Risposte:
Uno dei modi più comuni per determinare se due file sono identici (supponendo che le dimensioni corrispondano) è utilizzare un programma per creare un " hash " (essenzialmente un'impronta digitale) di un file. I più comuni sono md5sum
e sha1sum
.
Per esempio:
$ md5sum file1 file2
e0e7485b678a538c2815132de7f9e878 file1
4a14aace18d472709ccae3910af55955 file2
Se hai molti file che devi controllare, ad esempio se stai trasferendo una directory piena di file da un sistema all'altro, puoi reindirizzare l'output dal sistema originale a un file, quindi md5sum
/ sha1sum
puoi usare automaticamente quel file per dire quali file sono diversi:
$ md5sum file1 file2 > MD5SUMS
... copy file1, file2, MD5SUMS across
$ md5sum --check MD5SUMS
file1: OK
file2: OK
Ho trovato una soluzione: lo strumento cmp fornito con la maggior parte dei gusti Linux.
Se voglio solo sapere se sono uguali, preferisco usare sha1sum se è disponibile o md5 come fallback.
Se voglio sapere quanto sono diversi o dove sono diversi, una cosa che funziona è farli girare entrambi attraverso od ('dump ottale', che di solito ha un'opzione esadecimale) per creare file temporanei e poi diff.
Ho appena eseguito alcuni benchmark su un file di oltre 100 MB. diff è stato il più veloce, mentre cmp è arrivato secondo e l'utilizzo di md5sum è arrivato per ultimo.
# time diff file1 file2; echo $?
real 0m0.122s
user 0m0.009s
sys 0m0.113s
0
# time cmp file1 file2; echo $?
real 0m0.213s
user 0m0.097s
sys 0m0.117s
0
# time md5sum file1 > /tmp/test; time md5sum file2 > /tmp/test2; diff /tmp/test /tmp/test2; echo $?
real 0m0.279s
user 0m0.211s
sys 0m0.066s
real 0m0.316s
user 0m0.225s
sys 0m0.073s
0
Ho ripreso l'esercizio con un file da 4,3 GB e ho dovuto eliminare e ricreare il file con dd poiché la cache RAM influiva notevolmente sui risultati.
$time diff file1 file2; echo $?
real 0m19.325s
user 0m0.995s
sys 0m5.280s
0
$time cmp file1 file2; echo $?
real 0m36.106s
user 0m4.399s
sys 0m6.147s
0
$time md5sum file1 > /tmp/test; time md5sum file2 > /tmp/test2; diff /tmp/test /tmp/test2; echo $?
real 0m10.441s
user 0m8.054s
sys 0m2.357s
real 0m24.682s
user 0m8.027s
sys 0m3.442s
0
Sulla base di questi risultati, consiglierei di spostare i file su un supporto RAMFS e di attenersi a diff.