我有大量系统（100 个），由一小群人管理，这些系统会随着时间的推移而发生变化。每个系统都使用基础映像进行安装（基础映像有自己的版本，根据安装时间的不同而不同），然后根据客户的需求，随着时间的推移以各种方式对其进行定制（分叉）。
我有每个版本的安装映像的副本。各个版本之间超过 90% 的安装映像是相同的。定制部分通常不到 3%。
我需要找出安装了哪些版本以及自安装以来进行了哪些定制。
由于带宽限制，我无法进行网络diff或rsync --dry-run通过网络进行*。
但是，我设想能够在每个安装映像上运行一个脚本，并将其作为数据库发送到每个系统，以便与其自己的文件系统进行比较并报告 - 就像“指纹”一样，如果你愿意的话。
“指纹”（文件系统树 + 每个文件和文件夹的校验和）将被限制于可修改的文件集（而不是、、、/proc管道、套接字等）。/sys/tmp
“指纹”不能是文件系统的 MD5，因为一次改变就会导致不同的指纹，而且我们不能确定哪些文件可能已经被定制。
我正在寻找一个可以报告两件事的实用程序：
- 根据文件系统“指纹”（树形结构的元数据 + 文件和文件夹校验和）数据库，建议哪个版本与当前文件系统最匹配，以及
- 列出自该版本以来已更改（定制）的文件/文件夹，包括新文件和已删除的文件。
此外，如果我可以从现有数据库中创建新的数据库，以便我可以从定制中获取信息来制作新版本（例如版本 2.0.3-withmodX），那就太好了。
我考虑过：
- 备份实用程序 - 他们假设每个客户端的版本都有 1:1 的线性进展
- 图像管理系统——倾向于假设图像从服务器->客户端，仅具有已知的定制（例如新文件，特定配置文件夹），而我们想要的信息是客户端（参考数据库）->服务器。
我或许可以用git某种方式来生成文件系统的“.git”数据库，然后发送多个.git 数据库进行比较，然后：
- 最少行数
git status=版本。 git status针对版本的输出 = 定制。
是否存在这样的文件系统“指纹”实用程序，或者是否存在一些可以使其更容易构建的实用程序？
*虽然我想知道是否rsync可以输出一个元信息数据库，可以用来轻松构建这样的工具。
答案1
你想要描述数百个磁盘映像的起源，识别任意的模糊变化，而且带宽有限？这很棘手。
之前在 Server Fault 上，磁盘映像的比较启动 cmp 和 rsync.我会补充virt-diff以及 VCS（可能是 git）。你不会喜欢它们中的任何一个。
由于您想要了解文件差异，因此您不考虑磁盘映像上的校验和（sha256sum, ）。一旦您确定了所需的确切映像，它仍然是映像的有用标识符。md5sum
UUID 和文件系统上的任何标签都可以通过 看到lsblk --fs。可用于识别来源，但不能识别任何更改。不过，我敢打赌，安装系统时，它们都没有改变。
cmp磁盘映像上的比较是文件系统的字节比较。您不会看到文件级别的差异。/tmp 中的细微变化（如改动）都会使每个映像都不同。
rsync在已安装的文件系统上将显示已更改的文件。它还会执行大量的 I/O，典型的 Linux 根文件系统将有数十万个 inode。您没有足够的 IOPS 来查找数百个其他文件系统的增量，而不是在使用中的系统。
virt-diff会发现磁盘映像中的文件存在差异。您可以引用未使用的磁盘映像或快照，例如辅助服务器上的完整备份。此备份受带宽限制，而不是 IOPS 限制。但是，您说您受带宽限制。
类似的 VCSgit并非设计用于保存任意系统文件（包括权限和特殊文件）。etckeeper 有办法做到这一点当祖先未知时，VCS 的用处也不大，它们的数据结构遵循用户的分支方式。
您可以通过以下方式对 git repos 中的任意对象进行重复数据删除报告查看包文件。这里的问题在于工具和规模。verify-pack是一个低级管道命令，不易于用于此目的。在每个文件级别执行此操作将分析数百万个 blob，不可扩展。即使查看 blob 的打包方式也会变得很慢。
我建议忘记自动脚本并让一个人来做。
从基础镜像和自定义镜像中识别出有用的镜像。使用值得作为基础镜像保留的用例。
设置并记录这些的唯一 UUID 和标签。对图像进行校验和归档以供将来使用。
没有直接关系，但将来尝试分离系统包状态和用户数据。
考虑一个只读根，其配置和数据是不同的文件系统或覆盖。可能是 NFS 上的 /home 或 tmpfs 上的 /tmp。基本映像很容易识别，因为它没有被触及。对映像的更改可以是一个定义的过程：挂载 r/w、进行更改、快照。