Unix / Linuxで2つのファイルの内容が同じかどうかを確認する最も速い方法は？

2つのファイルに同じデータが含まれているかどうかを確認する必要があるシェルスクリプトがあります。私はこれを多くのファイルに対して実行し、スクリプトではdiffコマンドがパフォーマンスのボトルネックになっているようです。

ここに行があります：

diff -q $dst $new > /dev/null

if ($status) then ...

ファイルを比較するより速い方法、おそらくデフォルトの代わりにカスタムアルゴリズムがありますdiffか？

cmp最初のバイトの違いで止まると思います：

cmp --silent $old $new || echo "files are different"

@Alex Howanskyが 'cmp --silent'を使用したことが好きです。しかし、私はポジティブとネガティブの両方の応答が必要なので、以下を使用します：

cmp --silent file1 file2 && echo '### SUCCESS: Files Are Identical! ###' || echo '### WARNING: Files Are Different! ###'

次に、ターミナルまたはsshでこれを実行して、ファイルを定数ファイルと照合します。

両方のファイルのコンテンツのハッシュを取得しませんか？

このスクリプトを試して、たとえばscript.shと呼び出して、次のように実行します。script.shfile1.txt file2.txt

#!/bin/bash

file1=`md5 $1`
file2=`md5 $2`

if [ "$file1" = "$file2" ]
then
    echo "Files have the same content"
else
    echo "Files have NOT the same content"
fi

私は吸うと評判ポイントが足りないので、この一口をコメントとして追加することはできません。

ただし、cmpコマンドを使用する場合（および冗長にする必要がない場合）、終了ステータスを取得できます。cmpmanページごと：

FILEが「-」または欠落している場合は、標準入力を読み取ります。入力が同じ場合は終了ステータスは0、異なる場合は1、問題がある場合は2です。

だから、あなたは次のようなことをすることができます：

STATUS="$(cmp --silent $FILE1 $FILE2; echo $?)"  # "$?" gives exit status for each comparison

if [[$STATUS -ne 0]]; then  # if status isn't equal to 0, then execute code
    DO A COMMAND ON $FILE1
else
    DO SOMETHING ELSE
fi

違いがないファイルの場合、どの方法でも、過去の読み取りであっても、両方のファイルを完全に読み取る必要があります。

代替手段はありません。そのため、ある時点でハッシュまたはチェックサムを作成するには、ファイル全体を読み取る必要があります。大きなファイルには時間がかかります。

ファイルメタデータの取得は、大きなファイルを読み取るよりもはるかに高速です。

では、ファイルが異なることを確認するために使用できるファイルメタデータはありますか？ファイルサイズ ？または、ファイルの一部を読み取るだけのファイルコマンドの結果ですか？

ファイルサイズの例のコードフラグメント：

  ls -l $1 $2 | 
  awk 'NR==1{a=$5} NR==2{b=$5} 
       END{val=(a==b)?0 :1; exit( val) }'

[ $? -eq 0 ] && echo 'same' || echo 'different'  

ファイルが同じサイズの場合、完全なファイル読み取りで立ち往生しています。

また、cksumコマンドを使用してみます。

chk1=`cksum <file1> | awk -F" " '{print $1}'`
chk2=`cksum <file2> | awk -F" " '{print $1}'`

if [ $chk1 -eq $chk2 ]
then
  echo "File is identical"
else
  echo "File is not identical"
fi

cksumコマンドは、ファイルのバイト数を出力します。「man cksum」を参照してください。

Raspberry Pi 3B +（オーバーレイファイルシステムを使用しており、定期的に同期する必要がある）でいくつかのテストを行って、diff -qとcmp -sで自分の比較を実行しました。これは/ dev / shm内からのログなので、ディスクアクセス速度は問題ではありません。

[root@mypi shm]# dd if=/dev/urandom of=test.file bs=1M count=100 ; time diff -q test.file test.copy && echo diff true || echo diff false ; time cmp -s test.file test.copy && echo cmp true || echo cmp false ; cp -a test.file test.copy ; time diff -q test.file test.copy && echo diff true || echo diff false; time cmp -s test.file test.copy && echo cmp true || echo cmp false
100+0 records in
100+0 records out
104857600 bytes (105 MB) copied, 6.2564 s, 16.8 MB/s
Files test.file and test.copy differ

real    0m0.008s
user    0m0.008s
sys     0m0.000s
diff false

real    0m0.009s
user    0m0.007s
sys     0m0.001s
cmp false
cp: overwrite âtest.copyâ? y

real    0m0.966s
user    0m0.447s
sys     0m0.518s
diff true

real    0m0.785s
user    0m0.211s
sys     0m0.573s
cmp true
[root@mypi shm]# pico /root/rwbscripts/utils/squish.sh

数回実行しました。cmp -sは、私が使用していたテストボックスで一貫してわずかに短い時間でした。したがって、cmp -sを使用して2つのファイル間で処理を実行する場合...

identical (){
  echo "$1" and "$2" are the same.
  echo This is a function, you can put whatever you want in here.
}
different () {
  echo "$1" and "$2" are different.
  echo This is a function, you can put whatever you want in here, too.
}
cmp -s "$FILEA" "$FILEB" && identical "$FILEA" "$FILEB" || different "$FILEA" "$FILEB"