~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/index.py

  • Committer: Canonical.com Patch Queue Manager
  • Date: 2007-07-17 11:02:03 UTC
  • mfrom: (2592.1.46 index)
  • Revision ID: pqm@pqm.ubuntu.com-20070717110203-zzmtp28nunhsoz12
(robertc) New indexing facilities for maintaining dedicated indices within bzr.

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2007 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
"""Indexing facilities."""
 
18
 
 
19
__all__ = [
 
20
    'CombinedGraphIndex',
 
21
    'GraphIndex',
 
22
    'GraphIndexBuilder',
 
23
    'InMemoryGraphIndex',
 
24
    ]
 
25
 
 
26
from cStringIO import StringIO
 
27
import re
 
28
 
 
29
from bzrlib import errors
 
30
 
 
31
_OPTION_NODE_REFS = "node_ref_lists="
 
32
_SIGNATURE = "Bazaar Graph Index 1\n"
 
33
 
 
34
 
 
35
_whitespace_re = re.compile('[\t\n\x0b\x0c\r\x00 ]')
 
36
_newline_null_re = re.compile('[\n\0]')
 
37
 
 
38
 
 
39
class GraphIndexBuilder(object):
 
40
    """A builder that can build a GraphIndex.
 
41
    
 
42
    The resulting graph has the structure:
 
43
    
 
44
    _SIGNATURE OPTIONS NODES NEWLINE
 
45
    _SIGNATURE     := 'Bazaar Graph Index 1' NEWLINE
 
46
    OPTIONS        := 'node_ref_lists=' DIGITS NEWLINE
 
47
    NODES          := NODE*
 
48
    NODE           := KEY NULL ABSENT? NULL REFERENCES NULL VALUE NEWLINE
 
49
    KEY            := Not-whitespace-utf8
 
50
    ABSENT         := 'a'
 
51
    REFERENCES     := REFERENCE_LIST (TAB REFERENCE_LIST){node_ref_lists - 1}
 
52
    REFERENCE_LIST := (REFERENCE (CR REFERENCE)*)?
 
53
    REFERENCE      := DIGITS  ; digits is the byte offset in the index of the
 
54
                              ; referenced key.
 
55
    VALUE          := no-newline-no-null-bytes
 
56
    """
 
57
 
 
58
    def __init__(self, reference_lists=0):
 
59
        """Create a GraphIndex builder.
 
60
 
 
61
        :param reference_lists: The number of node references lists for each
 
62
            entry.
 
63
        """
 
64
        self.reference_lists = reference_lists
 
65
        self._nodes = {}
 
66
 
 
67
    def add_node(self, key, value, references=()):
 
68
        """Add a node to the index.
 
69
 
 
70
        :param key: The key. keys must be whitespace-free utf8.
 
71
        :param references: An iterable of iterables of keys. Each is a
 
72
            reference to another key.
 
73
        :param value: The value to associate with the key. It may be any
 
74
            bytes as long as it does not contain \0 or \n.
 
75
        """
 
76
        if not key or _whitespace_re.search(key) is not None:
 
77
            raise errors.BadIndexKey(key)
 
78
        if _newline_null_re.search(value) is not None:
 
79
            raise errors.BadIndexValue(value)
 
80
        if len(references) != self.reference_lists:
 
81
            raise errors.BadIndexValue(references)
 
82
        node_refs = []
 
83
        for reference_list in references:
 
84
            for reference in reference_list:
 
85
                if _whitespace_re.search(reference) is not None:
 
86
                    raise errors.BadIndexKey(reference)
 
87
                if reference not in self._nodes:
 
88
                    self._nodes[reference] = ('a', (), '')
 
89
            node_refs.append(tuple(reference_list))
 
90
        if key in self._nodes and self._nodes[key][0] == '':
 
91
            raise errors.BadIndexDuplicateKey(key, self)
 
92
        self._nodes[key] = ('', tuple(node_refs), value)
 
93
 
 
94
    def finish(self):
 
95
        lines = [_SIGNATURE]
 
96
        lines.append(_OPTION_NODE_REFS + str(self.reference_lists) + '\n')
 
97
        prefix_length = len(lines[0]) + len(lines[1])
 
98
        # references are byte offsets. To avoid having to do nasty
 
99
        # polynomial work to resolve offsets (references to later in the 
 
100
        # file cannot be determined until all the inbetween references have
 
101
        # been calculated too) we pad the offsets with 0's to make them be
 
102
        # of consistent length. Using binary offsets would break the trivial
 
103
        # file parsing.
 
104
        # to calculate the width of zero's needed we do three passes:
 
105
        # one to gather all the non-reference data and the number of references.
 
106
        # one to pad all the data with reference-length and determine entry
 
107
        # addresses.
 
108
        # One to serialise.
 
109
        
 
110
        # forward sorted by key. In future we may consider topological sorting,
 
111
        # at the cost of table scans for direct lookup, or a second index for
 
112
        # direct lookup
 
113
        nodes = sorted(self._nodes.items())
 
114
        # if we do not prepass, we don't know how long it will be up front.
 
115
        expected_bytes = None
 
116
        # we only need to pre-pass if we have reference lists at all.
 
117
        if self.reference_lists:
 
118
            key_offset_info = []
 
119
            non_ref_bytes = prefix_length
 
120
            total_references = 0
 
121
            # TODO use simple multiplication for the constants in this loop.
 
122
            for key, (absent, references, value) in nodes:
 
123
                # record the offset known *so far* for this key:
 
124
                # the non reference bytes to date, and the total references to
 
125
                # date - saves reaccumulating on the second pass
 
126
                key_offset_info.append((key, non_ref_bytes, total_references))
 
127
                # key is literal, value is literal, there are 3 null's, 1 NL
 
128
                non_ref_bytes += len(key) + len(value) + 3 + 1
 
129
                # one byte for absent if set.
 
130
                if absent:
 
131
                    non_ref_bytes += 1
 
132
                elif self.reference_lists:
 
133
                    # (ref_lists -1) tabs
 
134
                    non_ref_bytes += self.reference_lists - 1
 
135
                    # (ref-1 cr's per ref_list)
 
136
                    for ref_list in references:
 
137
                        # how many references across the whole file?
 
138
                        total_references += len(ref_list)
 
139
                        # accrue reference separators
 
140
                        if ref_list:
 
141
                            non_ref_bytes += len(ref_list) - 1
 
142
            # how many digits are needed to represent the total byte count?
 
143
            digits = 1
 
144
            possible_total_bytes = non_ref_bytes + total_references*digits
 
145
            while 10 ** digits < possible_total_bytes:
 
146
                digits += 1
 
147
                possible_total_bytes = non_ref_bytes + total_references*digits
 
148
            expected_bytes = possible_total_bytes + 1 # terminating newline
 
149
            # resolve key addresses.
 
150
            key_addresses = {}
 
151
            for key, non_ref_bytes, total_references in key_offset_info:
 
152
                key_addresses[key] = non_ref_bytes + total_references*digits
 
153
            # serialise
 
154
            format_string = '%%0%sd' % digits
 
155
        for key, (absent, references, value) in nodes:
 
156
            flattened_references = []
 
157
            for ref_list in references:
 
158
                ref_addresses = []
 
159
                for reference in ref_list:
 
160
                    ref_addresses.append(format_string % key_addresses[reference])
 
161
                flattened_references.append('\r'.join(ref_addresses))
 
162
            lines.append("%s\0%s\0%s\0%s\n" % (key, absent,
 
163
                '\t'.join(flattened_references), value))
 
164
        lines.append('\n')
 
165
        result = StringIO(''.join(lines))
 
166
        if expected_bytes and len(result.getvalue()) != expected_bytes:
 
167
            raise errors.BzrError('Failed index creation. Internal error:'
 
168
                ' mismatched output length and expected length: %d %d' %
 
169
                (len(result.getvalue()), expected_bytes))
 
170
        return StringIO(''.join(lines))
 
171
 
 
172
 
 
173
class GraphIndex(object):
 
174
    """An index for data with embedded graphs.
 
175
 
 
176
    The index maps keys to a list of key reference lists, and a value.
 
177
    Each node has the same number of key reference lists. Each key reference
 
178
    list can be empty or an arbitrary length. The value is an opaque NULL
 
179
    terminated string without any newlines. The storage of the index is 
 
180
    hidden in the interface: keys and key references are always bytestrings,
 
181
    never the internal representation (e.g. dictionary offsets).
 
182
 
 
183
    It is presumed that the index will not be mutated - it is static data.
 
184
 
 
185
    Successive iter_all_entries calls will read the entire index each time.
 
186
    Additionally, iter_entries calls will read the index linearly until the
 
187
    desired keys are found. XXX: This must be fixed before the index is
 
188
    suitable for production use. :XXX
 
189
    """
 
190
 
 
191
    def __init__(self, transport, name):
 
192
        """Open an index called name on transport.
 
193
 
 
194
        :param transport: A bzrlib.transport.Transport.
 
195
        :param name: A path to provide to transport API calls.
 
196
        """
 
197
        self._transport = transport
 
198
        self._name = name
 
199
 
 
200
    def iter_all_entries(self):
 
201
        """Iterate over all keys within the index.
 
202
 
 
203
        :return: An iterable of (key, value) or (key, value, reference_lists).
 
204
            The former tuple is used when there are no reference lists in the
 
205
            index, making the API compatible with simple key:value index types.
 
206
            There is no defined order for the result iteration - it will be in
 
207
            the most efficient order for the index.
 
208
        """
 
209
        stream = self._transport.get(self._name)
 
210
        self._read_prefix(stream)
 
211
        line_count = 0
 
212
        self.keys_by_offset = {}
 
213
        trailers = 0
 
214
        pos = stream.tell()
 
215
        for line in stream.readlines():
 
216
            if line == '\n':
 
217
                trailers += 1
 
218
                continue
 
219
            key, absent, references, value = line.split('\0')
 
220
            value = value[:-1] # remove the newline
 
221
            ref_lists = []
 
222
            for ref_string in references.split('\t'):
 
223
                ref_lists.append(tuple([
 
224
                    int(ref) for ref in ref_string.split('\r') if ref
 
225
                    ]))
 
226
            ref_lists = tuple(ref_lists)
 
227
            self.keys_by_offset[pos] = (key, absent, ref_lists, value)
 
228
            pos += len(line)
 
229
        for key, absent, references, value in self.keys_by_offset.itervalues():
 
230
            if absent:
 
231
                continue
 
232
            # resolve references:
 
233
            if self.node_ref_lists:
 
234
                node_refs = []
 
235
                for ref_list in references:
 
236
                    node_refs.append(tuple([self.keys_by_offset[ref][0] for ref in ref_list]))
 
237
                yield (key, value, tuple(node_refs))
 
238
            else:
 
239
                yield (key, value)
 
240
        if trailers != 1:
 
241
            # there must be one line - the empty trailer line.
 
242
            raise errors.BadIndexData(self)
 
243
 
 
244
    def _read_prefix(self, stream):
 
245
        signature = stream.read(len(self._signature()))
 
246
        if not signature == self._signature():
 
247
            raise errors.BadIndexFormatSignature(self._name, GraphIndex)
 
248
        options_line = stream.readline()
 
249
        if not options_line.startswith(_OPTION_NODE_REFS):
 
250
            raise errors.BadIndexOptions(self)
 
251
        try:
 
252
            self.node_ref_lists = int(options_line[len(_OPTION_NODE_REFS):-1])
 
253
        except ValueError:
 
254
            raise errors.BadIndexOptions(self)
 
255
 
 
256
    def iter_entries(self, keys):
 
257
        """Iterate over keys within the index.
 
258
 
 
259
        :param keys: An iterable providing the keys to be retrieved.
 
260
        :return: An iterable as per iter_all_entries, but restricted to the
 
261
            keys supplied. No additional keys will be returned, and every
 
262
            key supplied that is in the index will be returned.
 
263
        """
 
264
        keys = set(keys)
 
265
        if not keys:
 
266
            return
 
267
        for node in self.iter_all_entries():
 
268
            if not keys:
 
269
                return
 
270
            if node[0] in keys:
 
271
                yield node
 
272
                keys.remove(node[0])
 
273
 
 
274
    def _signature(self):
 
275
        """The file signature for this index type."""
 
276
        return _SIGNATURE
 
277
 
 
278
    def validate(self):
 
279
        """Validate that everything in the index can be accessed."""
 
280
        # iter_all validates completely at the moment, so just do that.
 
281
        for node in self.iter_all_entries():
 
282
            pass
 
283
 
 
284
 
 
285
class CombinedGraphIndex(object):
 
286
    """A GraphIndex made up from smaller GraphIndices.
 
287
    
 
288
    The backing indices must implement GraphIndex, and are presumed to be
 
289
    static data.
 
290
 
 
291
    Queries against the combined index will be made against the first index,
 
292
    and then the second and so on. The order of index's can thus influence
 
293
    performance significantly. For example, if one index is on local disk and a
 
294
    second on a remote server, the local disk index should be before the other
 
295
    in the index list.
 
296
    """
 
297
 
 
298
    def __init__(self, indices):
 
299
        """Create a CombinedGraphIndex backed by indices.
 
300
 
 
301
        :param indices: An ordered list of indices to query for data.
 
302
        """
 
303
        self._indices = indices
 
304
 
 
305
    def insert_index(self, pos, index):
 
306
        """Insert a new index in the list of indices to query.
 
307
 
 
308
        :param pos: The position to insert the index.
 
309
        :param index: The index to insert.
 
310
        """
 
311
        self._indices.insert(pos, index)
 
312
 
 
313
    def iter_all_entries(self):
 
314
        """Iterate over all keys within the index
 
315
 
 
316
        Duplicate keys across child indices are presumed to have the same
 
317
        value and are only reported once.
 
318
 
 
319
        :return: An iterable of (key, reference_lists, value). There is no
 
320
            defined order for the result iteration - it will be in the most
 
321
            efficient order for the index.
 
322
        """
 
323
        seen_keys = set()
 
324
        for index in self._indices:
 
325
            for node in index.iter_all_entries():
 
326
                if node[0] not in seen_keys:
 
327
                    yield node
 
328
                    seen_keys.add(node[0])
 
329
 
 
330
    def iter_entries(self, keys):
 
331
        """Iterate over keys within the index.
 
332
 
 
333
        Duplicate keys across child indices are presumed to have the same
 
334
        value and are only reported once.
 
335
 
 
336
        :param keys: An iterable providing the keys to be retrieved.
 
337
        :return: An iterable of (key, reference_lists, value). There is no
 
338
            defined order for the result iteration - it will be in the most
 
339
            efficient order for the index.
 
340
        """
 
341
        keys = set(keys)
 
342
        for index in self._indices:
 
343
            if not keys:
 
344
                return
 
345
            for node in index.iter_entries(keys):
 
346
                keys.remove(node[0])
 
347
                yield node
 
348
 
 
349
    def validate(self):
 
350
        """Validate that everything in the index can be accessed."""
 
351
        for index in self._indices:
 
352
            index.validate()
 
353
 
 
354
 
 
355
class InMemoryGraphIndex(GraphIndexBuilder):
 
356
    """A GraphIndex which operates entirely out of memory and is mutable.
 
357
 
 
358
    This is designed to allow the accumulation of GraphIndex entries during a
 
359
    single write operation, where the accumulated entries need to be immediately
 
360
    available - for example via a CombinedGraphIndex.
 
361
    """
 
362
 
 
363
    def add_nodes(self, nodes):
 
364
        """Add nodes to the index.
 
365
 
 
366
        :param nodes: An iterable of (key, node_refs, value) entries to add.
 
367
        """
 
368
        for (key, value, node_refs) in nodes:
 
369
            self.add_node(key, value, node_refs)
 
370
 
 
371
    def iter_all_entries(self):
 
372
        """Iterate over all keys within the index
 
373
 
 
374
        :return: An iterable of (key, reference_lists, value). There is no
 
375
            defined order for the result iteration - it will be in the most
 
376
            efficient order for the index (in this case dictionary hash order).
 
377
        """
 
378
        if self.reference_lists:
 
379
            for key, (absent, references, value) in self._nodes.iteritems():
 
380
                if not absent:
 
381
                    yield key, value, references
 
382
        else:
 
383
            for key, (absent, references, value) in self._nodes.iteritems():
 
384
                if not absent:
 
385
                    yield key, value
 
386
 
 
387
    def iter_entries(self, keys):
 
388
        """Iterate over keys within the index.
 
389
 
 
390
        :param keys: An iterable providing the keys to be retrieved.
 
391
        :return: An iterable of (key, reference_lists, value). There is no
 
392
            defined order for the result iteration - it will be in the most
 
393
            efficient order for the index (keys iteration order in this case).
 
394
        """
 
395
        keys = set(keys)
 
396
        if self.reference_lists:
 
397
            for key in keys.intersection(self._nodes):
 
398
                node = self._nodes[key]
 
399
                if not node[0]:
 
400
                    yield key, node[2], node[1]
 
401
        else:
 
402
            for key in keys.intersection(self._nodes):
 
403
                node = self._nodes[key]
 
404
                if not node[0]:
 
405
                    yield key, node[2]
 
406
 
 
407
    def validate(self):
 
408
        """In memory index's have no known corruption at the moment."""