一般情况下，在基于R语言的项目中，我们会把所有数据和代码放在一个文件夹下，并且全部同步到GitHub上。团队里其他人想要重复这个项目的话，直接从GitHub上clone该项目仓库到自己电脑上，即可运行。对于项目负责人本人而言，其结构如下：
但是当原始数据太大的时候，直接上传到GitHub上比较麻烦，因此我之前是通过DropBox等云盘分享原始数据，通过GitHub共享其他项目文件（主要是代码），相当于在本地电脑上，所有文件都储存在一个文件夹上，但是在云端，数据和代码分别存储。这时候，结构如下图。这种情况下，如果别人要重复该项目，除了需要clone我GitHub上的云端仓库之外，还要下载我DropBox中的数据，并且把该数据放到本地的指定路径下。虽然后者（即下载数据步骤）也可以通过R代码实现，但是还是有点麻烦。
再进一步，当多个项目共用一个原始数据的时候，这个结构图就变成了下图的样子。相当于在本地电脑上，要同时存储两份相同的原始数据。当数据量比较大的时候，这样就比较费本地的存储空间。
因此，想请教大家：在原始数据较大、且多个项目共用一个原始数据的团队合作项目中，如何组织本地及云端的文件夹比较方便呢？主要需求是：
（1）所有文件尽量放在一处。上述例子中，在云端，数据和代码分别存放在两个不同的地方，不符合该需求。
（2）节省本地空间。上述例子中，当本地同时运行项目1和项目2时，需要在本地项目1和项目2文件夹中，分别存储一份相同的原始数据拷贝，不符合该需求。
（3）提高同步速度。上述例子中，虽然项目1和项目2共用一份原始数据，但是实际上他们用的是不同的子集。我目前的方案中，是将整个原始数据分别下载到项目1和项目2的文件夹中，然后再进行数据处理（如取子集）。由于原始数据较大，下载过程非常耗时。好在原始数据通常不会变化，因此下载一次即可。但是，是否有更好的办法呢？
当然，上面这些需求可能是鱼和熊掌不可兼得的。此外，个人觉得，这个问题的解决方案可以包含流程设计和技术两个维度。前者指文件夹结构和同步步骤应该如何设计等，后者则是指有哪些工具可以帮助实现这种设计。如果有任何想法，都欢迎交流呀。
