文件重复判定采用分层验证：先比大小和修改时间快速筛选；再分块计算SHA-256哈希值；最后比对哈希指纹；需统一读取方式、避免BOM干扰、确保算法与缓冲策略一致。
用输入流顺序比对来判定文件是否重复，核心是避免一次性加载整个文件到内存，尤其适合大文件场景。关键不在于“先比什么”，而在于分层验证的逻辑顺序：先快速筛，再精准判。
第一步：用物理属性做轻量级预筛
读取文件大小和最后修改时间（mtime），这两项可通过 File.length() 和 File.lastModified() 瞬间获取。如果两个文件大小不同，直接判定不重复；大小相同且修改时间也一致，才进入下一步。这一步能过滤掉绝大多数非重复文件，耗时几乎为零。
第二步：按块读取并计算哈希值
不把整个文件读进内存，而是用固定缓冲区（如 8KB 或 64KB）分块读取输入流，边读边更新哈希对象：
- 推荐使用
MessageDigest（如 SHA-256），比 MD5 更抗碰撞，安全性更高 - 缓冲区大小需权衡：太小会增加 I/O 次数；太大可能挤占堆内存，8192 字节是通用稳妥值
- 务必调用
md.update(byte[], offset, len)而非md.digest(byte[])，后者会重置状态
第三步：比对指纹而非原始内容
完成哈希计算后，得到的是字节数组，应转为十六进制字符串（如 DigestUtils.sha256Hex(is)）或保持为 byte[] 进行 Arrays.equals() 比较。切忌直接比对原始输入流或文件路径——路径不同、内容相同就是典型重复文件。
第四步：注意边界与一致性
实际应用中容易出错的细节：
- 确保两个文件都以相同的编码/模式打开（如都用
FileInputStream，不混用BufferedInputStream包裹导致额外字节） - 跳过 BOM（字节序标记）仅适用于文本文件判重，二进制文件必须原样比对全部字节
- 若用于上传判重，服务端应统一使用同一哈希算法和缓冲策略，否则同一文件在不同节点算出的指纹可能不一致
