~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Martin Pool
  • Date: 2005-04-15 07:53:59 UTC
  • Revision ID: mbp@sourcefrog.net-20050415075359-e45b9cdcefc06fc8
- Windows path fixes

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# (C) 2005 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# out-of-date.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
36
 
from bzrlib.trace import mutter, warning
37
 
from bzrlib.atomicfile import AtomicFile
38
 
 
39
 
 
40
 
FP_MODE_COLUMN = 5
41
 
 
42
 
def _fingerprint(abspath):
43
 
    try:
44
 
        fs = os.lstat(abspath)
45
 
    except OSError:
46
 
        # might be missing, etc
47
 
        return None
48
 
 
49
 
    if stat.S_ISDIR(fs.st_mode):
50
 
        return None
51
 
 
52
 
    # we discard any high precision because it's not reliable; perhaps we
53
 
    # could do better on some systems?
54
 
    return (fs.st_size, long(fs.st_mtime),
55
 
            long(fs.st_ctime), fs.st_ino, fs.st_dev, fs.st_mode)
56
 
 
57
 
 
58
 
class HashCache(object):
59
 
    """Cache for looking up file SHA-1.
60
 
 
61
 
    Files are considered to match the cached value if the fingerprint
62
 
    of the file has not changed.  This includes its mtime, ctime,
63
 
    device number, inode number, and size.  This should catch
64
 
    modifications or replacement of the file by a new one.
65
 
 
66
 
    This may not catch modifications that do not change the file's
67
 
    size and that occur within the resolution window of the
68
 
    timestamps.  To handle this we specifically do not cache files
69
 
    which have changed since the start of the present second, since
70
 
    they could undetectably change again.
71
 
 
72
 
    This scheme may fail if the machine's clock steps backwards.
73
 
    Don't do that.
74
 
 
75
 
    This does not canonicalize the paths passed in; that should be
76
 
    done by the caller.
77
 
 
78
 
    _cache
79
 
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
80
 
        and its fingerprint.
81
 
 
82
 
    stat_count
83
 
        number of times files have been statted
84
 
 
85
 
    hit_count
86
 
        number of times files have been retrieved from the cache, avoiding a
87
 
        re-read
88
 
        
89
 
    miss_count
90
 
        number of misses (times files have been completely re-read)
91
 
    """
92
 
    needs_write = False
93
 
 
94
 
    def __init__(self, basedir):
95
 
        self.basedir = basedir
96
 
        self.hit_count = 0
97
 
        self.miss_count = 0
98
 
        self.stat_count = 0
99
 
        self.danger_count = 0
100
 
        self.removed_count = 0
101
 
        self.update_count = 0
102
 
        self._cache = {}
103
 
 
104
 
 
105
 
    def cache_file_name(self):
106
 
        return os.sep.join([self.basedir, '.bzr', 'stat-cache'])
107
 
 
108
 
 
109
 
 
110
 
 
111
 
    def clear(self):
112
 
        """Discard all cached information.
113
 
 
114
 
        This does not reset the counters."""
115
 
        if self._cache:
116
 
            self.needs_write = True
117
 
            self._cache = {}
118
 
 
119
 
 
120
 
    def scan(self):
121
 
        """Scan all files and remove entries where the cache entry is obsolete.
122
 
        
123
 
        Obsolete entries are those where the file has been modified or deleted
124
 
        since the entry was inserted.        
125
 
        """
126
 
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
127
 
        prep.sort()
128
 
        
129
 
        for inum, path, cache_entry in prep:
130
 
            abspath = os.sep.join([self.basedir, path])
131
 
            fp = _fingerprint(abspath)
132
 
            self.stat_count += 1
133
 
            
134
 
            cache_fp = cache_entry[1]
135
 
    
136
 
            if (not fp) or (cache_fp != fp):
137
 
                # not here or not a regular file anymore
138
 
                self.removed_count += 1
139
 
                self.needs_write = True
140
 
                del self._cache[path]
141
 
 
142
 
 
143
 
    def get_sha1(self, path):
144
 
        """Return the sha1 of a file.
145
 
        """
146
 
        abspath = os.sep.join([self.basedir, path])
147
 
        self.stat_count += 1
148
 
        file_fp = _fingerprint(abspath)
149
 
        
150
 
        if not file_fp:
151
 
            # not a regular file or not existing
152
 
            if path in self._cache:
153
 
                self.removed_count += 1
154
 
                self.needs_write = True
155
 
                del self._cache[path]
156
 
            return None        
157
 
 
158
 
        if path in self._cache:
159
 
            cache_sha1, cache_fp = self._cache[path]
160
 
        else:
161
 
            cache_sha1, cache_fp = None, None
162
 
 
163
 
        if cache_fp == file_fp:
164
 
            self.hit_count += 1
165
 
            return cache_sha1
166
 
        
167
 
        self.miss_count += 1
168
 
 
169
 
 
170
 
        mode = file_fp[FP_MODE_COLUMN]
171
 
        if stat.S_ISREG(mode):
172
 
            digest = sha_file(file(abspath, 'rb', buffering=65000))
173
 
        elif stat.S_ISLNK(mode):
174
 
            link_target = os.readlink(abspath)
175
 
            digest = sha.new(os.readlink(abspath)).hexdigest()
176
 
        else:
177
 
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
178
 
 
179
 
        now = int(time.time())
180
 
        if file_fp[1] >= now or file_fp[2] >= now:
181
 
            # changed too recently; can't be cached.  we can
182
 
            # return the result and it could possibly be cached
183
 
            # next time.
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
 
            self.update_count += 1
191
 
            self.needs_write = True
192
 
            self._cache[path] = (digest, file_fp)
193
 
        return digest
194
 
        
195
 
    def write(self):
196
 
        """Write contents of cache to file."""
197
 
        outf = AtomicFile(self.cache_file_name(), 'wb')
198
 
        try:
199
 
            print >>outf, CACHE_HEADER,
200
 
 
201
 
            for path, c  in self._cache.iteritems():
202
 
                assert '//' not in path, path
203
 
                outf.write(path.encode('utf-8'))
204
 
                outf.write('// ')
205
 
                print >>outf, c[0],     # hex sha1
206
 
                for fld in c[1]:
207
 
                    print >>outf, "%d" % fld,
208
 
                print >>outf
209
 
 
210
 
            outf.commit()
211
 
            self.needs_write = False
212
 
        finally:
213
 
            if not outf.closed:
214
 
                outf.abort()
215
 
        
216
 
 
217
 
 
218
 
    def read(self):
219
 
        """Reinstate cache from file.
220
 
 
221
 
        Overwrites existing cache.
222
 
 
223
 
        If the cache file has the wrong version marker, this just clears 
224
 
        the cache."""
225
 
        self._cache = {}
226
 
 
227
 
        fn = self.cache_file_name()
228
 
        try:
229
 
            inf = file(fn, 'rb', buffering=65000)
230
 
        except IOError, e:
231
 
            mutter("failed to open %s: %s" % (fn, e))
232
 
            # better write it now so it is valid
233
 
            self.needs_write = True
234
 
            return
235
 
 
236
 
 
237
 
        hdr = inf.readline()
238
 
        if hdr != CACHE_HEADER:
239
 
            mutter('cache header marker not found at top of %s; discarding cache'
240
 
                   % fn)
241
 
            self.needs_write = True
242
 
            return
243
 
 
244
 
        for l in inf:
245
 
            pos = l.index('// ')
246
 
            path = l[:pos].decode('utf-8')
247
 
            if path in self._cache:
248
 
                warning('duplicated path %r in cache' % path)
249
 
                continue
250
 
 
251
 
            pos += 3
252
 
            fields = l[pos:].split(' ')
253
 
            if len(fields) != 7:
254
 
                warning("bad line in hashcache: %r" % l)
255
 
                continue
256
 
 
257
 
            sha1 = fields[0]
258
 
            if len(sha1) != 40:
259
 
                warning("bad sha1 in hashcache: %r" % sha1)
260
 
                continue
261
 
 
262
 
            fp = tuple(map(long, fields[1:]))
263
 
 
264
 
            self._cache[path] = (sha1, fp)
265
 
 
266
 
        self.needs_write = False
267
 
           
268
 
 
269
 
 
270