~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

[merge] robert's knit-performance work

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# Copyright (C) 2005-2010 Canonical Ltd
2
 
#
 
1
# (C) 2005 Canonical Ltd
 
2
 
3
3
# This program is free software; you can redistribute it and/or modify
4
4
# it under the terms of the GNU General Public License as published by
5
5
# the Free Software Foundation; either version 2 of the License, or
6
6
# (at your option) any later version.
7
 
#
 
7
 
8
8
# This program is distributed in the hope that it will be useful,
9
9
# but WITHOUT ANY WARRANTY; without even the implied warranty of
10
10
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
11
11
# GNU General Public License for more details.
12
 
#
 
12
 
13
13
# You should have received a copy of the GNU General Public License
14
14
# along with this program; if not, write to the Free Software
15
 
# Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
 
15
# Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
16
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# out-of-date.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
 
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# out-of-date.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
20
# it preserves the nice property that any caller will always get up-to-date
21
21
# data except in unavoidable cases.
22
22
 
29
29
 
30
30
CACHE_HEADER = "### bzr hashcache v5\n"
31
31
 
32
 
import os
33
 
import stat
34
 
import time
 
32
import os, stat, time
 
33
import sha
35
34
 
36
 
from bzrlib import (
37
 
    atomicfile,
38
 
    errors,
39
 
    filters as _mod_filters,
40
 
    osutils,
41
 
    trace,
42
 
    )
 
35
from bzrlib.osutils import sha_file, pathjoin, safe_unicode
 
36
from bzrlib.trace import mutter, warning
 
37
from bzrlib.atomicfile import AtomicFile
 
38
from bzrlib.errors import BzrError
43
39
 
44
40
 
45
41
FP_MTIME_COLUMN = 1
46
42
FP_CTIME_COLUMN = 2
47
43
FP_MODE_COLUMN = 5
48
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)
49
59
 
50
60
 
51
61
class HashCache(object):
78
88
    hit_count
79
89
        number of times files have been retrieved from the cache, avoiding a
80
90
        re-read
81
 
 
 
91
        
82
92
    miss_count
83
93
        number of misses (times files have been completely re-read)
84
94
    """
85
95
    needs_write = False
86
96
 
87
 
    def __init__(self, root, cache_file_name, mode=None,
88
 
            content_filter_stack_provider=None):
89
 
        """Create a hash cache in base dir, and set the file mode to mode.
90
 
 
91
 
        :param content_filter_stack_provider: a function that takes a
92
 
            path (relative to the top of the tree) and a file-id as
93
 
            parameters and returns a stack of ContentFilters.
94
 
            If None, no content filtering is performed.
95
 
        """
96
 
        self.root = osutils.safe_unicode(root)
97
 
        self.root_utf8 = self.root.encode('utf8') # where is the filesystem encoding ?
 
97
    def __init__(self, root, cache_file_name, mode=None):
 
98
        """Create a hash cache in base dir, and set the file mode to mode."""
 
99
        self.root = safe_unicode(root)
98
100
        self.hit_count = 0
99
101
        self.miss_count = 0
100
102
        self.stat_count = 0
103
105
        self.update_count = 0
104
106
        self._cache = {}
105
107
        self._mode = mode
106
 
        self._cache_file_name = osutils.safe_unicode(cache_file_name)
107
 
        self._filter_provider = content_filter_stack_provider
 
108
        self._cache_file_name = safe_unicode(cache_file_name)
108
109
 
109
110
    def cache_file_name(self):
110
111
        return self._cache_file_name
119
120
 
120
121
    def scan(self):
121
122
        """Scan all files and remove entries where the cache entry is obsolete.
122
 
 
 
123
        
123
124
        Obsolete entries are those where the file has been modified or deleted
124
 
        since the entry was inserted.
 
125
        since the entry was inserted.        
125
126
        """
126
127
        # FIXME optimisation opportunity, on linux [and check other oses]:
127
128
        # rather than iteritems order, stat in inode order.
128
129
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
129
130
        prep.sort()
130
 
 
 
131
        
131
132
        for inum, path, cache_entry in prep:
132
 
            abspath = osutils.pathjoin(self.root, path)
133
 
            fp = self._fingerprint(abspath)
 
133
            abspath = pathjoin(self.root, path)
 
134
            fp = _fingerprint(abspath)
134
135
            self.stat_count += 1
135
 
 
 
136
            
136
137
            cache_fp = cache_entry[1]
137
 
 
 
138
    
138
139
            if (not fp) or (cache_fp != fp):
139
140
                # not here or not a regular file anymore
140
141
                self.removed_count += 1
141
142
                self.needs_write = True
142
143
                del self._cache[path]
143
144
 
144
 
    def get_sha1(self, path, stat_value=None):
 
145
 
 
146
    def get_sha1(self, path):
145
147
        """Return the sha1 of a file.
146
148
        """
147
 
        if path.__class__ is str:
148
 
            abspath = osutils.pathjoin(self.root_utf8, path)
149
 
        else:
150
 
            abspath = osutils.pathjoin(self.root, path)
 
149
        abspath = pathjoin(self.root, path)
151
150
        self.stat_count += 1
152
 
        file_fp = self._fingerprint(abspath, stat_value)
153
 
 
 
151
        file_fp = _fingerprint(abspath)
 
152
        
154
153
        if not file_fp:
155
154
            # not a regular file or not existing
156
155
            if path in self._cache:
157
156
                self.removed_count += 1
158
157
                self.needs_write = True
159
158
                del self._cache[path]
160
 
            return None
 
159
            return None        
161
160
 
162
161
        if path in self._cache:
163
162
            cache_sha1, cache_fp = self._cache[path]
165
164
            cache_sha1, cache_fp = None, None
166
165
 
167
166
        if cache_fp == file_fp:
168
 
            ## mutter("hashcache hit for %s %r -> %s", path, file_fp, cache_sha1)
169
 
            ## mutter("now = %s", time.time())
170
167
            self.hit_count += 1
171
168
            return cache_sha1
172
 
 
 
169
        
173
170
        self.miss_count += 1
174
171
 
 
172
 
175
173
        mode = file_fp[FP_MODE_COLUMN]
176
174
        if stat.S_ISREG(mode):
177
 
            if self._filter_provider is None:
178
 
                filters = []
179
 
            else:
180
 
                filters = self._filter_provider(path=path, file_id=None)
181
 
            digest = self._really_sha1_file(abspath, filters)
 
175
            digest = sha_file(file(abspath, 'rb', buffering=65000))
182
176
        elif stat.S_ISLNK(mode):
183
 
            target = osutils.readlink(osutils.safe_unicode(abspath))
184
 
            digest = osutils.sha_string(target.encode('UTF-8'))
 
177
            digest = sha.new(os.readlink(abspath)).hexdigest()
185
178
        else:
186
 
            raise errors.BzrError("file %r: unknown file stat mode: %o"
187
 
                                  % (abspath, mode))
 
179
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
188
180
 
189
 
        # window of 3 seconds to allow for 2s resolution on windows,
190
 
        # unsynchronized file servers, etc.
191
 
        cutoff = self._cutoff_time()
192
 
        if file_fp[FP_MTIME_COLUMN] >= cutoff \
193
 
                or file_fp[FP_CTIME_COLUMN] >= cutoff:
 
181
        now = int(time.time())
 
182
        if file_fp[FP_MTIME_COLUMN] >= now or file_fp[FP_CTIME_COLUMN] >= now:
194
183
            # changed too recently; can't be cached.  we can
195
184
            # return the result and it could possibly be cached
196
185
            # next time.
202
191
            # need to let sufficient time elapse before we may cache this entry
203
192
            # again.  If we didn't do this, then, for example, a very quick 1
204
193
            # byte replacement in the file might go undetected.
205
 
            ## mutter('%r modified too recently; not caching', path)
206
 
            self.danger_count += 1
 
194
            self.danger_count += 1 
207
195
            if cache_fp:
208
196
                self.removed_count += 1
209
197
                self.needs_write = True
210
198
                del self._cache[path]
211
199
        else:
212
 
            ## mutter('%r added to cache: now=%f, mtime=%d, ctime=%d',
213
 
            ##        path, time.time(), file_fp[FP_MTIME_COLUMN],
214
 
            ##        file_fp[FP_CTIME_COLUMN])
215
200
            self.update_count += 1
216
201
            self.needs_write = True
217
202
            self._cache[path] = (digest, file_fp)
218
203
        return digest
219
 
 
220
 
    def _really_sha1_file(self, abspath, filters):
221
 
        """Calculate the SHA1 of a file by reading the full text"""
222
 
        return _mod_filters.internal_size_sha_file_byname(abspath, filters)[1]
223
 
 
 
204
        
224
205
    def write(self):
225
206
        """Write contents of cache to file."""
226
 
        outf = atomicfile.AtomicFile(self.cache_file_name(), 'wb',
227
 
                                     new_mode=self._mode)
 
207
        outf = AtomicFile(self.cache_file_name(), 'wb', new_mode=self._mode)
228
208
        try:
229
 
            outf.write(CACHE_HEADER)
 
209
            print >>outf, CACHE_HEADER,
230
210
 
231
211
            for path, c  in self._cache.iteritems():
232
 
                line_info = [path.encode('utf-8'), '// ', c[0], ' ']
233
 
                line_info.append(' '.join([str(fld) for fld in c[1]]))
234
 
                line_info.append('\n')
235
 
                outf.write(''.join(line_info))
 
212
                assert '//' not in path, path
 
213
                outf.write(path.encode('utf-8'))
 
214
                outf.write('// ')
 
215
                print >>outf, c[0],     # hex sha1
 
216
                for fld in c[1]:
 
217
                    print >>outf, "%d" % fld,
 
218
                print >>outf
 
219
 
236
220
            outf.commit()
237
221
            self.needs_write = False
238
 
            ## mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
239
 
            ##        self.cache_file_name(), self.hit_count, self.miss_count,
240
 
            ##        self.stat_count,
241
 
            ##        self.danger_count, self.update_count)
242
222
        finally:
243
 
            outf.close()
 
223
            if not outf.closed:
 
224
                outf.abort()
244
225
 
245
226
    def read(self):
246
227
        """Reinstate cache from file.
247
228
 
248
229
        Overwrites existing cache.
249
230
 
250
 
        If the cache file has the wrong version marker, this just clears
 
231
        If the cache file has the wrong version marker, this just clears 
251
232
        the cache."""
252
233
        self._cache = {}
253
234
 
255
236
        try:
256
237
            inf = file(fn, 'rb', buffering=65000)
257
238
        except IOError, e:
258
 
            trace.mutter("failed to open %s: %s", fn, e)
 
239
            mutter("failed to open %s: %s", fn, e)
259
240
            # better write it now so it is valid
260
241
            self.needs_write = True
261
242
            return
262
243
 
 
244
 
263
245
        hdr = inf.readline()
264
246
        if hdr != CACHE_HEADER:
265
 
            trace.mutter('cache header marker not found at top of %s;'
266
 
                         ' discarding cache', fn)
 
247
            mutter('cache header marker not found at top of %s;'
 
248
                   ' discarding cache', fn)
267
249
            self.needs_write = True
268
250
            return
269
251
 
271
253
            pos = l.index('// ')
272
254
            path = l[:pos].decode('utf-8')
273
255
            if path in self._cache:
274
 
                trace.warning('duplicated path %r in cache' % path)
 
256
                warning('duplicated path %r in cache' % path)
275
257
                continue
276
258
 
277
259
            pos += 3
278
260
            fields = l[pos:].split(' ')
279
261
            if len(fields) != 7:
280
 
                trace.warning("bad line in hashcache: %r" % l)
 
262
                warning("bad line in hashcache: %r" % l)
281
263
                continue
282
264
 
283
265
            sha1 = fields[0]
284
266
            if len(sha1) != 40:
285
 
                trace.warning("bad sha1 in hashcache: %r" % sha1)
 
267
                warning("bad sha1 in hashcache: %r" % sha1)
286
268
                continue
287
269
 
288
270
            fp = tuple(map(long, fields[1:]))
289
271
 
290
272
            self._cache[path] = (sha1, fp)
291
273
 
292
 
        # GZ 2009-09-20: Should really use a try/finally block to ensure close
293
 
        inf.close()
294
 
 
295
274
        self.needs_write = False
296
 
 
297
 
    def _cutoff_time(self):
298
 
        """Return cutoff time.
299
 
 
300
 
        Files modified more recently than this time are at risk of being
301
 
        undetectably modified and so can't be cached.
302
 
        """
303
 
        return int(time.time()) - 3
304
 
 
305
 
    def _fingerprint(self, abspath, stat_value=None):
306
 
        if stat_value is None:
307
 
            try:
308
 
                stat_value = os.lstat(abspath)
309
 
            except OSError:
310
 
                # might be missing, etc
311
 
                return None
312
 
        if stat.S_ISDIR(stat_value.st_mode):
313
 
            return None
314
 
        # we discard any high precision because it's not reliable; perhaps we
315
 
        # could do better on some systems?
316
 
        return (stat_value.st_size, long(stat_value.st_mtime),
317
 
                long(stat_value.st_ctime), stat_value.st_ino,
318
 
                stat_value.st_dev, stat_value.st_mode)
 
275
           
 
276
 
 
277
 
 
278