如何更新已跟踪的数据

更新已跟踪的文件或目录可能意味着修改部分数据内容，或完全替换它们（使用相同的文件名）。

另请参阅 dvc move。

当 cache.type 配置选项设置为 symlink 或 hardlink（非默认值，请参阅 dvc config cache 了解更多信息）时，必须谨慎更新已跟踪的文件，以避免数据损坏。这是由于 DVC 在 缓存 和 工作区 之间链接数据文件的方式所致（详见 大型数据集优化）。

如果你使用 dvc.yaml 文件和 dvc repro，则无需手动管理阶段的输出。DVC 会在重新生成之前自动将其删除。

否则（数据是通过 dvc add 跟踪的），请使用以下方法之一在更新前将数据从缓存中“解除链接”。我们将以一个名为 train.tsv 的文件为例进行操作：

修改内容

使用 dvc unprotect 解除文件链接。这将使 train.tsv 可安全编辑：

$ dvc unprotect train.tsv

然后编辑文件内容，例如使用：

$ echo "new data item" >> train.tsv

使用 DVC 将文件的新版本重新添加进来：

$ dvc add train.tsv
$ dvc push # If you have remote storage.

$ git add train.tsv.dvc
$ git commit -m "modify train data"
$ git push # If you have an upstream repo.

替换文件

如果你想完全替换该文件，可以执行以下步骤。

首先，对 .dvc 文件使用 dvc remove 来停止跟踪该文件。这将从工作区中删除 train.tsv（并从缓存中解除链接）：

$ dvc remove train.tsv.dvc

接下来，用新内容替换该文件：

$ echo new > train.tsv

然后重新开始跟踪它：

$ dvc add train.tsv
$ git add train.tsv.dvc .gitignore
$ git commit -m "new train data"

# If you have remote storage and/or an upstream repo:
$ dvc push
$ git push