~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: John Arbash Meinel
  • Date: 2006-01-23 22:30:55 UTC
  • mfrom: (1185.50.51 bzr-jam-integration)
  • mto: This revision was merged to the branch mainline in revision 1551.
  • Revision ID: john@arbash-meinel.com-20060123223055-43e99c932f0c8945
[merge] jam-integration

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
# TODO: Up-front, stat all files in order and remove those which are deleted or 
 
18
# out-of-date.  Don't actually re-read them until they're needed.  That ought 
 
19
# to bring all the inodes into core so that future stats to them are fast, and 
 
20
# it preserves the nice property that any caller will always get up-to-date
 
21
# data except in unavoidable cases.
 
22
 
 
23
# TODO: Perhaps return more details on the file to avoid statting it
 
24
# again: nonexistent, file type, size, etc
 
25
 
 
26
# TODO: Perhaps use a Python pickle instead of a text file; might be faster.
 
27
 
 
28
 
 
29
 
 
30
CACHE_HEADER = "### bzr hashcache v5\n"
 
31
 
 
32
import os, stat, time
 
33
import sha
 
34
 
 
35
from bzrlib.osutils import sha_file, pathjoin
 
36
from bzrlib.trace import mutter, warning
 
37
from bzrlib.atomicfile import AtomicFile
 
38
from bzrlib.errors import BzrError
 
39
 
 
40
 
 
41
FP_MTIME_COLUMN = 1
 
42
FP_CTIME_COLUMN = 2
 
43
FP_MODE_COLUMN = 5
 
44
 
 
45
def _fingerprint(abspath):
 
46
    try:
 
47
        fs = os.lstat(abspath)
 
48
    except OSError:
 
49
        # might be missing, etc
 
50
        return None
 
51
 
 
52
    if stat.S_ISDIR(fs.st_mode):
 
53
        return None
 
54
 
 
55
    # we discard any high precision because it's not reliable; perhaps we
 
56
    # could do better on some systems?
 
57
    return (fs.st_size, long(fs.st_mtime),
 
58
            long(fs.st_ctime), fs.st_ino, fs.st_dev, fs.st_mode)
 
59
 
 
60
 
 
61
class HashCache(object):
 
62
    """Cache for looking up file SHA-1.
 
63
 
 
64
    Files are considered to match the cached value if the fingerprint
 
65
    of the file has not changed.  This includes its mtime, ctime,
 
66
    device number, inode number, and size.  This should catch
 
67
    modifications or replacement of the file by a new one.
 
68
 
 
69
    This may not catch modifications that do not change the file's
 
70
    size and that occur within the resolution window of the
 
71
    timestamps.  To handle this we specifically do not cache files
 
72
    which have changed since the start of the present second, since
 
73
    they could undetectably change again.
 
74
 
 
75
    This scheme may fail if the machine's clock steps backwards.
 
76
    Don't do that.
 
77
 
 
78
    This does not canonicalize the paths passed in; that should be
 
79
    done by the caller.
 
80
 
 
81
    _cache
 
82
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
 
83
        and its fingerprint.
 
84
 
 
85
    stat_count
 
86
        number of times files have been statted
 
87
 
 
88
    hit_count
 
89
        number of times files have been retrieved from the cache, avoiding a
 
90
        re-read
 
91
        
 
92
    miss_count
 
93
        number of misses (times files have been completely re-read)
 
94
    """
 
95
    needs_write = False
 
96
 
 
97
    def __init__(self, basedir):
 
98
        self.basedir = basedir
 
99
        self.hit_count = 0
 
100
        self.miss_count = 0
 
101
        self.stat_count = 0
 
102
        self.danger_count = 0
 
103
        self.removed_count = 0
 
104
        self.update_count = 0
 
105
        self._cache = {}
 
106
 
 
107
    def cache_file_name(self):
 
108
        # FIXME: duplicate path logic here, this should be 
 
109
        # something like 'branch.controlfile'.
 
110
        return pathjoin(self.basedir, '.bzr', 'stat-cache')
 
111
 
 
112
    def clear(self):
 
113
        """Discard all cached information.
 
114
 
 
115
        This does not reset the counters."""
 
116
        if self._cache:
 
117
            self.needs_write = True
 
118
            self._cache = {}
 
119
 
 
120
 
 
121
    def scan(self):
 
122
        """Scan all files and remove entries where the cache entry is obsolete.
 
123
        
 
124
        Obsolete entries are those where the file has been modified or deleted
 
125
        since the entry was inserted.        
 
126
        """
 
127
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
 
128
        prep.sort()
 
129
        
 
130
        for inum, path, cache_entry in prep:
 
131
            abspath = pathjoin(self.basedir, path)
 
132
            fp = _fingerprint(abspath)
 
133
            self.stat_count += 1
 
134
            
 
135
            cache_fp = cache_entry[1]
 
136
    
 
137
            if (not fp) or (cache_fp != fp):
 
138
                # not here or not a regular file anymore
 
139
                self.removed_count += 1
 
140
                self.needs_write = True
 
141
                del self._cache[path]
 
142
 
 
143
 
 
144
    def get_sha1(self, path):
 
145
        """Return the sha1 of a file.
 
146
        """
 
147
        abspath = pathjoin(self.basedir, path)
 
148
        self.stat_count += 1
 
149
        file_fp = _fingerprint(abspath)
 
150
        
 
151
        if not file_fp:
 
152
            # not a regular file or not existing
 
153
            if path in self._cache:
 
154
                self.removed_count += 1
 
155
                self.needs_write = True
 
156
                del self._cache[path]
 
157
            return None        
 
158
 
 
159
        if path in self._cache:
 
160
            cache_sha1, cache_fp = self._cache[path]
 
161
        else:
 
162
            cache_sha1, cache_fp = None, None
 
163
 
 
164
        if cache_fp == file_fp:
 
165
            self.hit_count += 1
 
166
            return cache_sha1
 
167
        
 
168
        self.miss_count += 1
 
169
 
 
170
 
 
171
        mode = file_fp[FP_MODE_COLUMN]
 
172
        if stat.S_ISREG(mode):
 
173
            digest = sha_file(file(abspath, 'rb', buffering=65000))
 
174
        elif stat.S_ISLNK(mode):
 
175
            digest = sha.new(os.readlink(abspath)).hexdigest()
 
176
        else:
 
177
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
 
178
 
 
179
        now = int(time.time())
 
180
        if file_fp[FP_MTIME_COLUMN] >= now or file_fp[FP_CTIME_COLUMN] >= now:
 
181
            # changed too recently; can't be cached.  we can
 
182
            # return the result and it could possibly be cached
 
183
            # next time.
 
184
            #
 
185
            # the point is that we only want to cache when we are sure that any
 
186
            # subsequent modifications of the file can be detected.  If a
 
187
            # modification neither changes the inode, the device, the size, nor
 
188
            # the mode, then we can only distinguish it by time; therefore we
 
189
            # need to let sufficient time elapse before we may cache this entry
 
190
            # again.  If we didn't do this, then, for example, a very quick 1
 
191
            # byte replacement in the file might go undetected.
 
192
            self.danger_count += 1 
 
193
            if cache_fp:
 
194
                self.removed_count += 1
 
195
                self.needs_write = True
 
196
                del self._cache[path]
 
197
        else:
 
198
            self.update_count += 1
 
199
            self.needs_write = True
 
200
            self._cache[path] = (digest, file_fp)
 
201
        return digest
 
202
        
 
203
    def write(self):
 
204
        """Write contents of cache to file."""
 
205
        outf = AtomicFile(self.cache_file_name(), 'wb')
 
206
        try:
 
207
            print >>outf, CACHE_HEADER,
 
208
 
 
209
            for path, c  in self._cache.iteritems():
 
210
                assert '//' not in path, path
 
211
                outf.write(path.encode('utf-8'))
 
212
                outf.write('// ')
 
213
                print >>outf, c[0],     # hex sha1
 
214
                for fld in c[1]:
 
215
                    print >>outf, "%d" % fld,
 
216
                print >>outf
 
217
 
 
218
            outf.commit()
 
219
            self.needs_write = False
 
220
        finally:
 
221
            if not outf.closed:
 
222
                outf.abort()
 
223
 
 
224
    def read(self):
 
225
        """Reinstate cache from file.
 
226
 
 
227
        Overwrites existing cache.
 
228
 
 
229
        If the cache file has the wrong version marker, this just clears 
 
230
        the cache."""
 
231
        self._cache = {}
 
232
 
 
233
        fn = self.cache_file_name()
 
234
        try:
 
235
            inf = file(fn, 'rb', buffering=65000)
 
236
        except IOError, e:
 
237
            mutter("failed to open %s: %s", fn, e)
 
238
            # better write it now so it is valid
 
239
            self.needs_write = True
 
240
            return
 
241
 
 
242
 
 
243
        hdr = inf.readline()
 
244
        if hdr != CACHE_HEADER:
 
245
            mutter('cache header marker not found at top of %s;'
 
246
                   ' discarding cache', fn)
 
247
            self.needs_write = True
 
248
            return
 
249
 
 
250
        for l in inf:
 
251
            pos = l.index('// ')
 
252
            path = l[:pos].decode('utf-8')
 
253
            if path in self._cache:
 
254
                warning('duplicated path %r in cache' % path)
 
255
                continue
 
256
 
 
257
            pos += 3
 
258
            fields = l[pos:].split(' ')
 
259
            if len(fields) != 7:
 
260
                warning("bad line in hashcache: %r" % l)
 
261
                continue
 
262
 
 
263
            sha1 = fields[0]
 
264
            if len(sha1) != 40:
 
265
                warning("bad sha1 in hashcache: %r" % sha1)
 
266
                continue
 
267
 
 
268
            fp = tuple(map(long, fields[1:]))
 
269
 
 
270
            self._cache[path] = (sha1, fp)
 
271
 
 
272
        self.needs_write = False
 
273
           
 
274
 
 
275
 
 
276