请教一个关于分块存储文件同步的问题

[zxCoder]

根据 rsync 算法，客户端将文件分块，计算两种 hash 值，然后发送给服务端，然后服务端会返回一个列表，表示新的文件的分块情况，有可能是直接引用原文件的某一块，也有可能是新的数据。

那么如果是引用原文件的某一块，原文件在分块的时候要把每一块内容先缓存起来比较好，还是等到需要用到的时候再从某某字节开始读取一块比较好？

[wakzz]

这里就是缓存的方案了，缓存肯定是要缓存的，现在主流两种缓存策略：
1. 软件本身不管理缓存，缓存由操作系统的文件系统管理，典型案例是 Elasticsearch，优点是减少了很多工作量，缺点也很明显，自己不管理缓存，热点数据的缓存容易被冷数据的缓存覆盖
2. 软件管理缓存，典型案例是 mysql 的 innodb 引擎，所有缓存加载在软件的堆内存内，优点是缓存管理由自己处理，通过各种策略防止热点数据缓存被冷数据缓存覆盖，缺点是有很多额外工作量，还需要预防 OOM

[wakzz]

另一个问题就是版本控制的细节了，可以去了解一下 git 的实现，简单来说就是提交时间+版本号，版本新旧比较很简单了，真正麻烦的是版本冲突后的处理。

[zxCoder]

@wakzz 想请教一个问题，如果保证服务端的文件是最新的，那客户端想把这个最新的文件拉下来，要怎么判断应该是完全覆盖的更新，还是要解决冲突呢？这点一直想不太明白

[zxCoder]

@wakzz 我目前的简单理解是，如果本地的文件修改时间**早于**服务端的文件修改时间，那文件直接拉下来然后覆盖，如果**晚于**服务端，说明本地的文件在更新到最新版本之前就进行了修改，所以这时候再拉下来就会冲突，就需要解决冲突了。不知道这种理解对不对