最稳妥方法是用 md5sum 提取哈希值比较，因其专为内容校验设计、不误判、支持大文件；需用 awk '{print $1}' 处理空格路径，加 set -o pipefail 和文件存在性检查，并优先考虑 md5sum -c 模式提升健壮性。
直接用 md5sum 提取哈希值比较最稳妥
别写循环、别用 diff 读大文件——md5sum 是专为内容校验设计的，底层用内存映射和分块处理，对 GB 级文件也很快。关键不是“快”，而是“不误判”：只要两个文件内容一字不差，MD5 值就必然相同（碰撞概率可忽略）。
常见错误是用 cut -d' ' -f1 但没处理空格路径：md5sum 输出格式是 hash<space>filename</space>，如果文件名含空格，cut -f1 会截断失败。正确做法是用 awk '{print $1}'，它默认以任意空白分隔，更健壮。
if [ "$(md5sum file1 | awk '{print $1}')" = "$(md5sum file2 | awk '{print $1}')" ]; then echo "same"; fi- 加
set -o pipefail防止某次md5sum失败（如权限不足）却被忽略 - 若文件可能不存在，先用
[ -f file1 ] && [ -f file2 ]检查，避免md5sum报错干扰判断逻辑
用 md5sum -c 配合临时校验文件更安全
当你要在脚本里反复验证多个文件，或需要明确区分“文件不存在”和“内容不一致”时，硬编码比较哈希值容易漏掉边界情况。用 -c 模式能复用标准校验流程，且自带错误分类。
注意：生成校验文件时必须用重定向（>），不能用 echo 拼接，否则换行/空格易出错；校验文件里每行格式必须严格为 hash<space>filename</space>，且 filename 是相对或绝对路径，要和当前执行位置匹配。
- 生成校验行：
md5sum file1 > /tmp/check.md5 && echo "$(md5sum file2 | awk '{print $1}') file2" >> /tmp/check.md5 - 验证并捕获结果：
if md5sum -c --status /tmp/check.md5 2>/dev/null; then echo "all match"; else echo "mismatch or missing"; fi -
--status是关键——它让命令完全静默，只靠退出码（0=全OK，1=至少一个FAIL）驱动逻辑，不依赖字符串解析
大文件场景下必须跳过空文件和权限异常
线上脚本跑着跑着突然失败，八成是因为某个空文件或 /proc 下的虚拟文件触发了 md5sum 报错，中断管道。这不是性能问题，是健壮性漏洞。
md5sum 对空文件输出固定哈希 d41d8cd98f00b204e9800998ecf8427e，如果目录里有大量空日志，会误判为“重复”。而设备文件（如 /dev/sda）或无读权限文件会直接报错，导致整个命令链退出。
- 过滤空文件：
find file1 file2 -type f ! -size 0 2>/dev/null，再传给md5sum - 如果文件路径不确定是否可读，用
md5sum file1 2>/dev/null || echo "fail"显式兜底 - 真正的大文件（>10GB）建议加
timeout 300防卡死，例如：timeout 300 md5sum file1 | awk '{print $1}'
别用 diff 或 cmp 替代 md5sum 做一致性判断
有人觉得 diff -q file1 file2 >/dev/null 更“原生”，但这是典型误区：diff 是逐行文本比对，遇到二进制文件会提前退出并报错；cmp 虽然能比字节，但一旦发现第一个差异就停止，无法确认“是否完全一致”——你得靠退出码 0/1 判断，而 md5sum 的哈希计算本身就是完整遍历，结果更确定。
更隐蔽的问题是性能假象：diff 在开头就发现不同，确实秒出结果；但若两个大文件仅末尾一字之差，它得读完整个文件。而 md5sum 的分块处理在现代 Linux 上已高度优化，实测 GB 文件耗时差异不到 10%。
- 强制用文本模式比对二进制文件？
diff -a会把 \0 当换行，结果不可信 - 想省 IO？别指望——无论哪种方式，都得读完全部内容才能下结论
- 唯一例外：确认两个文件是同一 inode（硬链接），用
[ file1 -ef file2 ]，这比任何哈希都快，但不适用于内容相同而路径不同的场景
set -e 和 2>/dev/null 控制噪音——因为生产环境里，出问题的永远是那个“理论上不会出错”的环节。
