外部数据

若要对位于本地项目之外的数据进行版本管理，可以将其导入。你可以选择是否下载该数据，以及是否将副本推送到你的DVC 远程存储。即使你希望在原始源位置就地跟踪数据，这种导入方式仍然很有用。

导入外部数据的工作原理

使用import-url导入外部数据：

$ dvc import-url https://data.dvc.org/get-started/data.xml
Importing 'https://data.dvc.org/get-started/data.xml' -> 'data.xml'

这会将文件下载到data.xml（如果想跳过此步骤，请参见避免重复）。同时会创建data.xml.dvc文件，用于跟踪源数据。

# ...
deps:
  - etag: '"f432e270cd634c51296ecd2bc2f5e752-5"'
    path: https://data.dvc.org/get-started/data.xml
outs:
  - md5: a304afb96060aad90176268345e10355
    path: data.xml
    cache: true
    persist: false

要检查源位置是否有更新，请运行dvc update：

$ dvc update data.xml.dvc
'data.xml.dvc' didn't change, skipping

在执行dvc push时，DVC 会将data.xml.dvc所跟踪的数据版本上传到DVC 远程存储，以便备份，以防将来需要恢复。

DVC 永远不会覆盖数据的源位置。相反，DVC 可以在本地检出该数据的任意版本。DVC 的设计目的是保护原始数据，防止意外覆盖或发生其他用户未预料到的更改，因此你可以在不丢失当前源位置所存内容的前提下恢复旧版本。

避免重复

在某些情况下，复制外部数据可能是不必要的或不切实际的，例如当你的数据太大而无法本地下载，或者你直接从源位置流式读取数据，又或者你已经使用云版本控制来备份旧版本。

使用--no-download选项可在导入或更新数据时跳过下载步骤。DVC 会将元数据保存在data.xml.dvc中，但不会在本地下载data.xml：

$ dvc import-url --no-download https://data.dvc.org/get-started/data.xml
Importing 'https://data.dvc.org/get-started/data.xml' -> 'data.xml'

$ ls
data.xml.dvc

之后若要恢复此版本的数据，可使用dvc pull，DVC 将尝试从其原始源位置下载数据。然而，如果你已覆盖了原始源数据，dvc pull可能会失败。为了能够恢复任意版本的数据，你可以将数据推送到DVC 远程存储，或使用云版本控制。

示例：推送到远程

dvc import-url --to-remote不会在本地下载数据，而是直接将数据推送到DVC 远程存储：

$ dvc import-url --to-remote https://data.dvc.org/get-started/data.xml

$ ls
data.xml.dvc

$ dvc push
Everything is up to date.

示例：云版本控制

如果从支持的云版本控制提供商导入数据，使用dvc import-url --no-download --version-aware将不会在本地下载数据，而是跟踪云提供商为数据分配的版本 ID。dvc pull会尝试下载这些版本 ID（只要它们仍然可用）。dvc push不会上传任何内容，因为 DVC 假定这些版本在源位置始终可用：

$ dvc import-url --no-download --version-aware s3://myversionedbucket/data.xml
Importing 's3://myversionedbucket/data.xml' -> 'data.xml'

$ ls
data.xml.dvc

$ dvc push
Everything is up to date.