~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Alexander Belchenko
  • Date: 2007-01-24 13:03:32 UTC
  • mto: This revision was merged to the branch mainline in revision 2242.
  • Revision ID: bialix@ukr.net-20070124130332-ane2eqz3eqrtm9u1
Use new API for testing

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2005, 2006 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# out-of-date.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
 
 
46
 
 
47
class HashCache(object):
 
48
    """Cache for looking up file SHA-1.
 
49
 
 
50
    Files are considered to match the cached value if the fingerprint
 
51
    of the file has not changed.  This includes its mtime, ctime,
 
52
    device number, inode number, and size.  This should catch
 
53
    modifications or replacement of the file by a new one.
 
54
 
 
55
    This may not catch modifications that do not change the file's
 
56
    size and that occur within the resolution window of the
 
57
    timestamps.  To handle this we specifically do not cache files
 
58
    which have changed since the start of the present second, since
 
59
    they could undetectably change again.
 
60
 
 
61
    This scheme may fail if the machine's clock steps backwards.
 
62
    Don't do that.
 
63
 
 
64
    This does not canonicalize the paths passed in; that should be
 
65
    done by the caller.
 
66
 
 
67
    _cache
 
68
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
 
69
        and its fingerprint.
 
70
 
 
71
    stat_count
 
72
        number of times files have been statted
 
73
 
 
74
    hit_count
 
75
        number of times files have been retrieved from the cache, avoiding a
 
76
        re-read
 
77
        
 
78
    miss_count
 
79
        number of misses (times files have been completely re-read)
 
80
    """
 
81
    needs_write = False
 
82
 
 
83
    def __init__(self, root, cache_file_name, mode=None):
 
84
        """Create a hash cache in base dir, and set the file mode to mode."""
 
85
        self.root = safe_unicode(root)
 
86
        self.hit_count = 0
 
87
        self.miss_count = 0
 
88
        self.stat_count = 0
 
89
        self.danger_count = 0
 
90
        self.removed_count = 0
 
91
        self.update_count = 0
 
92
        self._cache = {}
 
93
        self._mode = mode
 
94
        self._cache_file_name = safe_unicode(cache_file_name)
 
95
 
 
96
    def cache_file_name(self):
 
97
        return self._cache_file_name
 
98
 
 
99
    def clear(self):
 
100
        """Discard all cached information.
 
101
 
 
102
        This does not reset the counters."""
 
103
        if self._cache:
 
104
            self.needs_write = True
 
105
            self._cache = {}
 
106
 
 
107
    def scan(self):
 
108
        """Scan all files and remove entries where the cache entry is obsolete.
 
109
        
 
110
        Obsolete entries are those where the file has been modified or deleted
 
111
        since the entry was inserted.        
 
112
        """
 
113
        # FIXME optimisation opportunity, on linux [and check other oses]:
 
114
        # rather than iteritems order, stat in inode order.
 
115
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
 
116
        prep.sort()
 
117
        
 
118
        for inum, path, cache_entry in prep:
 
119
            abspath = pathjoin(self.root, path)
 
120
            fp = self._fingerprint(abspath)
 
121
            self.stat_count += 1
 
122
            
 
123
            cache_fp = cache_entry[1]
 
124
    
 
125
            if (not fp) or (cache_fp != fp):
 
126
                # not here or not a regular file anymore
 
127
                self.removed_count += 1
 
128
                self.needs_write = True
 
129
                del self._cache[path]
 
130
 
 
131
    def get_sha1(self, path, stat_value=None):
 
132
        """Return the sha1 of a file.
 
133
        """
 
134
        abspath = pathjoin(self.root, path)
 
135
        self.stat_count += 1
 
136
        file_fp = self._fingerprint(abspath, stat_value)
 
137
        
 
138
        if not file_fp:
 
139
            # not a regular file or not existing
 
140
            if path in self._cache:
 
141
                self.removed_count += 1
 
142
                self.needs_write = True
 
143
                del self._cache[path]
 
144
            return None        
 
145
 
 
146
        if path in self._cache:
 
147
            cache_sha1, cache_fp = self._cache[path]
 
148
        else:
 
149
            cache_sha1, cache_fp = None, None
 
150
 
 
151
        if cache_fp == file_fp:
 
152
            ## mutter("hashcache hit for %s %r -> %s", path, file_fp, cache_sha1)
 
153
            ## mutter("now = %s", time.time())
 
154
            self.hit_count += 1
 
155
            return cache_sha1
 
156
        
 
157
        self.miss_count += 1
 
158
 
 
159
        mode = file_fp[FP_MODE_COLUMN]
 
160
        if stat.S_ISREG(mode):
 
161
            digest = self._really_sha1_file(abspath)
 
162
        elif stat.S_ISLNK(mode):
 
163
            digest = sha.new(os.readlink(abspath)).hexdigest()
 
164
        else:
 
165
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
 
166
 
 
167
        # window of 3 seconds to allow for 2s resolution on windows,
 
168
        # unsynchronized file servers, etc.
 
169
        cutoff = self._cutoff_time()
 
170
        if file_fp[FP_MTIME_COLUMN] >= cutoff \
 
171
                or file_fp[FP_CTIME_COLUMN] >= cutoff:
 
172
            # changed too recently; can't be cached.  we can
 
173
            # return the result and it could possibly be cached
 
174
            # next time.
 
175
            #
 
176
            # the point is that we only want to cache when we are sure that any
 
177
            # subsequent modifications of the file can be detected.  If a
 
178
            # modification neither changes the inode, the device, the size, nor
 
179
            # the mode, then we can only distinguish it by time; therefore we
 
180
            # need to let sufficient time elapse before we may cache this entry
 
181
            # again.  If we didn't do this, then, for example, a very quick 1
 
182
            # byte replacement in the file might go undetected.
 
183
            ## mutter('%r modified too recently; not caching', path)
 
184
            self.danger_count += 1
 
185
            if cache_fp:
 
186
                self.removed_count += 1
 
187
                self.needs_write = True
 
188
                del self._cache[path]
 
189
        else:
 
190
            ## mutter('%r added to cache: now=%f, mtime=%d, ctime=%d',
 
191
            ##        path, time.time(), file_fp[FP_MTIME_COLUMN],
 
192
            ##        file_fp[FP_CTIME_COLUMN])
 
193
            self.update_count += 1
 
194
            self.needs_write = True
 
195
            self._cache[path] = (digest, file_fp)
 
196
        return digest
 
197
 
 
198
    def _really_sha1_file(self, abspath):
 
199
        """Calculate the SHA1 of a file by reading the full text"""
 
200
        return sha_file(file(abspath, 'rb', buffering=65000))
 
201
        
 
202
    def write(self):
 
203
        """Write contents of cache to file."""
 
204
        outf = AtomicFile(self.cache_file_name(), 'wb', new_mode=self._mode)
 
205
        try:
 
206
            outf.write(CACHE_HEADER)
 
207
 
 
208
            for path, c  in self._cache.iteritems():
 
209
                assert '//' not in path, path
 
210
                line_info = [path.encode('utf-8'), '// ', c[0], ' ']
 
211
                line_info.append(' '.join([str(fld) for fld in c[1]]))
 
212
                line_info.append('\n')
 
213
                outf.write(''.join(line_info))
 
214
            outf.commit()
 
215
            self.needs_write = False
 
216
            ## mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
 
217
            ##        self.cache_file_name(), self.hit_count, self.miss_count,
 
218
            ##        self.stat_count,
 
219
            ##        self.danger_count, self.update_count)
 
220
        finally:
 
221
            outf.close()
 
222
 
 
223
    def read(self):
 
224
        """Reinstate cache from file.
 
225
 
 
226
        Overwrites existing cache.
 
227
 
 
228
        If the cache file has the wrong version marker, this just clears 
 
229
        the cache."""
 
230
        self._cache = {}
 
231
 
 
232
        fn = self.cache_file_name()
 
233
        try:
 
234
            inf = file(fn, 'rb', buffering=65000)
 
235
        except IOError, e:
 
236
            mutter("failed to open %s: %s", fn, e)
 
237
            # better write it now so it is valid
 
238
            self.needs_write = True
 
239
            return
 
240
 
 
241
        hdr = inf.readline()
 
242
        if hdr != CACHE_HEADER:
 
243
            mutter('cache header marker not found at top of %s;'
 
244
                   ' discarding cache', fn)
 
245
            self.needs_write = True
 
246
            return
 
247
 
 
248
        for l in inf:
 
249
            pos = l.index('// ')
 
250
            path = l[:pos].decode('utf-8')
 
251
            if path in self._cache:
 
252
                warning('duplicated path %r in cache' % path)
 
253
                continue
 
254
 
 
255
            pos += 3
 
256
            fields = l[pos:].split(' ')
 
257
            if len(fields) != 7:
 
258
                warning("bad line in hashcache: %r" % l)
 
259
                continue
 
260
 
 
261
            sha1 = fields[0]
 
262
            if len(sha1) != 40:
 
263
                warning("bad sha1 in hashcache: %r" % sha1)
 
264
                continue
 
265
 
 
266
            fp = tuple(map(long, fields[1:]))
 
267
 
 
268
            self._cache[path] = (sha1, fp)
 
269
 
 
270
        self.needs_write = False
 
271
 
 
272
    def _cutoff_time(self):
 
273
        """Return cutoff time.
 
274
 
 
275
        Files modified more recently than this time are at risk of being
 
276
        undetectably modified and so can't be cached.
 
277
        """
 
278
        return int(time.time()) - 3
 
279
           
 
280
    def _fingerprint(self, abspath, stat_value=None):
 
281
        if stat_value is None:
 
282
            try:
 
283
                stat_value = os.lstat(abspath)
 
284
            except OSError:
 
285
                # might be missing, etc
 
286
                return None
 
287
        if stat.S_ISDIR(stat_value.st_mode):
 
288
            return None
 
289
        # we discard any high precision because it's not reliable; perhaps we
 
290
        # could do better on some systems?
 
291
        return (stat_value.st_size, long(stat_value.st_mtime),
 
292
                long(stat_value.st_ctime), stat_value.st_ino, 
 
293
                stat_value.st_dev, stat_value.st_mode)