gzipしたときに同じコンテンツで異なるmd5sumを持つファイル？

なぜこれが起こっているのかわかりませんが、いくつかのファイルをアップロードしてAmazon S3、送信されたファイルを削除し、md5sumAmazonとローカルの両方でチェックします。しかし最近、同じコンテンツに関するこの問題が2つの異なるものを生成していることがわかりましたmd5sum

[valter.silva@alog ~]$ ls
renew.log  s3

[valter.silva@alog ~]$ ls s3/
renew.log

[valter.silva@alog ~]$ md5sum renew.log 
d41d8cd98f00b204e9800998ecf8427e  renew.log

[valter.silva@alog ~]$ md5sum s3/renew.log 
d41d8cd98f00b204e9800998ecf8427e  s3/renew.log

[valter.silva@alog ~]$ gzip renew.log 
[valter.silva@alog ~]$ gzip s3/renew.log 

[valter.silva@alog ~]$ md5sum renew.log.gz 
aa1f0ae9a61aac5bcd32b917fbd9324b  renew.log.gz

[valter.silva@alog ~]$ md5sum s3/renew.log.gz 
6ae0e48edb68e9ed938fdfc3894f6c94  s3/renew.log.gz

誰がそれが起こっているのか知っていますか？または、ファイルの一貫性と信頼性を確認するにはどうすればよいですか？

Tiago Cruzの回答への回答を更新します。

[valter.silva@alog ~]$ sha1sum renew.log 
da39a3ee5e6b4b0d3255bfef95601890afd80709  renew.log

[valter.silva@alog ~]$ sha1sum s3/renew.log 
da39a3ee5e6b4b0d3255bfef95601890afd80709  s3/renew.log

[valter.silva@alog ~]$ gzip renew.log 
[valter.silva@alog ~]$ gzip s3/renew.log 

[valter.silva@alog ~]$ sha1sum renew.log.gz 
2d9111d9db71da9fe4de57fbc19c89eb0bd46470  renew.log.gz

[valter.silva@alog ~]$ sha1sum s3/renew.log.gz 
05014ca24d133f1761f9134e8dab52e6e2111010  s3/renew.log.gz

それは同じ問題Tiagoを与えます。

RFC 1952によると、gzipファイルヘッダーには元のファイルの変更時刻が含まれます（フィールドMTIME）。ヘッダーはプレーンテキスト^1）で表示できますgzip -lv renew.log.gz：

method  crc     date  time           compressed        uncompressed  ratio uncompressed_name
defla 64263ac7 Jun 21 17:59                 314                 597  52.1% renew.log

したがって、gzipされたファイルを本当に比較したい場合は、-nオプションで圧縮して、元のファイル名とタイムスタンプを保存しないようにします。

gzip -n renew.log s3/renew.log 

そして、それらのmd5sumは同一でなければなりません。

それ以外の場合は使用できます

md5sum <(zcat renew.log.gz) <(zcat s3/renew.log.gz)

解凍されたファイルのmd5sumを計算します。

^1）ただし、表示される時刻と日付はヘッダーから取得されるのではなく、現在の値を表します。これはファイル名にも当てはまります。

$ gzip renew.log 
$ mv renew.log.gz foo.gz
$ gzip -lv foo.gz -------- uncompressed name is taken from current name ---v
method  crc     date  time           compressed        uncompressed  ratio uncompressed_name
defla 6c721644 Jul 11 22:34                 580                1586  65.7% foo
$ hexdump -C foo.gz | head -n 2
00000000  1f 8b 08 08 f0 16 df 51  00 03 72 65 6e 65 77 2e  |.......Q..renew.|
00000010  6c 6f 67 00 8d 93 dd 6e  9b 30 18 86 8f 89 94 7b  |log....n.0.....{|
                                                             ^^^-------^^^^^
                                                  original filename is stored in the header

同じファイルの圧縮バージョンが同じであると期待するのはなぜですか？圧縮プログラム（gzip）は、ヘッダーにタイムスタンプを含めるか、ランダム化アルゴリズムを使用できます。

そしてまさに！gzipヘッダーにはタイムスタンプが含まれます。圧縮ファイルを同じにするには、ファイルのタイムスタンプが同じである必要があります！

だから、あなたがファイルをコピーするとき、いつものようにそれを行うcp -p file1 file1だけでなく、cp file1 file2-実際に悪い癖になります！

「-n」フラグを付けてgzipを使用するだけです。

tiagocruz@stark:~$ gzip -n Yippie-Ki-Yay.mp3 bla/Yippie-Ki-Yay.mp3 

tiagocruz@stark:~$ sha1sum Yippie-Ki-Yay.mp3.gz bla/Yippie-Ki-Yay.mp3.gz 
b44b21c5f414935f1ced1187bfafd989704474a5  Yippie-Ki-Yay.mp3.gz
b44b21c5f414935f1ced1187bfafd989704474a5  bla/Yippie-Ki-Yay.mp3.gz

ソース：https : //unix.stackexchange.com/questions/31008/why-does-the-gzip-version-of-files-produce-a-different-md5-checksum