rsync同步海量小文件,rsync+inotify实现增量同步配置

　　最近在研究文件的增量同步时，我们把重点放在了文件差分编码上，因为这其实是文件同步的核心。目前当然是linux下的RSYNC算法是应用最广泛的算法，但是这个算法有自己的缺陷，就是当两个文件完全不相关的时候，差分编码的效率很低，几乎让人无法接受！

　　带着这个问题，我研究了CDC(Content-Defined Chunking)算法，发现CDC算法正好解决了这个问题：当两个文件的差异非常大时，CDC的效率非常高。我试图对两个完全不同的安装包文件进行不同的编码。文件大小120M左右，使用RSYNC算法需要180s左右，而CDC算法只需要4s！然而，疾控中心也有自己的问题。当文件差别不大时，RSYNC和CDC的效率差不多，但RSYNC能找到更多的重复块，比CDC多10%左右。

　　对于大文件的差分编码，我觉得可以把两者结合起来。首先，使用CDC算法进行差分编码。如果有很多相同的块(可以通过相同块数据大小占文件总大小的比例来确定)，那么使用RSYNC算法提取更多的相同块。如果相同的块较少(可能是两个完全不相关的文件)，就没有必要使用RSYNC进行差分编码。这样既可以避免两个完全不相关的文件差分编码效率低的问题，又可以在文件差异较小的情况下提取尽可能多的相同块，做到鱼和熊掌兼得！