设想：单个 1g CSV.gz 正在写入 FTP 文件夹。与此同时，我的客户端计算机通过 sFTP 连接到该文件夹并尝试将其拉下。
问：获取该文件后，无论我在客户端获得什么明显的长度，都可以gzip -t检测到部分文件并使其失败，无论截断发生在哪里？
我认为当片段突然结束时，解压缩或 -t'esting 将在 99% 的可能截断点上出错，但是 gz 结构是否具有干净的切割点，gzip 会在其中意外报告成功？
不在桌面上的缓解措施（因为如果其中之一正在发挥作用，我就不需要问上述问题。）
- 通过另一个网络请求获取文件长度或md5。
- 通过 FTP 轮询文件长度并不是很好，因为服务器可能会偶尔将块写入 zip 流。在批处理作业关闭文件句柄之前，如果将其误认为是完整的数据集，对我的分析来说将是致命的。
- 通过批处理作业给出最终文件长度或散列，就不再需要这个问题，但这给团队带来了实施负担，而团队（就这个问题而言）可能不存在。
- 我们无法通过安排一天中不同时间的读/写来避免竞争。
- 服务器未使用原子移动操作。
- 我不知道 CSV 行/列数；每个快照和每个集成都会发生变化。对于这个问题，也可以说被 gzip 压缩的文件是一个不透明的二进制 blob。
- 游戏中没有 client=>sFTP 网络错误。 （这些被捕获并处理；我关心的是读取在服务器的批处理作业期间仍然偶尔写入的文件。）
- 使用 RESTful API 代替 sFTP。
没有找到现有的SO
几个SO触及处理截断，但与需要在任何问题上可靠地使整个工作流程失败相比，处于有损可接受的环境中。 （我在医疗数据环境中进行计算，因此我宁愿让服务器停止并着火，也不愿传播错误的统计数据。）
- gzip：意外的文件结尾 - 如何读取文件恰恰相反——他们希望抑制 EOF 错误，因为这对他们的用例来说不是问题
- 为什么使用 gzip 时我的脚本中出现意外的文件结尾？只是 posix 流结尾有意插入，
head并且不涵盖“是否有可能误报？” - 管道输出时 zcat / gzip 错误 非常接近，但不会问“我保证会收到此错误吗？”
- 合并可能被截断的 gzip 日志文件也很接近，因为它处理来自终止的批处理作业的部分文件，但仍然是抛出一些不可读的行，而不是保证错误。
答案1
gzip 格式的文件包含压缩数据的长度和未压缩数据的长度。然而，这是一种古老的格式，长度字段只有 32 位，因此现在它们被解释为长度模 2^32（即 4 GiB）。解压前，gzip检查压缩数据的校验和是否正确。解压后，gzip检查解压数据的校验和是否正确，以及解压数据的大小是否正确模2^32。
因此，如果压缩数据的大小（或解压缩数据的大小）小于 4 GiB，gzip 保证检测到截断的输入。但是，对于任意大小的文件，我看不出有任何理由说明这些检查就足够了。如果输入不是故意设计的，并且其长度以 4 GiB 为模均匀分布，则压缩长度和校验和匹配的可能性只有 1/2^64，此外，如果文件在多字节序列的中间或者未压缩数据的长度不匹配。 （这并不一定会将机会减少到 1/2^96，因为压缩长度模 2^32 和未压缩长度模 2^32 是相关的。）因此，只有很小的机会出现未检测到的错误，但它不是零，我确信它可能是故意制作的。
请注意，此分析仅适用于 gzip 压缩文件由单个流组成的情况。gunzip可以解压缩由多个串联流组成的文件，并且无法检测文件是否包含有效的流序列，但需要更多的流。但是，您的生产链可能不会生成多流文件：gzip它本身不会生成，您必须手动连接多个运行的输出，或者使用其他工具（pkzip？）。
服务器未使用原子移动操作。
不幸的是，我认为没有一种完全可靠的方法来检测错误，而无需该方法或在服务器完成写入后计算的外部元数据（长度或加密校验和）。