位同事想合作一个项目，这个项目需要用到我们无权使用的数据节省在我们的工作站上（可以保存在公司服务器，我们可以打开我们需要编写和共享使用这些数据的代码，包括清理数据并保存清理后的数据版本（在公司服务器上）。这些清理后的版本应该受到版本控制。我们正在使用 Git。
我们应该如何设置 Git 存储库？如果我们在公司服务器上放置一个裸远程存储库，那么当我们克隆到其中时，数据将最终出现在我们的工作树中，从而保存在我们的工作站上。如果我们只是使用远程存储库来版本控制代码，那么数据将不受版本控制。如果我们在公司服务器上创建一个非裸 Git 存储库，并且两者都直接在其中工作，那么我们实际上并没有获得版本控制的好处。
感谢您的任何想法。
答案1
一个小警告：如果数据保存在远程位置，并且您打开将它保存在工作站上，您实际上已经将它保存在那里，即使只是暂时的，除非您的所有操作都是在内存中完成的。（即使如此，根据法律解释，这也可以看作是将其保存在您的机器上，因为它会持久保存，即使只是在 RAM 中。）
我建议两个存储库：
- Repo A：这个只托管脚本。可以本地克隆。
- Repo B：这个保存着数据。它只能在远程主机上克隆。
我假设您的数据处理脚本可以通过 SSH 或类似方法访问远程主机，以修改那里的数据。一旦您远程更改了数据，您就可以手动提交这些更改（再次，例如通过 SSH）。
一种更复杂的方法是涉及 Repo A 中的 Git 钩子，一旦您将更改提交到本地存储库，它就会提交并推送 Repo B 中的远程更改。
您还可以在 Repo A 中添加指向 Repo B 当前版本的 Git 子模块。这样，您就可以跟踪 Repo A 所针对的数据版本。请注意，您永远不必实际实例化该子模块（即，如果您运行 ，您将获得什么--recurse-submodules）；它只是一个指向修订版本的指针。
答案2
使用远程存储库是有版本控制。只是你必须远程工作。这可能最符合“敏感数据不能下载”的精神。
根据敏感数据使用的具体性质，最好的办法可能是设置一个包含非敏感数据/程序的服务器，并用虚假（测试用例？）敏感数据填充它。设置好后，您可以在安全的位置获取非敏感数据，并随时掌握敏感数据。这样，您就可以自由下载和使用，享受 git 的所有好处，同时确保敏感数据不可能泄露（或损坏）。
如果你问我，我更担心一些错误（git 使用中的失误，处理敏感数据的程序中的错误）泄露/破坏敏感数据，而不是某人的机器被黑，数据被盗，发展程序/人员访问这些内容听起来……不太明智。首先审查谁/什么应该有权访问它根本，然后再担心其余的事情。