Java Files.mismatch 怎么做大文件快速比对：返回值、EOF 与异常边界

线上做文件同步时，先比较两份导出文件是否真的相同，比直接把几百 MB 内容读进内存更稳妥。Java NIO 的 Files.mismatch 会从头比较两个文件，返回第一个不同的位置；如果内容完全相同，返回 -1。它比较的是字节，不是文本行，也不是摘要字符串。

先看一个最小可运行的 Files.mismatch 示例

这个 API 位于 java.nio.file.Files，方法签名是 mismatch(Path path, Path path2)。下面的示例把结果分成“相同”和“首个差异”两条路径，输出也适合直接接入同步任务日志。

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;

public class FileCompareDemo {
    public static void main(String[] args) throws IOException {
        Path left = Path.of("build/export-a.bin");
        Path right = Path.of("build/export-b.bin");

        long mismatch = Files.mismatch(left, right);
        if (mismatch == -1) {
            System.out.println("内容相同");
        } else {
            System.out.println("首个差异位置: " + mismatch);
        }
    }
}

这里的下标从 0 开始。第一字节不同返回 0，第 8 个字节不同返回 7。不要把返回值直接当成“不同字节总数”，它只指出第一个可以确定差异的位置。

返回值为什么能处理长度差异

Files.mismatch 按顺序比较两个文件的字节。只要在共同长度内遇到不同字节，就返回该位置；如果共同部分完全相同，再看是否有一个文件先到 EOF。也就是说，短文件的长度位置会成为结果。

最后一种情况很容易误判。比如 A 只有 abc，B 是 abcd，返回 3 并不是说第 4 个字节和某个未知字节不同，而是共同前缀比较完后，A 已经结束。

用可复现数据验证首个差异和 EOF

排查同步问题时，先造三组小文件比大文件更快。下面的代码分别覆盖相同内容、单字节差异和前缀相同但长度不同：

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;

public class MismatchCases {
    public static void main(String[] args) throws IOException {
        Path dir = Files.createTempDirectory("mismatch-demo-");
        Path sameA = dir.resolve("same-a");
        Path sameB = dir.resolve("same-b");
        Path diff = dir.resolve("diff");
        Path longer = dir.resolve("longer");

        Files.writeString(sameA, "abc123");
        Files.writeString(sameB, "abc123");
        Files.writeString(diff,  "abc923");
        Files.writeString(longer, "abc123x");

        System.out.println(Files.mismatch(sameA, sameB)); // -1
        System.out.println(Files.mismatch(sameA, diff));  // 3
        System.out.println(Files.mismatch(sameA, longer)); // 6
    }
}

测试时最好同时断言结果和输入文件内容。只断言“不等于 -1”无法区分第一个差异位置是否正确，也覆盖不到文件长度分支。

异常边界：不要把读取失败当成比较结果

路径不存在、路径指向目录、权限不足或底层读取失败，都属于读取问题。方法会抛出 IOException 或其子类，调用方应记录两条路径和异常类型，再决定重试、跳过或报警。

try {
    long position = Files.mismatch(source, target);
    if (position == -1) {
        markSame(source, target);
    } else {
        recordDifference(source, target, position);
    }
} catch (java.nio.file.NoSuchFileException e) {
    recordMissingFile(e.getFile());
} catch (java.io.IOException e) {
    recordCompareFailure(source, target, e);
}

这里不要在 catch 中直接返回“文件不同”。不同是一个有效比较结果，读取失败则没有完成比较。两者混在一起，会让同步程序把临时挂载失败误报成文件冲突。

大文件场景该怎么放进同步流程

比较接口适合做“是否需要继续传输”的前置判断，但它不能替代业务上的版本号、权限检查和传输后的完整验收。一个更稳的顺序是：先确认路径属于当前任务，再调用比较方法，遇到异常保留失败状态；只有返回非负位置时，才进入差异文件的后续处理。

1. 检查两条路径是否存在且都是普通文件，避免把目录错误传给比较逻辑。
2. 记录文件大小和任务标识，便于解释返回位置是否落在合理范围。
3. 调用 Files.mismatch，-1 直接标记内容相同。
4. 返回非负数时保留首个差异位置；不要声称已经统计出全部差异。
5. 捕获 IOException，按“比较失败”进入重试或人工复核。

如果文件正在被另一个进程写入，比较结果还可能随时点变化。生产任务应先使用临时文件写入，完成后再原子替换，或用业务状态保证比较时文件已经封存。

相关问题：几个容易混淆的判断

Files.mismatch 返回 -1 就说明两个文件完全一样吗？

就文件字节内容而言是一样的，但它不比较文件名、权限、修改时间、所有者等元数据。业务上是否可复用，还要看这些属性是否参与同步协议。

返回位置能直接定位到文本的第几行吗？

不能。返回值是字节位置，不是字符或行号。要映射到文本行，需要额外按约定的字符编码读取前缀，这会带来新的成本，也不适合把二进制文件当文本处理。

Files.mismatch 和 SHA-256 校验应该选哪个？

只判断本地两份文件是否相同，直接比较通常更省事；需要跨机器传输、断点续传或长期留存验收凭证时，再结合 SHA-256 等摘要。摘要相同也不提供首个差异位置。

文件正在写入时调用会得到可靠结果吗？

不能保证。比较过程看到的是读取期间的内容，写入方若没有封存或原子替换，结果可能对应一个中间状态。

复查清单

• 是否把返回值当成零基字节位置，而不是差异数量？
• 是否覆盖了 -1、首字节差异、EOF 长度差异三类断言？
• 是否将 IOException 与“内容不同”分开记录？
• 比较前文件是否已经写完并处于可读、可复现状态？