~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.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
# 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# out-of-date.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
 
36
from bzrlib.trace import mutter, warning
 
37
from bzrlib.atomicfile import AtomicFile
 
38
 
 
39
 
 
40
FP_MODE_COLUMN = 5
 
41
 
 
42
def _fingerprint(abspath):
 
43
    try:
 
44
        fs = os.lstat(abspath)
 
45
    except OSError:
 
46
        # might be missing, etc
 
47
        return None
 
48
 
 
49
    if stat.S_ISDIR(fs.st_mode):
 
50
        return None
 
51
 
 
52
    # we discard any high precision because it's not reliable; perhaps we
 
53
    # could do better on some systems?
 
54
    return (fs.st_size, long(fs.st_mtime),
 
55
            long(fs.st_ctime), fs.st_ino, fs.st_dev, fs.st_mode)
 
56
 
 
57
 
 
58
class HashCache(object):
 
59
    """Cache for looking up file SHA-1.
 
60
 
 
61
    Files are considered to match the cached value if the fingerprint
 
62
    of the file has not changed.  This includes its mtime, ctime,
 
63
    device number, inode number, and size.  This should catch
 
64
    modifications or replacement of the file by a new one.
 
65
 
 
66
    This may not catch modifications that do not change the file's
 
67
    size and that occur within the resolution window of the
 
68
    timestamps.  To handle this we specifically do not cache files
 
69
    which have changed since the start of the present second, since
 
70
    they could undetectably change again.
 
71
 
 
72
    This scheme may fail if the machine's clock steps backwards.
 
73
    Don't do that.
 
74
 
 
75
    This does not canonicalize the paths passed in; that should be
 
76
    done by the caller.
 
77
 
 
78
    _cache
 
79
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
 
80
        and its fingerprint.
 
81
 
 
82
    stat_count
 
83
        number of times files have been statted
 
84
 
 
85
    hit_count
 
86
        number of times files have been retrieved from the cache, avoiding a
 
87
        re-read
 
88
        
 
89
    miss_count
 
90
        number of misses (times files have been completely re-read)
 
91
    """
 
92
    needs_write = False
 
93
 
 
94
    def __init__(self, basedir):
 
95
        self.basedir = basedir
 
96
        self.hit_count = 0
 
97
        self.miss_count = 0
 
98
        self.stat_count = 0
 
99
        self.danger_count = 0
 
100
        self.removed_count = 0
 
101
        self.update_count = 0
 
102
        self._cache = {}
 
103
 
 
104
 
 
105
    def cache_file_name(self):
 
106
        return os.sep.join([self.basedir, '.bzr', 'stat-cache'])
 
107
 
 
108
 
 
109
 
 
110
 
 
111
    def clear(self):
 
112
        """Discard all cached information.
 
113
 
 
114
        This does not reset the counters."""
 
115
        if self._cache:
 
116
            self.needs_write = True
 
117
            self._cache = {}
 
118
 
 
119
 
 
120
    def scan(self):
 
121
        """Scan all files and remove entries where the cache entry is obsolete.
 
122
        
 
123
        Obsolete entries are those where the file has been modified or deleted
 
124
        since the entry was inserted.        
 
125
        """
 
126
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
 
127
        prep.sort()
 
128
        
 
129
        for inum, path, cache_entry in prep:
 
130
            abspath = os.sep.join([self.basedir, path])
 
131
            fp = _fingerprint(abspath)
 
132
            self.stat_count += 1
 
133
            
 
134
            cache_fp = cache_entry[1]
 
135
    
 
136
            if (not fp) or (cache_fp != fp):
 
137
                # not here or not a regular file anymore
 
138
                self.removed_count += 1
 
139
                self.needs_write = True
 
140
                del self._cache[path]
 
141
 
 
142
 
 
143
    def get_sha1(self, path):
 
144
        """Return the sha1 of a file.
 
145
        """
 
146
        abspath = os.sep.join([self.basedir, path])
 
147
        self.stat_count += 1
 
148
        file_fp = _fingerprint(abspath)
 
149
        
 
150
        if not file_fp:
 
151
            # not a regular file or not existing
 
152
            if path in self._cache:
 
153
                self.removed_count += 1
 
154
                self.needs_write = True
 
155
                del self._cache[path]
 
156
            return None        
 
157
 
 
158
        if path in self._cache:
 
159
            cache_sha1, cache_fp = self._cache[path]
 
160
        else:
 
161
            cache_sha1, cache_fp = None, None
 
162
 
 
163
        if cache_fp == file_fp:
 
164
            self.hit_count += 1
 
165
            return cache_sha1
 
166
        
 
167
        self.miss_count += 1
 
168
 
 
169
 
 
170
        mode = file_fp[FP_MODE_COLUMN]
 
171
        if stat.S_ISREG(mode):
 
172
            digest = sha_file(file(abspath, 'rb', buffering=65000))
 
173
        elif stat.S_ISLNK(mode):
 
174
            link_target = os.readlink(abspath)
 
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[1] >= now or file_fp[2] >= 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
            self.danger_count += 1 
 
185
            if cache_fp:
 
186
                self.removed_count += 1
 
187
                self.needs_write = True
 
188
                del self._cache[path]
 
189
        else:
 
190
            self.update_count += 1
 
191
            self.needs_write = True
 
192
            self._cache[path] = (digest, file_fp)
 
193
        return digest
 
194
        
 
195
    def write(self):
 
196
        """Write contents of cache to file."""
 
197
        outf = AtomicFile(self.cache_file_name(), 'wb')
 
198
        try:
 
199
            print >>outf, CACHE_HEADER,
 
200
 
 
201
            for path, c  in self._cache.iteritems():
 
202
                assert '//' not in path, path
 
203
                outf.write(path.encode('utf-8'))
 
204
                outf.write('// ')
 
205
                print >>outf, c[0],     # hex sha1
 
206
                for fld in c[1]:
 
207
                    print >>outf, "%d" % fld,
 
208
                print >>outf
 
209
 
 
210
            outf.commit()
 
211
            self.needs_write = False
 
212
        finally:
 
213
            if not outf.closed:
 
214
                outf.abort()
 
215
        
 
216
 
 
217
 
 
218
    def read(self):
 
219
        """Reinstate cache from file.
 
220
 
 
221
        Overwrites existing cache.
 
222
 
 
223
        If the cache file has the wrong version marker, this just clears 
 
224
        the cache."""
 
225
        self._cache = {}
 
226
 
 
227
        fn = self.cache_file_name()
 
228
        try:
 
229
            inf = file(fn, 'rb', buffering=65000)
 
230
        except IOError, e:
 
231
            mutter("failed to open %s: %s" % (fn, e))
 
232
            # better write it now so it is valid
 
233
            self.needs_write = True
 
234
            return
 
235
 
 
236
 
 
237
        hdr = inf.readline()
 
238
        if hdr != CACHE_HEADER:
 
239
            mutter('cache header marker not found at top of %s; discarding cache'
 
240
                   % fn)
 
241
            self.needs_write = True
 
242
            return
 
243
 
 
244
        for l in inf:
 
245
            pos = l.index('// ')
 
246
            path = l[:pos].decode('utf-8')
 
247
            if path in self._cache:
 
248
                warning('duplicated path %r in cache' % path)
 
249
                continue
 
250
 
 
251
            pos += 3
 
252
            fields = l[pos:].split(' ')
 
253
            if len(fields) != 7:
 
254
                warning("bad line in hashcache: %r" % l)
 
255
                continue
 
256
 
 
257
            sha1 = fields[0]
 
258
            if len(sha1) != 40:
 
259
                warning("bad sha1 in hashcache: %r" % sha1)
 
260
                continue
 
261
 
 
262
            fp = tuple(map(long, fields[1:]))
 
263
 
 
264
            self._cache[path] = (sha1, fp)
 
265
 
 
266
        self.needs_write = False
 
267
           
 
268
 
 
269
 
 
270