~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/tuned_gzip.py

 * Various microoptimisations to knit and gzip - reducing function call 
   counts in inner loops, reducing double-handling of data, increasing
   knit header parsing performance, removing 'list.index' calls
   completely etc.
 * changes the data format of knits to remove an extraneous \n in the 
   compressed content data, which lets it be trivially pulled into 
   memory in a single 'readlines()' call.
 * changes the knit repository to use unannotated knits for inventory,
   revisions, and signatures. Also turns off delta-compression for
   revisions and signatures.

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2005, 2006 by Canonical Ltd
 
2
# Written by Robert Collins <robert.collins@canonical.com>
 
3
#
 
4
# This program is free software; you can redistribute it and/or modify
 
5
# it under the terms of the GNU General Public License as published by
 
6
# the Free Software Foundation; either version 2 of the License, or
 
7
# (at your option) any later version.
 
8
#
 
9
# This program is distributed in the hope that it will be useful,
 
10
# but WITHOUT ANY WARRANTY; without even the implied warranty of
 
11
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
 
12
# GNU General Public License for more details.
 
13
#
 
14
# You should have received a copy of the GNU General Public License
 
15
# along with this program; if not, write to the Free Software
 
16
# Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
 
17
 
 
18
"""Bzrlib specific gzip tunings. We plan to feed these to the upstream gzip."""
 
19
 
 
20
# make GzipFile faster:
 
21
import gzip
 
22
from gzip import U32, LOWU32, FEXTRA, FCOMMENT, FNAME, FHCRC
 
23
import sys
 
24
import struct
 
25
import zlib
 
26
 
 
27
__all__ = ["GzipFile"]
 
28
 
 
29
 
 
30
class GzipFile(gzip.GzipFile):
 
31
    """Knit tuned version of GzipFile.
 
32
 
 
33
    This is based on the following lsprof stats:
 
34
    python 2.4 stock GzipFile write:
 
35
    58971      0   5644.3090   2721.4730   gzip:193(write)
 
36
    +58971     0   1159.5530   1159.5530   +<built-in method compress>
 
37
    +176913    0    987.0320    987.0320   +<len>
 
38
    +58971     0    423.1450    423.1450   +<zlib.crc32>
 
39
    +58971     0    353.1060    353.1060   +<method 'write' of 'cStringIO.
 
40
                                            StringO' objects>
 
41
    tuned GzipFile write:
 
42
    58971      0   4477.2590   2103.1120   bzrlib.knit:1250(write)
 
43
    +58971     0   1297.7620   1297.7620   +<built-in method compress>
 
44
    +58971     0    406.2160    406.2160   +<zlib.crc32>
 
45
    +58971     0    341.9020    341.9020   +<method 'write' of 'cStringIO.
 
46
                                            StringO' objects>
 
47
    +58971     0    328.2670    328.2670   +<len>
 
48
 
 
49
 
 
50
    Yes, its only 1.6 seconds, but they add up.
 
51
    """
 
52
 
 
53
    def _add_read_data(self, data):
 
54
        # 4169 calls in 183
 
55
        # temp var for len(data) and switch to +='s.
 
56
        # 4169 in 139
 
57
        len_data = len(data)
 
58
        self.crc = zlib.crc32(data, self.crc)
 
59
        self.extrabuf += data
 
60
        self.extrasize += len_data
 
61
        self.size += len_data
 
62
 
 
63
    def _read(self, size=1024):
 
64
        # various optimisations:
 
65
        # reduces lsprof count from 2500 to 
 
66
        # 8337 calls in 1272, 365 internal
 
67
        if self.fileobj is None:
 
68
            raise EOFError, "Reached EOF"
 
69
 
 
70
        if self._new_member:
 
71
            # If the _new_member flag is set, we have to
 
72
            # jump to the next member, if there is one.
 
73
            #
 
74
            # First, check if we're at the end of the file;
 
75
            # if so, it's time to stop; no more members to read.
 
76
            next_header_bytes = self.fileobj.read(10)
 
77
            if next_header_bytes == '':
 
78
                raise EOFError, "Reached EOF"
 
79
 
 
80
            self._init_read()
 
81
            self._read_gzip_header(next_header_bytes)
 
82
            self.decompress = zlib.decompressobj(-zlib.MAX_WBITS)
 
83
            self._new_member = False
 
84
 
 
85
        # Read a chunk of data from the file
 
86
        buf = self.fileobj.read(size)
 
87
 
 
88
        # If the EOF has been reached, flush the decompression object
 
89
        # and mark this object as finished.
 
90
 
 
91
        if buf == "":
 
92
            self._add_read_data(self.decompress.flush())
 
93
            assert len(self.decompress.unused_data) >= 8, "what does flush do?"
 
94
            self._read_eof()
 
95
            # tell the driving read() call we have stuffed all the data
 
96
            # in self.extrabuf
 
97
            raise EOFError, 'Reached EOF'
 
98
 
 
99
        self._add_read_data(self.decompress.decompress(buf))
 
100
 
 
101
        if self.decompress.unused_data != "":
 
102
            # Ending case: we've come to the end of a member in the file,
 
103
            # so seek back to the start of the data for the next member which
 
104
            # is the length of the decompress objects unused data - the first
 
105
            # 8 bytes for the end crc and size records.
 
106
            #
 
107
            # so seek back to the start of the unused data, finish up
 
108
            # this member, and read a new gzip header.
 
109
            # (The number of bytes to seek back is the length of the unused
 
110
            # data, minus 8 because those 8 bytes are part of this member.
 
111
            seek_length = len (self.decompress.unused_data) - 8
 
112
            if seek_length:
 
113
                assert seek_length > 0
 
114
                self.fileobj.seek(-seek_length, 1)
 
115
 
 
116
            # Check the CRC and file size, and set the flag so we read
 
117
            # a new member on the next call
 
118
            self._read_eof()
 
119
            self._new_member = True
 
120
 
 
121
    def _read_eof(self):
 
122
        """tuned to reduce function calls and eliminate file seeking:
 
123
        pass 1:
 
124
        reduces lsprof count from 800 to 288
 
125
        4168 in 296 
 
126
        avoid U32 call by using struct format L
 
127
        4168 in 200
 
128
        """
 
129
        # We've read to the end of the file, so we should have 8 bytes of 
 
130
        # unused data in the decompressor. If we dont, there is a corrupt file.
 
131
        # We use these 8 bytes to calculate the CRC and the recorded file size.
 
132
        # We then check the that the computed CRC and size of the
 
133
        # uncompressed data matches the stored values.  Note that the size
 
134
        # stored is the true file size mod 2**32.
 
135
        crc32, isize = struct.unpack("<LL", self.decompress.unused_data[0:8])
 
136
        # note that isize is unsigned - it can exceed 2GB
 
137
        if crc32 != U32(self.crc):
 
138
            raise IOError, "CRC check failed"
 
139
        elif isize != LOWU32(self.size):
 
140
            raise IOError, "Incorrect length of data produced"
 
141
 
 
142
    def _read_gzip_header(self, bytes=None):
 
143
        """Supply bytes if the minimum header size is already read.
 
144
        
 
145
        :param bytes: 10 bytes of header data.
 
146
        """
 
147
        """starting cost: 300 in 3998
 
148
        15998 reads from 3998 calls
 
149
        final cost 168
 
150
        """
 
151
        if bytes is None:
 
152
            bytes = self.fileobj.read(10)
 
153
        magic = bytes[0:2]
 
154
        if magic != '\037\213':
 
155
            raise IOError, 'Not a gzipped file'
 
156
        method = ord(bytes[2:3])
 
157
        if method != 8:
 
158
            raise IOError, 'Unknown compression method'
 
159
        flag = ord(bytes[3:4])
 
160
        # modtime = self.fileobj.read(4) (bytes [4:8])
 
161
        # extraflag = self.fileobj.read(1) (bytes[8:9])
 
162
        # os = self.fileobj.read(1) (bytes[9:10])
 
163
        # self.fileobj.read(6)
 
164
 
 
165
        if flag & FEXTRA:
 
166
            # Read & discard the extra field, if present
 
167
            xlen = ord(self.fileobj.read(1))
 
168
            xlen = xlen + 256*ord(self.fileobj.read(1))
 
169
            self.fileobj.read(xlen)
 
170
        if flag & FNAME:
 
171
            # Read and discard a null-terminated string containing the filename
 
172
            while True:
 
173
                s = self.fileobj.read(1)
 
174
                if not s or s=='\000':
 
175
                    break
 
176
        if flag & FCOMMENT:
 
177
            # Read and discard a null-terminated string containing a comment
 
178
            while True:
 
179
                s = self.fileobj.read(1)
 
180
                if not s or s=='\000':
 
181
                    break
 
182
        if flag & FHCRC:
 
183
            self.fileobj.read(2)     # Read & discard the 16-bit header CRC
 
184
 
 
185
    def readline(self, size=-1):
 
186
        """Tuned to remove buffer length calls in _unread and...
 
187
        
 
188
        also removes multiple len(c) calls, inlines _unread,
 
189
        total savings - lsprof 5800 to 5300
 
190
        phase 2:
 
191
        4168 calls in 2233
 
192
        8176 calls to read() in 1684
 
193
        changing the min chunk size to 200 halved all the cache misses
 
194
        leading to a drop to:
 
195
        4168 calls in 1977
 
196
        4168 call to read() in 1646
 
197
        - i.e. just reduced the function call overhead. May be worth 
 
198
          keeping.
 
199
        """
 
200
        if size < 0: size = sys.maxint
 
201
        bufs = []
 
202
        readsize = min(200, size)    # Read from the file in small chunks
 
203
        while True:
 
204
            if size == 0:
 
205
                return "".join(bufs) # Return resulting line
 
206
 
 
207
            # c is the chunk
 
208
            c = self.read(readsize)
 
209
            # number of bytes read
 
210
            len_c = len(c)
 
211
            i = c.find('\n')
 
212
            if size is not None:
 
213
                # We set i=size to break out of the loop under two
 
214
                # conditions: 1) there's no newline, and the chunk is
 
215
                # larger than size, or 2) there is a newline, but the
 
216
                # resulting line would be longer than 'size'.
 
217
                if i==-1 and len_c > size: i=size-1
 
218
                elif size <= i: i = size -1
 
219
 
 
220
            if i >= 0 or c == '':
 
221
                # if i>= 0 we have a newline or have triggered the above
 
222
                # if size is not None condition.
 
223
                # if c == '' its EOF.
 
224
                bufs.append(c[:i+1])    # Add portion of last chunk
 
225
                # -- inlined self._unread --
 
226
                ## self._unread(c[i+1:], len_c - i)   # Push back rest of chunk
 
227
                self.extrabuf = c[i+1:] + self.extrabuf
 
228
                self.extrasize = len_c - i + self.extrasize
 
229
                self.offset -= len_c - i
 
230
                # -- end inlined self._unread --
 
231
                return ''.join(bufs)    # Return resulting line
 
232
 
 
233
            # Append chunk to list, decrease 'size',
 
234
            bufs.append(c)
 
235
            size = size - len_c
 
236
            readsize = min(size, readsize * 2)
 
237
 
 
238
    def readlines(self, sizehint=0):
 
239
        # optimise to avoid all the buffer manipulation
 
240
        # lsprof changed from:
 
241
        # 4168 calls in 5472 with 32000 calls to readline()
 
242
        # to :
 
243
        # 4168 calls in 417.
 
244
        # Negative numbers result in reading all the lines
 
245
        if sizehint <= 0:
 
246
            sizehint = -1
 
247
        content = self.read(sizehint)
 
248
        return content.splitlines(True)
 
249
 
 
250
    def _unread(self, buf, len_buf=None):
 
251
        """tuned to remove unneeded len calls.
 
252
        
 
253
        because this is such an inner routine in readline, and readline is
 
254
        in many inner loops, this has been inlined into readline().
 
255
 
 
256
        The len_buf parameter combined with the reduction in len calls dropped
 
257
        the lsprof ms count for this routine on my test data from 800 to 200 - 
 
258
        a 75% saving.
 
259
        """
 
260
        if len_buf is None:
 
261
            len_buf = len(buf)
 
262
        self.extrabuf = buf + self.extrabuf
 
263
        self.extrasize = len_buf + self.extrasize
 
264
        self.offset -= len_buf
 
265
 
 
266
    def write(self, data):
 
267
        if self.mode != gzip.WRITE:
 
268
            import errno
 
269
            raise IOError(errno.EBADF, "write() on read-only GzipFile object")
 
270
 
 
271
        if self.fileobj is None:
 
272
            raise ValueError, "write() on closed GzipFile object"
 
273
        data_len = len(data)
 
274
        if data_len > 0:
 
275
            self.size = self.size + data_len
 
276
            self.crc = zlib.crc32(data, self.crc)
 
277
            self.fileobj.write( self.compress.compress(data) )
 
278
            self.offset += data_len
 
279
 
 
280
    def writelines(self, lines):
 
281
        # profiling indicated a significant overhead 
 
282
        # calling write for each line.
 
283
        # this batch call is a lot faster :).
 
284
        # (4 seconds to 1 seconds for the sample upgrades I was testing).
 
285
        self.write(''.join(lines))
 
286
 
 
287