rsync算法如何正确识别重复块？

Question

我正在寻求了解rsync算法的工作原理。经过一番阅读和思考，我想出了一个我认为算法失败的情况。我试图找出在实际实现中如何解决这个问题。

考虑这个例子，其中A是接收者，B是发送者。

A = abcde1234512345fghij
B = abcde12345fghij

如您所见，唯一的变化是12345已被删除。

现在，为了让这个例子变得有趣，让我们选择一个5字节的块大小（字符）。使用弱校验和散列发送方的值会给出以下值列表。

abcde|12345|fghij

abcde -> 495
12345 -> 255
fghij -> 520

values = [495, 255, 520]

接下来我们检查A中是否有任何哈希值不同。如果有匹配的块，我们可以跳到该块的末尾进行下一次检查。如果有一个不匹配的块，那么我们发现了一个区别。我会逐步完成这个过程。

1. 哈希第一个街区。这个哈希值是否存在于值列表中？ abcde -> 495（是的，所以跳过）
2. 哈希第二个街区。这个哈希值是否存在于值列表中？ 12345 -> 255（是的，所以跳过）
3. 哈希第三个街区。这个哈希值是否存在于值列表中？ 12345 -> 255（是的，所以跳过）
4. 哈希第四块。这个哈希值是否存在于值列表中？ fghij -> 520（是的，所以跳过）
5. 没有更多数据，我们已经完成了。

由于在值列表中找到了每个哈希，我们得出结论A和B是相同的。根据我的拙见，这不是真的。

在我看来，只要有多个块共享相同的哈希值，就会发生这种情况。我知道我已经跳过了计算和检查强哈希的步骤，但这不会产生任何影响，因为第二个和第三个块完全相同

我错过了什么？

Answer 1

rsync算法发送两个校验和：每个块一个，以及整个文件的“滚动”校验和。在您的示例中，A一旦到达“doubled-up”块，就会看到滚动校验和的差异。