我正在处理一个远程同步问题,@tonfa 给出了一个很好的答案,但我发现他们的例子有点令人困惑。因此,我提供自己的示例,使用 Lorem Ipsum 文本作为被同步数据的示例。
我注意到可读性良好的文本文件可以提取其句子/段落结构以进行领域特定的同步优化,但我们不这样做:对于 rsync
和滚动哈希算法而言,每个文件都是一个不透明的二进制块而没有任何结构。
假设有一个文件服务器(
Alice
),有一个大小为641字节的文件:
lipsum.txt
。
(假设使用ASCII或UTF-8编码。为了易读性,已在第80列添加换行符,实际文件中不会存在换行符。)
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Nulla nisl enim,
consectetur quis quam consequat, pharetra tempus enim. Fusce iaculis libero
vitae ipsum accumsan efficitur. Fusce iaculis est et justo sollicitudin, sed
porttitor augue sagittis. Mauris aliquam nisl nibh, sed tempus magna venenatis
ac. Curabitur molestie nisl elit, suscipit egestas ex aliquam ac. Donec
dignissim, mauris nec malesuada pellentesque, ipsum sem porttitor est, quis
laoreet urna orci a leo. Cras tincidunt porttitor sapien, quis cursus metus
pulvinar id. Pellentesque nec mollis eros. Fusce sagittis vehicula ligula, nec
ullamcorper sapien sagittis non.
假设远程客户端(Bob)有一个稍微修改过的
lipsum.txt
副本:
Proin finibus ullamcorper ante sit amet egestas. Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Nulla nisl enim, consectetur quis quam consequat,
pharetra tempus enim. Fusce iaculis libero vitae ipsum accumsan efficitur.
Fusce iaculis est et justo sollicitudin, sed porttitor augue sagittis. Mauris
aliquam nisl nibh, sed tempus magna venenatis ac. Nulla ex metus, malesuada
eget ultricies vel, fermentum quis nisl. Etiam ac venenatis tellus. Curabitur
molestie nisl elit, suscipit egestas ex aliquam ac. Donec dignissim, mauris nec
malesuada pellentesque, ipsum sem porttitor est, quis laoreet urna orci a leo.
Cras tincidunt porttitor sapien, quis cursus metus pulvinar id. Pellentesque
nec mollis eros.
Here's a visual diff
for reference:
![enter image description here](https://istack.dev59.com/FdhJG.webp)
使用rsync时,服务器或客户端软件运行在哪台主机上并不重要,重要的是谁是发送方和接收方(因为rsync服务器可以发送和接收,rsync客户端也可以发送和接收)。在此演示中,远程客户端(Bob)正在将其修改后的
lipsum.txt
副本发送到rsync服务器(Alice)。
第1部分:接收方(Alice)将现有文件的固定块哈希发送给发送方(Bob):
Alice将
lipsum.txt
分成相等大小的块(对于此演示,让我们使用32字节大小的块),并使用该块的弱滚动哈希计算这些块的弱哈希(校验和)(请注意,滚动哈希算法尚未跨块边界计算):
block offset 32-byte block bytes (as ASCII) block weak-hash (as UInt32)
0 |Lorem ipsum dolor sit amet, cons| 3262843843
16 |ectetur adipiscing elit. Nulla n| 1213926365
32 |isl enim, consectetur quis quam | 3307146210
48 |consequat, pharetra tempus enim.| 1702104107
64 |Fusce iaculis libero vitae ipsu | 113380311
80 |m accumsan efficitur. Fusce iacu| 3788835775
96 |lis est et justo sollicitudin, s| 2668366836
112 |ed porttitor augue sagittis. Mau| 212601872
128 |ris aliquam nisl nibh, sed tempu| 3149335490
144 |s magna venenatis ac. Curabitur | 1050020743
160 |molestie nisl elit, suscipit ege| 726010903
176 |stas ex aliquam ac. Donec dignis| 169282427
192 |sim, mauris nec malesuada pellen| 1806109673
208 |tesque, ipsum sem porttitor est,| 1415646245
224 | quis laoreet urna orci a leo. C| 1034619651
240 |ras tincidunt porttitor sapien, | 4085386299
256 |quis cursus metus pulvinar id. P| 4195748849
272 |ellentesque nec mollis eros. Fus| 3458665474
288 |ce sagittis vehicula ligula, nec| 3870297057
304 | ullamcorper sapien sagittis non| 2035682393
320 |.| 3014702
Alice
随后将这些块偏移量和弱哈希发送给Bob
。
在这个例子中,块大小为32字节,32位大小的哈希意味着Alice向Bob发送84字节来表示一个641字节大小的文件 - 或者大约是Bob想要发送的文件大小的13%。(请注意,rsync
使用以“数百字节”为大小的块大小,因此在现实生活中比例更小,使其非常适用于慢速连接速度)。
第二部分:发送方(Bob)计算其文件的滚动哈希:
首先,Bob接收来自Alice的哈希值,并将其加载到哈希表中进行O(1)
查找(是的,这意味着有“哈希的哈希”)。
然后,真正的魔法发生了:Bob计算了通过他们的文件的32字节大小的窗口的滚动哈希。Bob的文件长度为714字节,这意味着将计算682个哈希值。
rsync
的弱哈希算法专门设计为基于滚动基础工作(这样您可以推送和弹出单个字节值),而不是在每个字节上重新迭代窗口(即rsync使用
O(n)
时间而不是
O(n * m)
时间,其中
n
是文件的大小,
m
是窗口大小)。
这就是Bob生成的内容(为简洁起见,仅显示前100个块):
Offset| 32-byte block bytes (as ASCII) | Weak-hash
-------------------------------------------------
0 |Proin finibus ullamcorper ante s| 3787000889
1 |roin finibus ullamcorper ante si| 2983660626
2 |oin finibus ullamcorper ante sit| 1966279764
3 |in finibus ullamcorper ante sit | 663751685
4 |n finibus ullamcorper ante sit a| 3578072061
5 | finibus ullamcorper ante sit am| 757926908
6 |finibus ullamcorper ante sit ame| 1417546817
7 |inibus ullamcorper ante sit amet| 382274639
8 |nibus ullamcorper ante sit amet | 2866482182
9 |ibus ullamcorper ante sit amet e| 2888829949
10 |bus ullamcorper ante sit amet eg| 1780157435
11 |us ullamcorper ante sit amet ege| 763694078
12 |s ullamcorper ante sit amet eges| 1458113532
13 | ullamcorper ante sit amet egest| 2940865533
14 |ullamcorper ante sit amet egesta| 206310462
15 |llamcorper ante sit amet egestas| 539757628
16 |lamcorper ante sit amet egestas.| 1384516606
17 |amcorper ante sit amet egestas. | 1941179314
18 |mcorper ante sit amet egestas. L| 4284812189
19 |corper ante sit amet egestas. Lo| 3270773663
20 |orper ante sit amet egestas. Lor| 4045278126
21 |rper ante sit amet egestas. Lore| 2546076580
22 |per ante sit amet egestas. Lorem| 4200926111
23 |er ante sit amet egestas. Lorem | 4163898191
24 |r ante sit amet egestas. Lorem i| 2578123603
25 | ante sit amet egestas. Lorem ip| 2996308817
26 |ante sit amet egestas. Lorem ips| 4092857252
27 |nte sit amet egestas. Lorem ipsu| 1856506808
28 |te sit amet egestas. Lorem ipsum| 2946436023
29 |e sit amet egestas. Lorem ipsum | 1533676387
30 | sit amet egestas. Lorem ipsum d| 483134306
31 |sit amet egestas. Lorem ipsum do| 476908465
32 |it amet egestas. Lorem ipsum dol| 320277418
33 |t amet egestas. Lorem ipsum dolo| 3243707312
34 | amet egestas. Lorem ipsum dolor| 1496386478
35 |amet egestas. Lorem ipsum dolor | 3433761710
36 |met egestas. Lorem ipsum dolor s| 1480264640
37 |et egestas. Lorem ipsum dolor si| 1083640764
38 |t egestas. Lorem ipsum dolor sit| 232393675
39 | egestas. Lorem ipsum dolor sit | 3691055991
40 |egestas. Lorem ipsum dolor sit a| 4223208376
41 |gestas. Lorem ipsum dolor sit am| 1521290176
42 |estas. Lorem ipsum dolor sit ame| 4025158590
43 |stas. Lorem ipsum dolor sit amet| 1003228109
44 |tas. Lorem ipsum dolor sit amet,| 1503267718
45 |as. Lorem ipsum dolor sit amet, | 3582200626
46 |s. Lorem ipsum dolor sit amet, c| 3172993844
47 |. Lorem ipsum dolor sit amet, co| 3615230768
48 | Lorem ipsum dolor sit amet, con| 3300133744
49 |Lorem ipsum dolor sit amet, cons| 3262843843
50 |orem ipsum dolor sit amet, conse| 4056353756
51 |rem ipsum dolor sit amet, consec| 2500266960
52 |em ipsum dolor sit amet, consect| 2453212114
53 |m ipsum dolor sit amet, consecte| 3549891538
54 | ipsum dolor sit amet, consectet| 3963358169
55 |ipsum dolor sit amet, consectetu| 379456558
56 |psum dolor sit amet, consectetur| 3206351927
57 |sum dolor sit amet, consectetur | 2648968167
58 |um dolor sit amet, consectetur a| 3918072789
59 |m dolor sit amet, consectetur ad| 3511225284
60 | dolor sit amet, consectetur adi| 2267089856
61 |dolor sit amet, consectetur adip| 2145979408
62 |olor sit amet, consectetur adipi| 2017070101
63 |lor sit amet, consectetur adipis| 1143409689
64 |or sit amet, consectetur adipisc| 3407809552
65 |r sit amet, consectetur adipisci| 3452242954
66 | sit amet, consectetur adipiscin| 1381174278
67 |sit amet, consectetur adipiscing| 3012037709
68 |it amet, consectetur adipiscing | 863898618
69 |t amet, consectetur adipiscing e| 1819020278
70 | amet, consectetur adipiscing el| 1786383342
71 |amet, consectetur adipiscing eli| 3535604791
72 |met, consectetur adipiscing elit| 2849705034
73 |et, consectetur adipiscing elit.| 3906866187
74 |t, consectetur adipiscing elit. | 3028814790
75 |, consectetur adipiscing elit. N| 1042025376
76 | consectetur adipiscing elit. Nu| 3860663273
77 |consectetur adipiscing elit. Nul| 2577534005
78 |onsectetur adipiscing elit. Null| 3386641470
79 |nsectetur adipiscing elit. Nulla| 1332743216
80 |sectetur adipiscing elit. Nulla | 2328497122
81 |ectetur adipiscing elit. Nulla n| 1213926365
82 |ctetur adipiscing elit. Nulla ni| 2679376865
83 |tetur adipiscing elit. Nulla nis| 1645546481
84 |etur adipiscing elit. Nulla nisl| 1719798761
84 |etur adipiscing elit. Nulla nisl| 1719798761
85 |tur adipiscing elit. Nulla nisl | 3454143396
86 |ur adipiscing elit. Nulla nisl e| 3142519701
87 |r adipiscing elit. Nulla nisl en| 3224963982
88 | adipiscing elit. Nulla nisl eni| 579210117
89 |adipiscing elit. Nulla nisl enim| 907021266
90 |dipiscing elit. Nulla nisl enim,| 1625361309
91 |ipiscing elit. Nulla nisl enim, | 804916057
92 |piscing elit. Nulla nisl enim, c| 3002403667
93 |iscing elit. Nulla nisl enim, co| 1436224338
94 |scing elit. Nulla nisl enim, con| 1020398423
95 |cing elit. Nulla nisl enim, cons| 2978286423
96 |ing elit. Nulla nisl enim, conse| 62524249
97 |ng elit. Nulla nisl enim, consec| 2620984147
98 |g elit. Nulla nisl enim, consect| 1986661209
99 | elit. Nulla nisl enim, consecte| 460917591
您可能会注意到Bob的
块49有些特别:它与Alice的块0完全匹配(两者都具有“
Lorem ipsum dolor sit amet, cons
”的ASCII字节,但它们还共享哈希值
3262843843
!)。
然后Bob继续逐字节地记录哪些块也与Alice的副本匹配(这对于每个块在
O(1)
时间内是可能的,或者总计为
O(n)
),因为Bob将Alice的块哈希加载到了散列表中。
还存在一种优化:如果Bob看到他的块匹配之一,他可以跳到下一个整块并查看是否匹配,从而跳过介于的块(因此我们知道偏移量49处的32字节块匹配,因此我们可以跳到块81-块81也匹配(哈希值为
1213926365
),等等...)。
对于Bob中的所有窗口都这样做,最终您将获得以下输出:
Offset Bytes (as ASCII text)
49 |Lorem ipsum dolor sit amet, cons|
81 |ectetur adipiscing elit. Nulla n|
113 |isl enim, consectetur quis quam |
145 |consequat, pharetra tempus enim.|
177 | Fusce iaculis libero vitae ipsu|
209 |m accumsan efficitur. Fusce iacu|
241 |lis est et justo sollicitudin, s|
273 |ed porttitor augue sagittis. Mau|
305 |ris aliquam nisl nibh, sed tempu|
463 |molestie nisl elit, suscipit ege|
495 |stas ex aliquam ac. Donec dignis|
527 |sim, mauris nec malesuada pellen|
559 |tesque, ipsum sem porttitor est,|
591 | quis laoreet urna orci a leo. C|
623 |ras tincidunt porttitor sapien, |
655 |quis cursus metus pulvinar id. P|
那么这就是16个块(或窗口),每个块32字节,总共512字节,
Bob知道他不需要发送给Alice。然后Bob只需要发送上述块未覆盖的非重叠窗口:
Offset Bytes (as ASCII text)
----------------------------------------------
0 |Proin finibus ullamcorper ante s|
33 |t amet egestas. Lorem ipsum dolo|
330 |d tempus magna venenatis ac. Nul|
363 |a ex metus, malesuada eget ultri|
396 |ies vel, fermentum quis nisl. Et|
429 |am ac venenatis tellus. Curabitu|
不错,嗯?