~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Martin Pool
  • Date: 2005-04-26 05:20:17 UTC
  • Revision ID: mbp@sourcefrog.net-20050426052016-8445d0f4fec584d0
- move all TODO items into ./TODO

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# out-of-date.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
 
 
34
 
from bzrlib.osutils import sha_file, sha_string, pathjoin, safe_unicode
35
 
from bzrlib.trace import mutter, warning
36
 
from bzrlib.atomicfile import AtomicFile
37
 
from bzrlib.errors import BzrError
38
 
 
39
 
 
40
 
FP_MTIME_COLUMN = 1
41
 
FP_CTIME_COLUMN = 2
42
 
FP_MODE_COLUMN = 5
43
 
 
44
 
 
45
 
 
46
 
class HashCache(object):
47
 
    """Cache for looking up file SHA-1.
48
 
 
49
 
    Files are considered to match the cached value if the fingerprint
50
 
    of the file has not changed.  This includes its mtime, ctime,
51
 
    device number, inode number, and size.  This should catch
52
 
    modifications or replacement of the file by a new one.
53
 
 
54
 
    This may not catch modifications that do not change the file's
55
 
    size and that occur within the resolution window of the
56
 
    timestamps.  To handle this we specifically do not cache files
57
 
    which have changed since the start of the present second, since
58
 
    they could undetectably change again.
59
 
 
60
 
    This scheme may fail if the machine's clock steps backwards.
61
 
    Don't do that.
62
 
 
63
 
    This does not canonicalize the paths passed in; that should be
64
 
    done by the caller.
65
 
 
66
 
    _cache
67
 
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
68
 
        and its fingerprint.
69
 
 
70
 
    stat_count
71
 
        number of times files have been statted
72
 
 
73
 
    hit_count
74
 
        number of times files have been retrieved from the cache, avoiding a
75
 
        re-read
76
 
        
77
 
    miss_count
78
 
        number of misses (times files have been completely re-read)
79
 
    """
80
 
    needs_write = False
81
 
 
82
 
    def __init__(self, root, cache_file_name, mode=None):
83
 
        """Create a hash cache in base dir, and set the file mode to mode."""
84
 
        self.root = safe_unicode(root)
85
 
        self.root_utf8 = self.root.encode('utf8') # where is the filesystem encoding ?
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
 
        if path.__class__ is str:
135
 
            abspath = pathjoin(self.root_utf8, path)
136
 
        else:
137
 
            abspath = pathjoin(self.root, path)
138
 
        self.stat_count += 1
139
 
        file_fp = self._fingerprint(abspath, stat_value)
140
 
        
141
 
        if not file_fp:
142
 
            # not a regular file or not existing
143
 
            if path in self._cache:
144
 
                self.removed_count += 1
145
 
                self.needs_write = True
146
 
                del self._cache[path]
147
 
            return None        
148
 
 
149
 
        if path in self._cache:
150
 
            cache_sha1, cache_fp = self._cache[path]
151
 
        else:
152
 
            cache_sha1, cache_fp = None, None
153
 
 
154
 
        if cache_fp == file_fp:
155
 
            ## mutter("hashcache hit for %s %r -> %s", path, file_fp, cache_sha1)
156
 
            ## mutter("now = %s", time.time())
157
 
            self.hit_count += 1
158
 
            return cache_sha1
159
 
        
160
 
        self.miss_count += 1
161
 
 
162
 
        mode = file_fp[FP_MODE_COLUMN]
163
 
        if stat.S_ISREG(mode):
164
 
            digest = self._really_sha1_file(abspath)
165
 
        elif stat.S_ISLNK(mode):
166
 
            digest = sha_string(os.readlink(abspath))
167
 
        else:
168
 
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
169
 
 
170
 
        # window of 3 seconds to allow for 2s resolution on windows,
171
 
        # unsynchronized file servers, etc.
172
 
        cutoff = self._cutoff_time()
173
 
        if file_fp[FP_MTIME_COLUMN] >= cutoff \
174
 
                or file_fp[FP_CTIME_COLUMN] >= cutoff:
175
 
            # changed too recently; can't be cached.  we can
176
 
            # return the result and it could possibly be cached
177
 
            # next time.
178
 
            #
179
 
            # the point is that we only want to cache when we are sure that any
180
 
            # subsequent modifications of the file can be detected.  If a
181
 
            # modification neither changes the inode, the device, the size, nor
182
 
            # the mode, then we can only distinguish it by time; therefore we
183
 
            # need to let sufficient time elapse before we may cache this entry
184
 
            # again.  If we didn't do this, then, for example, a very quick 1
185
 
            # byte replacement in the file might go undetected.
186
 
            ## mutter('%r modified too recently; not caching', path)
187
 
            self.danger_count += 1
188
 
            if cache_fp:
189
 
                self.removed_count += 1
190
 
                self.needs_write = True
191
 
                del self._cache[path]
192
 
        else:
193
 
            ## mutter('%r added to cache: now=%f, mtime=%d, ctime=%d',
194
 
            ##        path, time.time(), file_fp[FP_MTIME_COLUMN],
195
 
            ##        file_fp[FP_CTIME_COLUMN])
196
 
            self.update_count += 1
197
 
            self.needs_write = True
198
 
            self._cache[path] = (digest, file_fp)
199
 
        return digest
200
 
 
201
 
    def _really_sha1_file(self, abspath):
202
 
        """Calculate the SHA1 of a file by reading the full text"""
203
 
        return sha_file(file(abspath, 'rb', buffering=65000))
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
 
            outf.write(CACHE_HEADER)
210
 
 
211
 
            for path, c  in self._cache.iteritems():
212
 
                line_info = [path.encode('utf-8'), '// ', c[0], ' ']
213
 
                line_info.append(' '.join([str(fld) for fld in c[1]]))
214
 
                line_info.append('\n')
215
 
                outf.write(''.join(line_info))
216
 
            outf.commit()
217
 
            self.needs_write = False
218
 
            ## mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
219
 
            ##        self.cache_file_name(), self.hit_count, self.miss_count,
220
 
            ##        self.stat_count,
221
 
            ##        self.danger_count, self.update_count)
222
 
        finally:
223
 
            outf.close()
224
 
 
225
 
    def read(self):
226
 
        """Reinstate cache from file.
227
 
 
228
 
        Overwrites existing cache.
229
 
 
230
 
        If the cache file has the wrong version marker, this just clears 
231
 
        the cache."""
232
 
        self._cache = {}
233
 
 
234
 
        fn = self.cache_file_name()
235
 
        try:
236
 
            inf = file(fn, 'rb', buffering=65000)
237
 
        except IOError, e:
238
 
            mutter("failed to open %s: %s", fn, e)
239
 
            # better write it now so it is valid
240
 
            self.needs_write = True
241
 
            return
242
 
 
243
 
        hdr = inf.readline()
244
 
        if hdr != CACHE_HEADER:
245
 
            mutter('cache header marker not found at top of %s;'
246
 
                   ' discarding cache', fn)
247
 
            self.needs_write = True
248
 
            return
249
 
 
250
 
        for l in inf:
251
 
            pos = l.index('// ')
252
 
            path = l[:pos].decode('utf-8')
253
 
            if path in self._cache:
254
 
                warning('duplicated path %r in cache' % path)
255
 
                continue
256
 
 
257
 
            pos += 3
258
 
            fields = l[pos:].split(' ')
259
 
            if len(fields) != 7:
260
 
                warning("bad line in hashcache: %r" % l)
261
 
                continue
262
 
 
263
 
            sha1 = fields[0]
264
 
            if len(sha1) != 40:
265
 
                warning("bad sha1 in hashcache: %r" % sha1)
266
 
                continue
267
 
 
268
 
            fp = tuple(map(long, fields[1:]))
269
 
 
270
 
            self._cache[path] = (sha1, fp)
271
 
 
272
 
        self.needs_write = False
273
 
 
274
 
    def _cutoff_time(self):
275
 
        """Return cutoff time.
276
 
 
277
 
        Files modified more recently than this time are at risk of being
278
 
        undetectably modified and so can't be cached.
279
 
        """
280
 
        return int(time.time()) - 3
281
 
           
282
 
    def _fingerprint(self, abspath, stat_value=None):
283
 
        if stat_value is None:
284
 
            try:
285
 
                stat_value = os.lstat(abspath)
286
 
            except OSError:
287
 
                # might be missing, etc
288
 
                return None
289
 
        if stat.S_ISDIR(stat_value.st_mode):
290
 
            return None
291
 
        # we discard any high precision because it's not reliable; perhaps we
292
 
        # could do better on some systems?
293
 
        return (stat_value.st_size, long(stat_value.st_mtime),
294
 
                long(stat_value.st_ctime), stat_value.st_ino, 
295
 
                stat_value.st_dev, stat_value.st_mode)