~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.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
 
The cache is represented as a map from file_id to a tuple of (file_id,
56
 
sha1, path, size, mtime, ctime, ino, dev).
57
 
"""
58
 
 
59
 
 
60
 
FP_SIZE  = 0
61
 
FP_MTIME = 1
62
 
FP_CTIME = 2
63
 
FP_INO   = 3
64
 
FP_DEV   = 4
65
 
 
66
 
 
67
 
SC_FILE_ID = 0
68
 
SC_SHA1    = 1 
69
 
 
70
 
 
71
 
def fingerprint(abspath):
72
 
    try:
73
 
        fs = os.lstat(abspath)
74
 
    except OSError:
75
 
        # might be missing, etc
76
 
        return None
77
 
 
78
 
    if stat.S_ISDIR(fs.st_mode):
79
 
        return None
80
 
 
81
 
    return (fs.st_size, fs.st_mtime,
82
 
            fs.st_ctime, fs.st_ino, fs.st_dev)
83
 
 
84
 
 
85
 
def _write_cache(basedir, entry_iter, dangerfiles):
86
 
    from atomicfile import AtomicFile
87
 
 
88
 
    cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
89
 
    outf = AtomicFile(cachefn, 'wb', 'utf-8')
90
 
    try:
91
 
        for entry in entry_iter:
92
 
            if entry[0] in dangerfiles:
93
 
                continue
94
 
            outf.write(entry[0] + ' ' + entry[1] + ' ')
95
 
            outf.write(b2a_qp(entry[2], True))
96
 
            outf.write(' %d %d %d %d %d\n' % entry[3:])
97
 
 
98
 
        outf.commit()
99
 
    finally:
100
 
        if not outf.closed:
101
 
            outf.abort()
102
 
        
103
 
        
104
 
def load_cache(basedir):
105
 
    import codecs
106
 
    
107
 
    cache = {}
108
 
 
109
 
    try:
110
 
        cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
111
 
        cachefile = codecs.open(cachefn, 'r', 'utf-8')
112
 
    except IOError:
113
 
        return cache
114
 
    
115
 
    for l in cachefile:
116
 
        f = l.split(' ')
117
 
        file_id = f[0]
118
 
        if file_id in cache:
119
 
            raise BzrError("duplicated file_id in cache: {%s}" % file_id)
120
 
        cache[file_id] = (f[0], f[1], a2b_qp(f[2])) + tuple([long(x) for x in f[3:]])
121
 
    return cache
122
 
 
123
 
 
124
 
 
125
 
 
126
 
def _files_from_inventory(inv):
127
 
    for path, ie in inv.iter_entries():
128
 
        if ie.kind != 'file':
129
 
            continue
130
 
        yield ie.file_id, path
131
 
    
132
 
 
133
 
 
134
 
def update_cache(basedir, inv, flush=False):
135
 
    """Update and return the cache for the branch.
136
 
 
137
 
    The returned cache may contain entries that have not been written
138
 
    to disk for files recently touched.
139
 
 
140
 
    flush -- discard any previous cache and recalculate from scratch.
141
 
    """
142
 
 
143
 
    
144
 
    # TODO: It's supposed to be faster to stat the files in order by inum.
145
 
    # We don't directly know the inum of the files of course but we do
146
 
    # know where they were last sighted, so we can sort by that.
147
 
 
148
 
    assert isinstance(flush, bool)
149
 
    if flush:
150
 
        cache = {}
151
 
    else:
152
 
        cache = load_cache(basedir)
153
 
    return _update_cache_from_list(basedir, cache, _files_from_inventory(inv))
154
 
 
155
 
 
156
 
 
157
 
def _update_cache_from_list(basedir, cache, to_update):
158
 
    """Update and return the cache for given files.
159
 
 
160
 
    cache -- Previously cached values to be validated.
161
 
 
162
 
    to_update -- Sequence of (file_id, path) pairs to check.
163
 
    """
164
 
 
165
 
    from sets import Set
166
 
 
167
 
    stat_cnt = missing_cnt = hardcheck = change_cnt = 0
168
 
 
169
 
    # files that have been recently touched and can't be
170
 
    # committed to a persistent cache yet.
171
 
    
172
 
    dangerfiles = Set()
173
 
    now = int(time.time())
174
 
 
175
 
    ## mutter('update statcache under %r' % basedir)
176
 
    for file_id, path in to_update:
177
 
        abspath = os.path.join(basedir, path)
178
 
        fp = fingerprint(abspath)
179
 
        stat_cnt += 1
180
 
        
181
 
        cacheentry = cache.get(file_id)
182
 
 
183
 
        if fp == None: # not here
184
 
            if cacheentry:
185
 
                del cache[file_id]
186
 
                change_cnt += 1
187
 
            missing_cnt += 1
188
 
            continue
189
 
 
190
 
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
191
 
            dangerfiles.add(file_id)
192
 
 
193
 
        if cacheentry and (cacheentry[3:] == fp):
194
 
            continue                    # all stat fields unchanged
195
 
 
196
 
        hardcheck += 1
197
 
 
198
 
        dig = sha.new(file(abspath, 'rb').read()).hexdigest()
199
 
 
200
 
        # We update the cache even if the digest has not changed from
201
 
        # last time we looked, so that the fingerprint fields will
202
 
        # match in future.
203
 
        cacheentry = (file_id, dig, path) + fp
204
 
        cache[file_id] = cacheentry
205
 
        change_cnt += 1
206
 
 
207
 
    mutter('statcache: statted %d files, read %d files, %d changed, %d dangerous, '
208
 
           '%d in cache'
209
 
           % (stat_cnt, hardcheck, change_cnt, len(dangerfiles), len(cache)))
210
 
        
211
 
    if change_cnt:
212
 
        mutter('updating on-disk statcache')
213
 
        _write_cache(basedir, cache.itervalues(), dangerfiles)
214
 
 
215
 
    return cache