为何tail后gzip与tail|gzip生成的压缩文件大小不同？

这个问题的根源其实很简单——gzip在两种场景下是否写入了原始文件名的元数据，具体来拆解：

两种操作的核心差异 #

• 先存文件再压缩：
  当你执行gzip -k output.tmp时，gzip是直接处理磁盘上的实体文件。它会自动把原始文件名（output.tmp）、文件修改时间这类元信息塞进压缩文件的头部。这些额外的元数据虽然不多，但确实会占用几个字节的空间。

• 管道直接压缩：
  而用tail --bytes=1000 ./input | gzip > ./output.gz时，gzip是从标准输入（管道）读取数据的，它没有对应的原始磁盘文件名可以记录，所以不会添加文件名这类额外元信息，只保留最基础的压缩数据结构。

怎么验证这个结论？ #

你可以用gzip -l命令查看两个压缩文件的元数据：

gzip -l output.tmp.gz
gzip -l output.gz

执行后你会清楚看到：

• output.tmp.gz的原始文件名列显示的是output.tmp
• output.gz的原始文件名列显示的是-，这是gzip用来标记“数据来自标准输入”的符号

字节差的具体由来 #

你看到的460字节 vs 449字节的差值，正好对应了output.tmp这个文件名的长度（10个字符）加上gzip用来标记文件名的控制字节。这些就是导致两个文件大小不同的全部原因。

如果想让管道方式生成的压缩文件和先存再压的大小一致，也可以手动指定文件名参数：

tail --bytes=1000 ./input | gzip --name=output.tmp > output.gz

这时候再用stat查看，两个压缩文件的大小就会完全一样了。

内容的提问来源于stack exchange，提问作者Miroslav Popov