问题描述
我的团队有一个设置，我们可以在其中跟踪 DVC 中的数据集和模型，并有一个 GitLab 存储库来跟踪我们的代码和 DVC 元数据文件。我们的开发 GitLab 管道中有一项工作（在每次推送合并请求时运行），其目标是检查以确保开发人员记得运行 dvc push 以保持 DVC 远程存储是最新的。现在，我们这样做的方法是在 GitLab 运行器上运行 dvc pull，它会失败并显示错误，告诉您未找到哪些文件（新文件或现有文件的最新版本）。
这种方法的缺点是我们将存储在 DVC 中的全部数据加载到 GitLab 运行器上，并且我们遇到了内存不足问题，更不用说下载所有数据的运行时间过长.由于对象的路径和 md5 哈希值存储在 DVC 元数据文件中，我认为这就是 DVC 能够回答“远程存储系统是否是最新的”问题所需的所有信息。>
似乎 dvc status 与我所要求的类似，但比较了缓存或工作区和远程存储。换句话说，它要求文件实际存在于进行调用的任何文件系统上。
有什么方法可以在不从 DVC 中提取所有内容的情况下实现我上面列出的目标（“通知开发人员他们需要运行 dvc push”）？
解决方法
似乎 dvc 状态与我要求的类似
dvc status --cloud 会给你一个“新”文件列表，如果它们还没有被推送到（默认）远程。不过它不会出错，因此您的 CI 脚本应该会根据标准输出消息失败。
更多信息：https://dvc.org/doc/command-reference/status#options
我还要求每个人运行 dvc install，它会设置一些 Git 钩子，包括自动 dvc push 和 git push。