使用fdupes或find+md5sum识别并处理内容重复文件，先备份、过滤非目标文件，再通过删除或转硬链接实现安全去重，推荐fdupes交互操作与hardlink节省空间。
Linux 上做文件去重，核心是识别内容相同但路径/名称不同的文件，并安全地保留一份、删除或软链接其余。不看文件名、大小，只看内容是否一致——这才是真实去重。
用 fdupes 快速找并处理重复文件
fdupes 是最常用、可靠的去重工具，按文件内容（MD5 + 比对）识别重复项，支持交互式删除或自动处理。
- 安装：Ubuntu/Debian 用 sudo apt install fdupes；CentOS/RHEL 用 sudo yum install fdupes（或 dnf）
- 扫描当前目录及子目录所有普通文件：fdupes -r .
- 显示重复组并交互式选择保留哪份（其余删除）：fdupes -r -d . → 每组出现时输入要保留的编号（如 1），回车即删其余
- 直接删除所有重复项（只留每组第一个）：fdupes -r -f . | xargs -I {} rm -v "{}"（-f 输出唯一文件，即每组仅首行；慎用，建议先试运行不带 rm 的版本）
用 find + md5sum 手动排查（适合脚本集成或无 root 环境）
当不能装 fdupes，或需嵌入自动化流程时，可用 find 配合校验和实现轻量去重逻辑。
- 生成所有文件的 MD5 和路径：find /path/to/dir -type f -exec md5sum {} \; | sort
- 提取重复 MD5 块：find /path/to/dir -type f -exec md5sum {} \; | sort | awk '{if ($1 == prev) print; prev=$1}'
- 更实用的一行去重清理（保留每组第一个，其余加 .dup 后缀）：
find /data/docs -type f -exec md5sum {} \; | sort | awk 'NR==FNR{a[$1]=$2;next} $1 in a{print "mv \"" $2 "\" \"" $2 ".dup\""}' - - | sh -x
（说明：先建哈希→路径映射，再对重复哈希输出重命名命令，最后执行；-x 可预览操作）
去重前必做的三件事
真实场景中，误删代价高，务必提前验证和防护：
- 确认文件类型：避免对日志、数据库文件、正在写的临时文件去重（加 -not -name "*.log" -not -path "/proc/*" 过滤）
- 备份关键目录：至少用 cp -al 做硬链接快照（节省空间且秒级恢复）：cp -al docs docs-backup-$(date +%F)
- 检查硬链接数：用 ls -li 看 inode 号，相同表示已是硬链接——这类无需去重，它们本就是同一份数据的不同入口
进阶技巧：用 hardlink 把重复内容转为硬链接（省空间不丢文件）
比起删文件，把重复内容统一指向同一个 inode 更安全、可逆，尤其适合备份目录、静态资源库。
- 安装：sudo apt install hardlink（Debian/Ubuntu）
- 在目标目录下将内容相同的文件转为硬链接：hardlink -t /path/to/dir
- 效果：原文件名、权限、时间戳全保留，磁盘占用降为 1 份；注意：仅限同一文件系统内生效
基本上就这些。真实场景里，先用 fdupes -r -d 交互确认，再考虑 hardlink 自动优化，比写一堆 find 脚本更稳更快。关键是别跳过备份和过滤——去重不是目的，释放空间且不出错才是。
