兩臺不同計算機上的文件差異

Question

有兩臺計算機具有相同數量的多個文件。我們如何確定一臺電腦中的任何一個文件是否有輕微變化。這些計算機之間的網絡通信非常緩慢

Answer 1

您可以散列這些文件並通過網絡比較散列。

一個好的散列函數被設計成如果函數的輸入只有一點區別，那麼輸出將是完全不同的。此外，大多數散列函數現在具有160-512位的輸出長度。這意味着儘管你可能想要比較幾個千兆字節大的兩個文件，但你只需要在網絡上發送一個512位的小字符串來查看哈希值是否匹配。

如果你有幾百萬個文件，這可能已經很多了。一種解決方案是這樣的：

1. 散列每個文件的每臺計算機上
2. 然後串連的散列和散列連接字符串再次
3. 如果它不同於你知道，這是有區別的現在比較這個輸出在那些文件中。
4. 要查找的文件不同（甚至確切位置在文件中），你可以使用二進制搜索：
5. 斯普利特百萬計的文件分爲兩個部分，現在轉到步驟1-3（如果你有足夠的空間，你可以保存每個文件的散列以加快速度）。
6. 現在對於不同的兩個散列中的每一個，遞歸地進行步驟4-6。
7. 如果你找到了不同的文件，你可以再次按照行數分割文件，並像4-6中那樣工作。
8. 在某些時候，行數將會很小，以至於散列可能會比行的實際內容更長。現在，以天真的方式比較實際內容當然更有效率。

假設你只有一個不同的文件，只需要在網絡上發送對數許多散列，從而最大限度地減少網絡流量。

Answer 2

一個想法是爲每個文件生成一個散列。散列將任意長度的文件轉換爲固定大小。你可以進一步散列哈希，然後上傳並比較。散列是廣泛使用的，以確保下載不被破壞。

Answer 3

您可以使用md5sum實用程序。對於Windows請檢查[this]（https://support.microsoft.com/en-us/help/889768/how-to-compute-the-md5-or-sha-1-cryptographic-hash-values-for-a-file）和linux使用md5sum filename，然後比較散列值。