~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/cache.py

  • Committer: Robert Collins
  • Date: 2005-10-06 12:14:01 UTC
  • mfrom: (1393.1.67)
  • Revision ID: robertc@robertcollins.net-20051006121401-ce87bcb93909bbdf
merge martins latest

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
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
 
This is done by maintaining a cache indexed by a file fingerprint of
31
 
(path, size, mtime, ctime, ino, dev) pointing to the SHA-1.  If the
32
 
fingerprint has changed, we assume the file content has not changed
33
 
either and the SHA-1 is therefore the same.
34
 
 
35
 
If any of the fingerprint fields have changed then the file content
36
 
*may* have changed, or it may not have.  We need to reread the file
37
 
contents to make sure, but this is not visible to the user or
38
 
higher-level code (except as a delay of course).
39
 
 
40
 
The mtime and ctime are stored with nanosecond fields, but not all
41
 
filesystems give this level of precision.  There is therefore a
42
 
possible race: the file might be modified twice within a second
43
 
without changing the size or mtime, and a SHA-1 cached from the first
44
 
version would be wrong.  We handle this by not recording a cached hash
45
 
for any files which were modified in the current second and that
46
 
therefore have the chance to change again before the second is up.
47
 
 
48
 
The only known hole in this design is if the system clock jumps
49
 
backwards crossing invocations of bzr.  Please don't do that; use ntp
50
 
to gradually adjust your clock or don't use bzr over the step.
51
 
 
52
 
At the moment this is stored in a simple textfile; it might be nice
53
 
to use a tdb instead.
54
 
"""
55
 
 
56
 
 
57
 
 
58
 
def fingerprint(path, abspath):
59
 
    try:
60
 
        fs = os.lstat(abspath)
61
 
    except OSError:
62
 
        # might be missing, etc
63
 
        return None
64
 
 
65
 
    if stat.S_ISDIR(fs.st_mode):
66
 
        return None
67
 
 
68
 
    return (fs.st_size, fs.st_mtime,
69
 
            fs.st_ctime, fs.st_ino, fs.st_dev)
70
 
 
71
 
 
72
 
def write_cache(branch, entry_iter):
73
 
    from atomicfile import AtomicFile
74
 
    
75
 
    outf = AtomicFile(branch.controlfilename('work-cache.tmp'), 'wt')
76
 
    try:
77
 
        for entry in entry_iter:
78
 
            outf.write(entry[0] + ' ' + entry[1] + ' ')
79
 
            outf.write(b2a_qp(entry[2], True))
80
 
            outf.write(' %d %d %d %d %d\n' % entry[3:])
81
 
 
82
 
        outf.commit()
83
 
    finally:
84
 
        if not outf.closed:
85
 
            outf.abort()
86
 
        
87
 
        
88
 
def load_cache(branch):
89
 
    cache = {}
90
 
 
91
 
    try:
92
 
        cachefile = branch.controlfile('work-cache', 'rt')
93
 
    except IOError:
94
 
        return cache
95
 
    
96
 
    for l in cachefile:
97
 
        f = l.split(' ')
98
 
        file_id = f[0]
99
 
        if file_id in cache:
100
 
            raise BzrError("duplicated file_id in cache: {%s}" % file_id)
101
 
        cache[file_id] = (f[0], f[1], a2b_qp(f[2])) + tuple([long(x) for x in f[3:]])
102
 
    return cache
103
 
 
104
 
 
105
 
 
106
 
 
107
 
def _files_from_inventory(inv):
108
 
    for path, ie in inv.iter_entries():
109
 
        if ie.kind != 'file':
110
 
            continue
111
 
        yield ie.file_id, path
112
 
    
113
 
 
114
 
def build_cache(branch):
115
 
    inv = branch.read_working_inventory()
116
 
 
117
 
    cache = {}
118
 
    _update_cache_from_list(branch, cache, _files_from_inventory(inv))
119
 
    
120
 
 
121
 
 
122
 
def update_cache(branch, inv):
123
 
    # TODO: It's supposed to be faster to stat the files in order by inum.
124
 
    # We don't directly know the inum of the files of course but we do
125
 
    # know where they were last sighted, so we can sort by that.
126
 
 
127
 
    cache = load_cache(branch)
128
 
    return _update_cache_from_list(branch, cache, _files_from_inventory(inv))
129
 
 
130
 
 
131
 
 
132
 
def _update_cache_from_list(branch, cache, to_update):
133
 
    """Update the cache to have info on the named files.
134
 
 
135
 
    to_update is a sequence of (file_id, path) pairs.
136
 
    """
137
 
    hardcheck = dirty = 0
138
 
    for file_id, path in to_update:
139
 
        fap = branch.abspath(path)
140
 
        fp = fingerprint(fap, path)
141
 
        cacheentry = cache.get(file_id)
142
 
 
143
 
        if fp == None: # not here
144
 
            if cacheentry:
145
 
                del cache[file_id]
146
 
                dirty += 1
147
 
            continue
148
 
 
149
 
        if cacheentry and (cacheentry[3:] == fp):
150
 
            continue                    # all stat fields unchanged
151
 
 
152
 
        hardcheck += 1
153
 
 
154
 
        dig = sha.new(file(fap, 'rb').read()).hexdigest()
155
 
 
156
 
        if cacheentry == None or dig != cacheentry[1]: 
157
 
            # if there was no previous entry for this file, or if the
158
 
            # SHA has changed, then update the cache
159
 
            cacheentry = (file_id, dig, path) + fp
160
 
            cache[file_id] = cacheentry
161
 
            dirty += 1
162
 
 
163
 
    mutter('work cache: read %d files, %d changed' % (hardcheck, dirty))
164
 
        
165
 
    if dirty:
166
 
        write_cache(branch, cache.itervalues())
167
 
 
168
 
    return cache