几个 T 的文件查重怎么搞，有哪些软件快

[hanyaguang]

兄弟们，你们用什么

[aec4d]

完全可以自己写，先得到哪些文件大小一样，将大小一样的文件计算 hash 第一步就排除大多数文件了

[redtea]

dupeGuru

[lianyue]

先文件大小 然后 文件前 128k 的 md5 然后 文件尾 128k md5 然后文件中间 128k md5 基本上就 ok 了 最后有一个严格模式 前面都匹配了 就 文件全局 md5

[Osk]

要不，用文件系统的去重功能 ，除了有点吃内存。。。

[glasswm]

https://github.com/qarmin/czkawka

[delectate]

先看大小，大小一致再比较随机位置的随机长度的 md5 就可以了。

[imn1]

文件查重还是文字查重？什么平台？
文件几个 T 不是什么事，如果是经常要查的，建议用带数据库的工具，hash 过一次的保留，下次不用重新 hash
文字的话，楼下回答，或者搜搜

[v2tudnew]

检验快的算法又不是没有，天天 MD5

[wangxiaoaer]

应该是文字内容查重，那些先拿文件大小判断的都可以退下了。

我 i 有个思路，先所有文件建立索引，然后按照文件的每一段作为关键字去搜，根据匹配度判断。

如果文件是专业性很强的，建索引的词库可能要定制。

[wangxiaoaer]

@wangxiaoaer 当然，我 i 没干过，说的这个笨办法不知道可行性。

[cheng6563]

crc 就行了不用 md5

[jim9606]

如果可以换文件系统，直接换 ZFS 或者 BtrFS，适合应对会不断新增数据的环境。
基于 hash 的软件有很多我就不列举了，就是没法在线去重。

[microka]

几个 T 的文件是指几个 T 的单文件？还是总容量达几个 T 的若干多个小文件？

[hanyaguang]

谢谢兄弟们