~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Robert Collins
  • Date: 2006-05-24 08:14:45 UTC
  • mfrom: (1725.1.1 benchmark)
  • mto: (1725.2.6 commit)
  • mto: This revision was merged to the branch mainline in revision 1729.
  • Revision ID: robertc@robertcollins.net-20060524081445-c046b4406ffc8dfa
(rbc)Merge in benchmark --lsprof-timed lsprofiling feature. (Robert Collins, Martin Pool).

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2005, 2006 by 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# out-of-date.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, pathjoin, safe_unicode
 
36
from bzrlib.trace import mutter, warning
 
37
from bzrlib.atomicfile import AtomicFile
 
38
from bzrlib.errors import BzrError
 
39
 
 
40
 
 
41
FP_MTIME_COLUMN = 1
 
42
FP_CTIME_COLUMN = 2
 
43
FP_MODE_COLUMN = 5
 
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)
 
59
 
 
60
 
 
61
class HashCache(object):
 
62
    """Cache for looking up file SHA-1.
 
63
 
 
64
    Files are considered to match the cached value if the fingerprint
 
65
    of the file has not changed.  This includes its mtime, ctime,
 
66
    device number, inode number, and size.  This should catch
 
67
    modifications or replacement of the file by a new one.
 
68
 
 
69
    This may not catch modifications that do not change the file's
 
70
    size and that occur within the resolution window of the
 
71
    timestamps.  To handle this we specifically do not cache files
 
72
    which have changed since the start of the present second, since
 
73
    they could undetectably change again.
 
74
 
 
75
    This scheme may fail if the machine's clock steps backwards.
 
76
    Don't do that.
 
77
 
 
78
    This does not canonicalize the paths passed in; that should be
 
79
    done by the caller.
 
80
 
 
81
    _cache
 
82
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
 
83
        and its fingerprint.
 
84
 
 
85
    stat_count
 
86
        number of times files have been statted
 
87
 
 
88
    hit_count
 
89
        number of times files have been retrieved from the cache, avoiding a
 
90
        re-read
 
91
        
 
92
    miss_count
 
93
        number of misses (times files have been completely re-read)
 
94
    """
 
95
    needs_write = False
 
96
 
 
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)
 
100
        self.hit_count = 0
 
101
        self.miss_count = 0
 
102
        self.stat_count = 0
 
103
        self.danger_count = 0
 
104
        self.removed_count = 0
 
105
        self.update_count = 0
 
106
        self._cache = {}
 
107
        self._mode = mode
 
108
        self._cache_file_name = safe_unicode(cache_file_name)
 
109
 
 
110
    def cache_file_name(self):
 
111
        return self._cache_file_name
 
112
 
 
113
    def clear(self):
 
114
        """Discard all cached information.
 
115
 
 
116
        This does not reset the counters."""
 
117
        if self._cache:
 
118
            self.needs_write = True
 
119
            self._cache = {}
 
120
 
 
121
    def scan(self):
 
122
        """Scan all files and remove entries where the cache entry is obsolete.
 
123
        
 
124
        Obsolete entries are those where the file has been modified or deleted
 
125
        since the entry was inserted.        
 
126
        """
 
127
        # FIXME optimisation opportunity, on linux [and check other oses]:
 
128
        # rather than iteritems order, stat in inode order.
 
129
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
 
130
        prep.sort()
 
131
        
 
132
        for inum, path, cache_entry in prep:
 
133
            abspath = pathjoin(self.root, path)
 
134
            fp = _fingerprint(abspath)
 
135
            self.stat_count += 1
 
136
            
 
137
            cache_fp = cache_entry[1]
 
138
    
 
139
            if (not fp) or (cache_fp != fp):
 
140
                # not here or not a regular file anymore
 
141
                self.removed_count += 1
 
142
                self.needs_write = True
 
143
                del self._cache[path]
 
144
 
 
145
 
 
146
    def get_sha1(self, path):
 
147
        """Return the sha1 of a file.
 
148
        """
 
149
        abspath = pathjoin(self.root, path)
 
150
        self.stat_count += 1
 
151
        file_fp = _fingerprint(abspath)
 
152
        
 
153
        if not file_fp:
 
154
            # not a regular file or not existing
 
155
            if path in self._cache:
 
156
                self.removed_count += 1
 
157
                self.needs_write = True
 
158
                del self._cache[path]
 
159
            return None        
 
160
 
 
161
        if path in self._cache:
 
162
            cache_sha1, cache_fp = self._cache[path]
 
163
        else:
 
164
            cache_sha1, cache_fp = None, None
 
165
 
 
166
        if cache_fp == file_fp:
 
167
            self.hit_count += 1
 
168
            return cache_sha1
 
169
        
 
170
        self.miss_count += 1
 
171
 
 
172
 
 
173
        mode = file_fp[FP_MODE_COLUMN]
 
174
        if stat.S_ISREG(mode):
 
175
            digest = sha_file(file(abspath, 'rb', buffering=65000))
 
176
        elif stat.S_ISLNK(mode):
 
177
            digest = sha.new(os.readlink(abspath)).hexdigest()
 
178
        else:
 
179
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
 
180
 
 
181
        now = int(time.time())
 
182
        if file_fp[FP_MTIME_COLUMN] >= now or file_fp[FP_CTIME_COLUMN] >= now:
 
183
            # changed too recently; can't be cached.  we can
 
184
            # return the result and it could possibly be cached
 
185
            # next time.
 
186
            #
 
187
            # the point is that we only want to cache when we are sure that any
 
188
            # subsequent modifications of the file can be detected.  If a
 
189
            # modification neither changes the inode, the device, the size, nor
 
190
            # the mode, then we can only distinguish it by time; therefore we
 
191
            # need to let sufficient time elapse before we may cache this entry
 
192
            # again.  If we didn't do this, then, for example, a very quick 1
 
193
            # byte replacement in the file might go undetected.
 
194
            self.danger_count += 1 
 
195
            if cache_fp:
 
196
                self.removed_count += 1
 
197
                self.needs_write = True
 
198
                del self._cache[path]
 
199
        else:
 
200
            self.update_count += 1
 
201
            self.needs_write = True
 
202
            self._cache[path] = (digest, file_fp)
 
203
        return digest
 
204
        
 
205
    def write(self):
 
206
        """Write contents of cache to file."""
 
207
        outf = AtomicFile(self.cache_file_name(), 'wb', new_mode=self._mode)
 
208
        try:
 
209
            print >>outf, CACHE_HEADER,
 
210
 
 
211
            for path, c  in self._cache.iteritems():
 
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
            outf.commit()
 
220
            self.needs_write = False
 
221
            mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
 
222
                   self.cache_file_name(), self.hit_count, self.miss_count,
 
223
                   self.stat_count,
 
224
                   self.danger_count, self.update_count)
 
225
        finally:
 
226
            if not outf.closed:
 
227
                outf.abort()
 
228
 
 
229
    def read(self):
 
230
        """Reinstate cache from file.
 
231
 
 
232
        Overwrites existing cache.
 
233
 
 
234
        If the cache file has the wrong version marker, this just clears 
 
235
        the cache."""
 
236
        self._cache = {}
 
237
 
 
238
        fn = self.cache_file_name()
 
239
        try:
 
240
            inf = file(fn, 'rb', buffering=65000)
 
241
        except IOError, e:
 
242
            mutter("failed to open %s: %s", fn, e)
 
243
            # better write it now so it is valid
 
244
            self.needs_write = True
 
245
            return
 
246
 
 
247
 
 
248
        hdr = inf.readline()
 
249
        if hdr != CACHE_HEADER:
 
250
            mutter('cache header marker not found at top of %s;'
 
251
                   ' discarding cache', fn)
 
252
            self.needs_write = True
 
253
            return
 
254
 
 
255
        for l in inf:
 
256
            pos = l.index('// ')
 
257
            path = l[:pos].decode('utf-8')
 
258
            if path in self._cache:
 
259
                warning('duplicated path %r in cache' % path)
 
260
                continue
 
261
 
 
262
            pos += 3
 
263
            fields = l[pos:].split(' ')
 
264
            if len(fields) != 7:
 
265
                warning("bad line in hashcache: %r" % l)
 
266
                continue
 
267
 
 
268
            sha1 = fields[0]
 
269
            if len(sha1) != 40:
 
270
                warning("bad sha1 in hashcache: %r" % sha1)
 
271
                continue
 
272
 
 
273
            fp = tuple(map(long, fields[1:]))
 
274
 
 
275
            self._cache[path] = (sha1, fp)
 
276
 
 
277
        self.needs_write = False
 
278
           
 
279
 
 
280
 
 
281