~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

[merge] Erik Bågfors: add --revision to bzr pull

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# (C) 2005 Canonical Ltd
2
 
 
3
 
# This program is free software; you can redistribute it and/or modify
4
 
# it under the terms of the GNU General Public License as published by
5
 
# the Free Software Foundation; either version 2 of the License, or
6
 
# (at your option) any later version.
7
 
 
8
 
# This program is distributed in the hope that it will be useful,
9
 
# but WITHOUT ANY WARRANTY; without even the implied warranty of
10
 
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
11
 
# GNU General Public License for more details.
12
 
 
13
 
# You should have received a copy of the GNU General Public License
14
 
# along with this program; if not, write to the Free Software
15
 
# Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
16
 
 
17
 
import stat, os, sha, time
18
 
from binascii import b2a_qp, a2b_qp
19
 
 
20
 
from trace import mutter
21
 
from errors import BzrError, BzrCheckError
22
 
 
23
 
 
24
 
"""File stat cache to speed up tree comparisons.
25
 
 
26
 
This module basically gives a quick way to find the SHA-1 and related
27
 
information of a file in the working directory, without actually
28
 
reading and hashing the whole file.
29
 
 
30
 
 
31
 
 
32
 
Implementation
33
 
==============
34
 
 
35
 
Users of this module should not need to know about how this is
36
 
implemented, and in particular should not depend on the particular
37
 
data which is stored or its format.
38
 
 
39
 
This is done by maintaining a cache indexed by a file fingerprint of
40
 
(path, size, mtime, ctime, ino, dev) pointing to the SHA-1.  If the
41
 
fingerprint has changed, we assume the file content has not changed
42
 
either and the SHA-1 is therefore the same.
43
 
 
44
 
If any of the fingerprint fields have changed then the file content
45
 
*may* have changed, or it may not have.  We need to reread the file
46
 
contents to make sure, but this is not visible to the user or
47
 
higher-level code (except as a delay of course).
48
 
 
49
 
The mtime and ctime are stored with nanosecond fields, but not all
50
 
filesystems give this level of precision.  There is therefore a
51
 
possible race: the file might be modified twice within a second
52
 
without changing the size or mtime, and a SHA-1 cached from the first
53
 
version would be wrong.  We handle this by not recording a cached hash
54
 
for any files which were modified in the current second and that
55
 
therefore have the chance to change again before the second is up.
56
 
 
57
 
The only known hole in this design is if the system clock jumps
58
 
backwards crossing invocations of bzr.  Please don't do that; use ntp
59
 
to gradually adjust your clock or don't use bzr over the step.
60
 
 
61
 
At the moment this is stored in a simple textfile; it might be nice
62
 
to use a tdb instead.
63
 
 
64
 
The cache is represented as a map from file_id to a tuple of (file_id,
65
 
sha1, path, size, mtime, ctime, ino, dev).
66
 
 
67
 
The SHA-1 is stored in memory as a hexdigest.
68
 
 
69
 
File names are written out as the quoted-printable encoding of their
70
 
UTF-8 representation.
71
 
"""
72
 
 
73
 
# order of fields returned by fingerprint()
74
 
FP_SIZE  = 0
75
 
FP_MTIME = 1
76
 
FP_CTIME = 2
77
 
FP_INO   = 3
78
 
FP_DEV   = 4
79
 
 
80
 
# order of fields in the statcache file and in the in-memory map
81
 
SC_FILE_ID = 0
82
 
SC_SHA1    = 1
83
 
SC_PATH    = 2
84
 
SC_SIZE    = 3
85
 
SC_MTIME   = 4
86
 
SC_CTIME   = 5
87
 
SC_INO     = 6
88
 
SC_DEV     = 7
89
 
 
90
 
 
91
 
def fingerprint(abspath):
92
 
    try:
93
 
        fs = os.lstat(abspath)
94
 
    except OSError:
95
 
        # might be missing, etc
96
 
        return None
97
 
 
98
 
    if stat.S_ISDIR(fs.st_mode):
99
 
        return None
100
 
 
101
 
    return (fs.st_size, fs.st_mtime,
102
 
            fs.st_ctime, fs.st_ino, fs.st_dev)
103
 
 
104
 
 
105
 
def _write_cache(basedir, entry_iter, dangerfiles):
106
 
    from atomicfile import AtomicFile
107
 
 
108
 
    cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
109
 
    outf = AtomicFile(cachefn, 'wb')
110
 
    try:
111
 
        for entry in entry_iter:
112
 
            if len(entry) != 8:
113
 
                raise ValueError("invalid statcache entry tuple %r" % entry)
114
 
            
115
 
            if entry[SC_FILE_ID] in dangerfiles:
116
 
                continue                # changed too recently
117
 
            outf.write(entry[0])        # file id
118
 
            outf.write(' ')
119
 
            outf.write(entry[1])        # hex sha1
120
 
            outf.write(' ')
121
 
            outf.write(b2a_qp(entry[2].encode('utf-8'), True)) # name
122
 
            for nf in entry[3:]:
123
 
                outf.write(' %d' % nf)
124
 
            outf.write('\n')
125
 
 
126
 
        outf.commit()
127
 
    finally:
128
 
        if not outf.closed:
129
 
            outf.abort()
130
 
        
131
 
        
132
 
def load_cache(basedir):
133
 
    from sets import Set
134
 
    cache = {}
135
 
    seen_paths = Set()
136
 
 
137
 
    try:
138
 
        cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
139
 
        cachefile = open(cachefn, 'r')
140
 
    except IOError:
141
 
        return cache
142
 
    
143
 
    for l in cachefile:
144
 
        f = l.split(' ')
145
 
 
146
 
        file_id = f[0]
147
 
        if file_id in cache:
148
 
            raise BzrError("duplicated file_id in cache: {%s}" % file_id)
149
 
        
150
 
        path = a2b_qp(f[2]).decode('utf-8')
151
 
        if path in seen_paths:
152
 
            raise BzrCheckError("duplicated path in cache: %r" % path)
153
 
        seen_paths.add(path)
154
 
        
155
 
        entry = (file_id, f[1], path) + tuple([long(x) for x in f[3:]])
156
 
        if len(entry) != 8:
157
 
            raise ValueError("invalid statcache entry tuple %r" % entry)
158
 
 
159
 
        cache[file_id] = entry
160
 
    return cache
161
 
 
162
 
 
163
 
 
164
 
 
165
 
def _files_from_inventory(inv):
166
 
    for path, ie in inv.iter_entries():
167
 
        if ie.kind != 'file':
168
 
            continue
169
 
        yield ie.file_id, path
170
 
    
171
 
 
172
 
 
173
 
def update_cache(basedir, inv, flush=False):
174
 
    """Update and return the cache for the branch.
175
 
 
176
 
    The returned cache may contain entries that have not been written
177
 
    to disk for files recently touched.
178
 
 
179
 
    flush -- discard any previous cache and recalculate from scratch.
180
 
    """
181
 
 
182
 
    
183
 
    # TODO: It's supposed to be faster to stat the files in order by inum.
184
 
    # We don't directly know the inum of the files of course but we do
185
 
    # know where they were last sighted, so we can sort by that.
186
 
 
187
 
    assert isinstance(flush, bool)
188
 
    if flush:
189
 
        cache = {}
190
 
    else:
191
 
        cache = load_cache(basedir)
192
 
    return _update_cache_from_list(basedir, cache, _files_from_inventory(inv))
193
 
 
194
 
 
195
 
 
196
 
def _update_cache_from_list(basedir, cache, to_update):
197
 
    """Update and return the cache for given files.
198
 
 
199
 
    cache -- Previously cached values to be validated.
200
 
 
201
 
    to_update -- Sequence of (file_id, path) pairs to check.
202
 
    """
203
 
 
204
 
    from sets import Set
205
 
 
206
 
    stat_cnt = missing_cnt = hardcheck = change_cnt = 0
207
 
 
208
 
    # files that have been recently touched and can't be
209
 
    # committed to a persistent cache yet.
210
 
    
211
 
    dangerfiles = Set()
212
 
    now = int(time.time())
213
 
 
214
 
    ## mutter('update statcache under %r' % basedir)
215
 
    for file_id, path in to_update:
216
 
        abspath = os.path.join(basedir, path)
217
 
        fp = fingerprint(abspath)
218
 
        stat_cnt += 1
219
 
        
220
 
        cacheentry = cache.get(file_id)
221
 
 
222
 
        if fp == None: # not here
223
 
            if cacheentry:
224
 
                del cache[file_id]
225
 
                change_cnt += 1
226
 
            missing_cnt += 1
227
 
            continue
228
 
 
229
 
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
230
 
            dangerfiles.add(file_id)
231
 
 
232
 
        if cacheentry and (cacheentry[3:] == fp):
233
 
            continue                    # all stat fields unchanged
234
 
 
235
 
        hardcheck += 1
236
 
 
237
 
        dig = sha.new(file(abspath, 'rb').read()).hexdigest()
238
 
 
239
 
        # We update the cache even if the digest has not changed from
240
 
        # last time we looked, so that the fingerprint fields will
241
 
        # match in future.
242
 
        cacheentry = (file_id, dig, path) + fp
243
 
        cache[file_id] = cacheentry
244
 
        change_cnt += 1
245
 
 
246
 
    mutter('statcache: statted %d files, read %d files, %d changed, %d dangerous, '
247
 
           '%d in cache'
248
 
           % (stat_cnt, hardcheck, change_cnt, len(dangerfiles), len(cache)))
249
 
        
250
 
    if change_cnt:
251
 
        mutter('updating on-disk statcache')
252
 
        _write_cache(basedir, cache.itervalues(), dangerfiles)
253
 
 
254
 
    return cache