|
前几天给360云盘传了《一个华尔街之狼》（无删减送审版，很暴力呦：http:///QICpnLPX3CLaX），但是是秒传的，当时能想到肯定是服务器有了，但是它凭什么知道已经有？文件名？不可能，乱七八糟什么文件名都有，我改了一个试试，还是秒传~究竟是什么原理呢？
首先想到的是360云盘利用文件标识符之类，唯一的ID，有文件相关信息等，尤其是索引信息。但后来感觉不对，查了一下，原来标识符指的是文件名，那个概念应该是文件描述符。那是否是通过文件描述符来解决文件重复的问题呢？仔细想想，明显不是，很关键的一个问题其实是，文件索引，描述符，它唯一的标识你的硬盘中某文件的索引信息，在另一台机子上他就是另一个ID了，这是针对系统的而不是针对文件的。
那么文件有什么唯一性呢？想起了mp3文件可以改属性，包括音乐家、专辑等，而且很多播放器是利用这个属性来自动匹配歌词等信息的。但是视频文件好像不是这样的。到这，常识已经用的差不多了，似乎没找到方向。 其实通过过去网盘常用的贴一个链接大家都用，或者百度文库的收藏就可以知道，通过把同一个文件分发一些链接等假象，是可以让很多人同时”拥有“的。不过看云盘需要角度更深一点，是不管你们共享不共享，传播不传播，只要文件相同，他都是只存一份（问题简单化，不考虑分布式和备份等现实问题）。那他怎么做到的呢？是对比整个文件吗？如果真的去一个字节一个字节的完全不差的比较，那样服务器不得憋死~！其实，他只要比较HASH值就够了，联想我们去网上下东西，某些网站，是不是也经常看到HASH值呢。那计算HASH值是不是也得耗费服务器资源呢，其实，HASH去重也是分粒度的，有文件去重，块去重，字节去重，粒度越细的准确率越高，相应的耗费服务器资源肯定也要多，这里只要文件级别的去重就够了，有谁没事闲的（或者具备一定的知识而有能力）去修改一个音视频文件呢？太少了吧，对于大多数人，除了文件名，他的音视频文件无非就是网上流传的几个热门版本，这样大家都用一个就够了，是不是很节约云盘资源呢？
“破解”秒传的办法：比如360云盘，把电影文件随便改哪怕一个字符，那应该就“秒传”不成了。这样仇视360的就可以通过不断上传垃圾文件饱和攻击360网盘了（不过怕网速不够）。如果真的这种现象频繁了，他们可以把去重粒度转为字节级，这样你把一个字节改一百次，因为其他部分都重复，所以只需增加99字节（问题简单化分析）的空间，不过考虑到文件太大，可能粒度需要把调整到块来应对~又是另一个根据现实情况分析对策的问题了。
个中细节，其实我也不是很了解，只是整合了一些知识进行了一个小猜想，不保证对，想解释的很透，还得再充电。
补充测试： 前边说的不是非常准确吧，hash码我不知道，但是回到mp3的问题上，mp3的文件头是有各种歌曲歌手信息的，也许人家去重就是通过这个文件头，这个是我知识范围能搞定的事。 百度云盘下载了一个华尔街之狼插曲——the money chant.mp3，秒传360云盘。 用UE打开mp3文件，如图：
挂到linux
当然，这是改了二进制文件的，不是改文件名，至于改文件名行不行，你试试~
另外，不光ID3，后边的几个改了也有点效果（我这显示的效果有上传过程有网速，不过还是近乎秒传，不知道是不是网速太快了，有时候能到1M，估计还是太快了，加上他在进度条出现之前耗了一阵子，所以刚看到进度条就快满了，有条件还是应该用电影测试，我硬盘太小，没存~~~~）。
最后一个小规律就是，人家应该是存了一个数据库的，放索引用（也许就是文件头）。你刚上传一个个性化定制（ID4）的MP3文件，哪怕马上又删了，第二个和他一样的也能秒传了。 那样貌似会出问题？你的删了，别人是“秒传”不是真传。那他也下载不到这个文件了，最后出现空有标题没有文件的尴尬~怎么办？ 其实你只管删你的就行了，人家服务器还是存着呢，不光文件头存着，物理硬盘也躺着一份。可以”秒传“，就不可以“秒删”么？“秒删”又是一个假象，只是你对该文件的定向没了，人家服务器才懒得帮你删了又装，并且人家可以用来让别人“秒传”。 至于为什么厂商做这么无私的事情（硬盘躺一堆没用的文件占地方）： 一方面，大家某日传文件，突然发现能秒传，是不是很开心呢？这对口碑和用户粘性都有好处。（不过也不一定就传多少垃圾“删除”后都给你保留，可能有一定的算法，比如你上传又删了的东西，长时间都没有人传相同的，这样也就没必要保留死数据在那了。） 另一方面，让你秒传他也节省带宽啊。
今天传高音质mp3，十兆以上的，全不是秒传。 你就不怕哪天人家云盘运营商突然开个资源发布（并且设法避免版权纠纷）什么的？其实现在人家也在积极推动这个事，比如资源共享群什么的，一方面是让你们重复“存储”相同内容，另一方面，可能把云盘里边“私人“存储的东西又取出来分享了，所以，你要有点什么好资源，可要慎重上传哦？（加密或者打包可能会好一点，考虑到成本问题，人家应该找最好弄的资源，比如从文件头就读出这是什么歌曲的mp3）
提供一个比较方便的测试方法，放一个压缩包上去，再把压缩包里随便扔个文件，再传上去，就不能秒传了（至于压缩文件的文件头，表示太乱了，不容易读出来区别）。
相关知识可以查询：去重deduplication、ZFS、HASH、文件头、重复数据删除
|
|
|
