我了解到像 Pachyderm 版本控制数据这样的工具，但我看不出该工具与 Git 之间有任何区别。我从这篇文章中了解到：

• 它将您的所有数据保存在一个可访问的中央位置
• 当数据添加到数据集中或在数据集中更改时，它会更新所有依赖的数据集
• 它可以运行任何转换，只要它在 Docker 中运行，并接受文件作为输入并输出文件作为结果
• 它版本您的所有数据
• 它处理修改的数据和新添加的数据部分
• 当您测试新的转换管道时，它可以保留数据集的分支

Git似乎可以处理所有这些。也许数据的大小总是比代码大，然后为此目的创建了git-lfs 。

相比之下，Dolt提供了结合 SQL 和 Git 的不同方向。

Pachyderm 之类的工具如今是否适用于数据科学？