~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Robert Collins
  • Date: 2005-10-30 00:00:09 UTC
  • mfrom: (1185.16.134)
  • Revision ID: robertc@robertcollins.net-20051030000009-9db99a338a0dfdac
MergeĀ fromĀ Martin.

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# out-of-date.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
    def cache_file_name(self):
 
105
        # FIXME: duplicate path logic here, this should be 
 
106
        # something like 'branch.controlfile'.
 
107
        return os.sep.join([self.basedir, '.bzr', 'stat-cache'])
 
108
 
 
109
    def clear(self):
 
110
        """Discard all cached information.
 
111
 
 
112
        This does not reset the counters."""
 
113
        if self._cache:
 
114
            self.needs_write = True
 
115
            self._cache = {}
 
116
 
 
117
 
 
118
    def scan(self):
 
119
        """Scan all files and remove entries where the cache entry is obsolete.
 
120
        
 
121
        Obsolete entries are those where the file has been modified or deleted
 
122
        since the entry was inserted.        
 
123
        """
 
124
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
 
125
        prep.sort()
 
126
        
 
127
        for inum, path, cache_entry in prep:
 
128
            abspath = os.sep.join([self.basedir, path])
 
129
            fp = _fingerprint(abspath)
 
130
            self.stat_count += 1
 
131
            
 
132
            cache_fp = cache_entry[1]
 
133
    
 
134
            if (not fp) or (cache_fp != fp):
 
135
                # not here or not a regular file anymore
 
136
                self.removed_count += 1
 
137
                self.needs_write = True
 
138
                del self._cache[path]
 
139
 
 
140
 
 
141
    def get_sha1(self, path):
 
142
        """Return the sha1 of a file.
 
143
        """
 
144
        abspath = os.sep.join([self.basedir, path])
 
145
        self.stat_count += 1
 
146
        file_fp = _fingerprint(abspath)
 
147
        
 
148
        if not file_fp:
 
149
            # not a regular file or not existing
 
150
            if path in self._cache:
 
151
                self.removed_count += 1
 
152
                self.needs_write = True
 
153
                del self._cache[path]
 
154
            return None        
 
155
 
 
156
        if path in self._cache:
 
157
            cache_sha1, cache_fp = self._cache[path]
 
158
        else:
 
159
            cache_sha1, cache_fp = None, None
 
160
 
 
161
        if cache_fp == file_fp:
 
162
            self.hit_count += 1
 
163
            return cache_sha1
 
164
        
 
165
        self.miss_count += 1
 
166
 
 
167
 
 
168
        mode = file_fp[FP_MODE_COLUMN]
 
169
        if stat.S_ISREG(mode):
 
170
            digest = sha_file(file(abspath, 'rb', buffering=65000))
 
171
        elif stat.S_ISLNK(mode):
 
172
            link_target = os.readlink(abspath)
 
173
            digest = sha.new(os.readlink(abspath)).hexdigest()
 
174
        else:
 
175
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
 
176
 
 
177
        now = int(time.time())
 
178
        if file_fp[1] >= now or file_fp[2] >= now:
 
179
            # changed too recently; can't be cached.  we can
 
180
            # return the result and it could possibly be cached
 
181
            # next time.
 
182
            self.danger_count += 1 
 
183
            if cache_fp:
 
184
                self.removed_count += 1
 
185
                self.needs_write = True
 
186
                del self._cache[path]
 
187
        else:
 
188
            self.update_count += 1
 
189
            self.needs_write = True
 
190
            self._cache[path] = (digest, file_fp)
 
191
        return digest
 
192
        
 
193
    def write(self):
 
194
        """Write contents of cache to file."""
 
195
        outf = AtomicFile(self.cache_file_name(), 'wb')
 
196
        try:
 
197
            print >>outf, CACHE_HEADER,
 
198
 
 
199
            for path, c  in self._cache.iteritems():
 
200
                assert '//' not in path, path
 
201
                outf.write(path.encode('utf-8'))
 
202
                outf.write('// ')
 
203
                print >>outf, c[0],     # hex sha1
 
204
                for fld in c[1]:
 
205
                    print >>outf, "%d" % fld,
 
206
                print >>outf
 
207
 
 
208
            outf.commit()
 
209
            self.needs_write = False
 
210
        finally:
 
211
            if not outf.closed:
 
212
                outf.abort()
 
213
        
 
214
 
 
215
 
 
216
    def read(self):
 
217
        """Reinstate cache from file.
 
218
 
 
219
        Overwrites existing cache.
 
220
 
 
221
        If the cache file has the wrong version marker, this just clears 
 
222
        the cache."""
 
223
        self._cache = {}
 
224
 
 
225
        fn = self.cache_file_name()
 
226
        try:
 
227
            inf = file(fn, 'rb', buffering=65000)
 
228
        except IOError, e:
 
229
            mutter("failed to open %s: %s" % (fn, e))
 
230
            # better write it now so it is valid
 
231
            self.needs_write = True
 
232
            return
 
233
 
 
234
 
 
235
        hdr = inf.readline()
 
236
        if hdr != CACHE_HEADER:
 
237
            mutter('cache header marker not found at top of %s; discarding cache'
 
238
                   % fn)
 
239
            self.needs_write = True
 
240
            return
 
241
 
 
242
        for l in inf:
 
243
            pos = l.index('// ')
 
244
            path = l[:pos].decode('utf-8')
 
245
            if path in self._cache:
 
246
                warning('duplicated path %r in cache' % path)
 
247
                continue
 
248
 
 
249
            pos += 3
 
250
            fields = l[pos:].split(' ')
 
251
            if len(fields) != 7:
 
252
                warning("bad line in hashcache: %r" % l)
 
253
                continue
 
254
 
 
255
            sha1 = fields[0]
 
256
            if len(sha1) != 40:
 
257
                warning("bad sha1 in hashcache: %r" % sha1)
 
258
                continue
 
259
 
 
260
            fp = tuple(map(long, fields[1:]))
 
261
 
 
262
            self._cache[path] = (sha1, fp)
 
263
 
 
264
        self.needs_write = False
 
265
           
 
266
 
 
267
 
 
268