~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/tuned_gzip.py

  • Committer: John Arbash Meinel
  • Date: 2007-08-14 19:29:56 UTC
  • mto: This revision was merged to the branch mainline in revision 2698.
  • Revision ID: john@arbash-meinel.com-20070814192956-34h336i5q3m34ods
Switch bzr.dev to 0.91 development

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2005, 2006 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
from cStringIO import StringIO
 
21
 
 
22
# make GzipFile faster:
 
23
import gzip
 
24
from gzip import U32, LOWU32, FEXTRA, FCOMMENT, FNAME, FHCRC
 
25
import sys
 
26
import struct
 
27
import zlib
 
28
 
 
29
# we want a \n preserved, break on \n only splitlines.
 
30
import bzrlib
 
31
 
 
32
__all__ = ["GzipFile"]
 
33
 
 
34
 
 
35
class GzipFile(gzip.GzipFile):
 
36
    """Knit tuned version of GzipFile.
 
37
 
 
38
    This is based on the following lsprof stats:
 
39
    python 2.4 stock GzipFile write:
 
40
    58971      0   5644.3090   2721.4730   gzip:193(write)
 
41
    +58971     0   1159.5530   1159.5530   +<built-in method compress>
 
42
    +176913    0    987.0320    987.0320   +<len>
 
43
    +58971     0    423.1450    423.1450   +<zlib.crc32>
 
44
    +58971     0    353.1060    353.1060   +<method 'write' of 'cStringIO.
 
45
                                            StringO' objects>
 
46
    tuned GzipFile write:
 
47
    58971      0   4477.2590   2103.1120   bzrlib.knit:1250(write)
 
48
    +58971     0   1297.7620   1297.7620   +<built-in method compress>
 
49
    +58971     0    406.2160    406.2160   +<zlib.crc32>
 
50
    +58971     0    341.9020    341.9020   +<method 'write' of 'cStringIO.
 
51
                                            StringO' objects>
 
52
    +58971     0    328.2670    328.2670   +<len>
 
53
 
 
54
 
 
55
    Yes, its only 1.6 seconds, but they add up.
 
56
    """
 
57
 
 
58
    def _add_read_data(self, data):
 
59
        # 4169 calls in 183
 
60
        # temp var for len(data) and switch to +='s.
 
61
        # 4169 in 139
 
62
        len_data = len(data)
 
63
        self.crc = zlib.crc32(data, self.crc)
 
64
        self.extrabuf += data
 
65
        self.extrasize += len_data
 
66
        self.size += len_data
 
67
 
 
68
    def _write_gzip_header(self):
 
69
        """A tuned version of gzip._write_gzip_header
 
70
 
 
71
        We have some extra constrains that plain Gzip does not.
 
72
        1) We want to write the whole blob at once. rather than multiple 
 
73
           calls to fileobj.write().
 
74
        2) We never have a filename
 
75
        3) We don't care about the time
 
76
        """
 
77
        self.fileobj.write(
 
78
           '\037\213'   # self.fileobj.write('\037\213')  # magic header
 
79
            '\010'      # self.fileobj.write('\010')      # compression method
 
80
                        # fname = self.filename[:-3]
 
81
                        # flags = 0
 
82
                        # if fname:
 
83
                        #     flags = FNAME
 
84
            '\x00'      # self.fileobj.write(chr(flags))
 
85
            '\0\0\0\0'  # write32u(self.fileobj, long(time.time()))
 
86
            '\002'      # self.fileobj.write('\002')
 
87
            '\377'      # self.fileobj.write('\377')
 
88
                        # if fname:
 
89
            ''          #     self.fileobj.write(fname + '\000')
 
90
            )
 
91
 
 
92
    def _read(self, size=1024):
 
93
        # various optimisations:
 
94
        # reduces lsprof count from 2500 to 
 
95
        # 8337 calls in 1272, 365 internal
 
96
        if self.fileobj is None:
 
97
            raise EOFError, "Reached EOF"
 
98
 
 
99
        if self._new_member:
 
100
            # If the _new_member flag is set, we have to
 
101
            # jump to the next member, if there is one.
 
102
            #
 
103
            # First, check if we're at the end of the file;
 
104
            # if so, it's time to stop; no more members to read.
 
105
            next_header_bytes = self.fileobj.read(10)
 
106
            if next_header_bytes == '':
 
107
                raise EOFError, "Reached EOF"
 
108
 
 
109
            self._init_read()
 
110
            self._read_gzip_header(next_header_bytes)
 
111
            self.decompress = zlib.decompressobj(-zlib.MAX_WBITS)
 
112
            self._new_member = False
 
113
 
 
114
        # Read a chunk of data from the file
 
115
        buf = self.fileobj.read(size)
 
116
 
 
117
        # If the EOF has been reached, flush the decompression object
 
118
        # and mark this object as finished.
 
119
 
 
120
        if buf == "":
 
121
            self._add_read_data(self.decompress.flush())
 
122
            assert len(self.decompress.unused_data) >= 8, "what does flush do?"
 
123
            self._gzip_tail = self.decompress.unused_data[0:8]
 
124
            self._read_eof()
 
125
            # tell the driving read() call we have stuffed all the data
 
126
            # in self.extrabuf
 
127
            raise EOFError, 'Reached EOF'
 
128
 
 
129
        self._add_read_data(self.decompress.decompress(buf))
 
130
 
 
131
        if self.decompress.unused_data != "":
 
132
            # Ending case: we've come to the end of a member in the file,
 
133
            # so seek back to the start of the data for the next member which
 
134
            # is the length of the decompress objects unused data - the first
 
135
            # 8 bytes for the end crc and size records.
 
136
            #
 
137
            # so seek back to the start of the unused data, finish up
 
138
            # this member, and read a new gzip header.
 
139
            # (The number of bytes to seek back is the length of the unused
 
140
            # data, minus 8 because those 8 bytes are part of this member.
 
141
            seek_length = len (self.decompress.unused_data) - 8
 
142
            if seek_length > 0:
 
143
                # we read too much data
 
144
                self.fileobj.seek(-seek_length, 1)
 
145
                self._gzip_tail = self.decompress.unused_data[0:8]
 
146
            elif seek_length < 0:
 
147
                # we haven't read enough to check the checksum.
 
148
                assert -8 < seek_length, "too great a seek."
 
149
                buf = self.fileobj.read(-seek_length)
 
150
                self._gzip_tail = self.decompress.unused_data + buf
 
151
            else:
 
152
                self._gzip_tail = self.decompress.unused_data
 
153
 
 
154
            # Check the CRC and file size, and set the flag so we read
 
155
            # a new member on the next call
 
156
            self._read_eof()
 
157
            self._new_member = True
 
158
 
 
159
    def _read_eof(self):
 
160
        """tuned to reduce function calls and eliminate file seeking:
 
161
        pass 1:
 
162
        reduces lsprof count from 800 to 288
 
163
        4168 in 296 
 
164
        avoid U32 call by using struct format L
 
165
        4168 in 200
 
166
        """
 
167
        # We've read to the end of the file, so we should have 8 bytes of 
 
168
        # unused data in the decompressor. If we don't, there is a corrupt file.
 
169
        # We use these 8 bytes to calculate the CRC and the recorded file size.
 
170
        # We then check the that the computed CRC and size of the
 
171
        # uncompressed data matches the stored values.  Note that the size
 
172
        # stored is the true file size mod 2**32.
 
173
        assert len(self._gzip_tail) == 8, "gzip trailer is incorrect length."
 
174
        crc32, isize = struct.unpack("<LL", self._gzip_tail)
 
175
        # note that isize is unsigned - it can exceed 2GB
 
176
        if crc32 != U32(self.crc):
 
177
            raise IOError, "CRC check failed %d %d" % (crc32, U32(self.crc))
 
178
        elif isize != LOWU32(self.size):
 
179
            raise IOError, "Incorrect length of data produced"
 
180
 
 
181
    def _read_gzip_header(self, bytes=None):
 
182
        """Supply bytes if the minimum header size is already read.
 
183
        
 
184
        :param bytes: 10 bytes of header data.
 
185
        """
 
186
        """starting cost: 300 in 3998
 
187
        15998 reads from 3998 calls
 
188
        final cost 168
 
189
        """
 
190
        if bytes is None:
 
191
            bytes = self.fileobj.read(10)
 
192
        magic = bytes[0:2]
 
193
        if magic != '\037\213':
 
194
            raise IOError, 'Not a gzipped file'
 
195
        method = ord(bytes[2:3])
 
196
        if method != 8:
 
197
            raise IOError, 'Unknown compression method'
 
198
        flag = ord(bytes[3:4])
 
199
        # modtime = self.fileobj.read(4) (bytes [4:8])
 
200
        # extraflag = self.fileobj.read(1) (bytes[8:9])
 
201
        # os = self.fileobj.read(1) (bytes[9:10])
 
202
        # self.fileobj.read(6)
 
203
 
 
204
        if flag & FEXTRA:
 
205
            # Read & discard the extra field, if present
 
206
            xlen = ord(self.fileobj.read(1))
 
207
            xlen = xlen + 256*ord(self.fileobj.read(1))
 
208
            self.fileobj.read(xlen)
 
209
        if flag & FNAME:
 
210
            # Read and discard a null-terminated string containing the filename
 
211
            while True:
 
212
                s = self.fileobj.read(1)
 
213
                if not s or s=='\000':
 
214
                    break
 
215
        if flag & FCOMMENT:
 
216
            # Read and discard a null-terminated string containing a comment
 
217
            while True:
 
218
                s = self.fileobj.read(1)
 
219
                if not s or s=='\000':
 
220
                    break
 
221
        if flag & FHCRC:
 
222
            self.fileobj.read(2)     # Read & discard the 16-bit header CRC
 
223
 
 
224
    def readline(self, size=-1):
 
225
        """Tuned to remove buffer length calls in _unread and...
 
226
        
 
227
        also removes multiple len(c) calls, inlines _unread,
 
228
        total savings - lsprof 5800 to 5300
 
229
        phase 2:
 
230
        4168 calls in 2233
 
231
        8176 calls to read() in 1684
 
232
        changing the min chunk size to 200 halved all the cache misses
 
233
        leading to a drop to:
 
234
        4168 calls in 1977
 
235
        4168 call to read() in 1646
 
236
        - i.e. just reduced the function call overhead. May be worth 
 
237
          keeping.
 
238
        """
 
239
        if size < 0: size = sys.maxint
 
240
        bufs = []
 
241
        readsize = min(200, size)    # Read from the file in small chunks
 
242
        while True:
 
243
            if size == 0:
 
244
                return "".join(bufs) # Return resulting line
 
245
 
 
246
            # c is the chunk
 
247
            c = self.read(readsize)
 
248
            # number of bytes read
 
249
            len_c = len(c)
 
250
            i = c.find('\n')
 
251
            if size is not None:
 
252
                # We set i=size to break out of the loop under two
 
253
                # conditions: 1) there's no newline, and the chunk is
 
254
                # larger than size, or 2) there is a newline, but the
 
255
                # resulting line would be longer than 'size'.
 
256
                if i==-1 and len_c > size: i=size-1
 
257
                elif size <= i: i = size -1
 
258
 
 
259
            if i >= 0 or c == '':
 
260
                # if i>= 0 we have a newline or have triggered the above
 
261
                # if size is not None condition.
 
262
                # if c == '' its EOF.
 
263
                bufs.append(c[:i+1])    # Add portion of last chunk
 
264
                # -- inlined self._unread --
 
265
                ## self._unread(c[i+1:], len_c - i)   # Push back rest of chunk
 
266
                self.extrabuf = c[i+1:] + self.extrabuf
 
267
                self.extrasize = len_c - i + self.extrasize
 
268
                self.offset -= len_c - i
 
269
                # -- end inlined self._unread --
 
270
                return ''.join(bufs)    # Return resulting line
 
271
 
 
272
            # Append chunk to list, decrease 'size',
 
273
            bufs.append(c)
 
274
            size = size - len_c
 
275
            readsize = min(size, readsize * 2)
 
276
 
 
277
    def readlines(self, sizehint=0):
 
278
        # optimise to avoid all the buffer manipulation
 
279
        # lsprof changed from:
 
280
        # 4168 calls in 5472 with 32000 calls to readline()
 
281
        # to :
 
282
        # 4168 calls in 417.
 
283
        # Negative numbers result in reading all the lines
 
284
        
 
285
        # python's gzip routine uses sizehint. This is a more efficient way
 
286
        # than python uses to honor it. But it is even more efficient to
 
287
        # just read the entire thing and use cStringIO to split into lines.
 
288
        # if sizehint <= 0:
 
289
        #     sizehint = -1
 
290
        # content = self.read(sizehint)
 
291
        # return bzrlib.osutils.split_lines(content)
 
292
        content = StringIO(self.read(-1))
 
293
        return content.readlines()
 
294
 
 
295
    def _unread(self, buf, len_buf=None):
 
296
        """tuned to remove unneeded len calls.
 
297
        
 
298
        because this is such an inner routine in readline, and readline is
 
299
        in many inner loops, this has been inlined into readline().
 
300
 
 
301
        The len_buf parameter combined with the reduction in len calls dropped
 
302
        the lsprof ms count for this routine on my test data from 800 to 200 - 
 
303
        a 75% saving.
 
304
        """
 
305
        if len_buf is None:
 
306
            len_buf = len(buf)
 
307
        self.extrabuf = buf + self.extrabuf
 
308
        self.extrasize = len_buf + self.extrasize
 
309
        self.offset -= len_buf
 
310
 
 
311
    def write(self, data):
 
312
        if self.mode != gzip.WRITE:
 
313
            import errno
 
314
            raise IOError(errno.EBADF, "write() on read-only GzipFile object")
 
315
 
 
316
        if self.fileobj is None:
 
317
            raise ValueError, "write() on closed GzipFile object"
 
318
        data_len = len(data)
 
319
        if data_len > 0:
 
320
            self.size = self.size + data_len
 
321
            self.crc = zlib.crc32(data, self.crc)
 
322
            self.fileobj.write( self.compress.compress(data) )
 
323
            self.offset += data_len
 
324
 
 
325
    def writelines(self, lines):
 
326
        # profiling indicated a significant overhead 
 
327
        # calling write for each line.
 
328
        # this batch call is a lot faster :).
 
329
        # (4 seconds to 1 seconds for the sample upgrades I was testing).
 
330
        self.write(''.join(lines))
 
331
 
 
332