~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Martin Pool
  • Date: 2005-04-28 07:24:55 UTC
  • Revision ID: mbp@sourcefrog.net-20050428072453-7b99afa993a1e549
todo

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# Copyright (C) 2005-2010 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., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
16
 
 
17
 
from __future__ import absolute_import
18
 
 
19
 
# TODO: Up-front, stat all files in order and remove those which are deleted or
20
 
# out-of-date.  Don't actually re-read them until they're needed.  That ought
21
 
# to bring all the inodes into core so that future stats to them are fast, and
22
 
# it preserves the nice property that any caller will always get up-to-date
23
 
# data except in unavoidable cases.
24
 
 
25
 
# TODO: Perhaps return more details on the file to avoid statting it
26
 
# again: nonexistent, file type, size, etc
27
 
 
28
 
# TODO: Perhaps use a Python pickle instead of a text file; might be faster.
29
 
 
30
 
 
31
 
 
32
 
CACHE_HEADER = "### bzr hashcache v5\n"
33
 
 
34
 
import os
35
 
import stat
36
 
import time
37
 
 
38
 
from bzrlib import (
39
 
    atomicfile,
40
 
    errors,
41
 
    filters as _mod_filters,
42
 
    osutils,
43
 
    trace,
44
 
    )
45
 
 
46
 
 
47
 
FP_MTIME_COLUMN = 1
48
 
FP_CTIME_COLUMN = 2
49
 
FP_MODE_COLUMN = 5
50
 
 
51
 
 
52
 
 
53
 
class HashCache(object):
54
 
    """Cache for looking up file SHA-1.
55
 
 
56
 
    Files are considered to match the cached value if the fingerprint
57
 
    of the file has not changed.  This includes its mtime, ctime,
58
 
    device number, inode number, and size.  This should catch
59
 
    modifications or replacement of the file by a new one.
60
 
 
61
 
    This may not catch modifications that do not change the file's
62
 
    size and that occur within the resolution window of the
63
 
    timestamps.  To handle this we specifically do not cache files
64
 
    which have changed since the start of the present second, since
65
 
    they could undetectably change again.
66
 
 
67
 
    This scheme may fail if the machine's clock steps backwards.
68
 
    Don't do that.
69
 
 
70
 
    This does not canonicalize the paths passed in; that should be
71
 
    done by the caller.
72
 
 
73
 
    _cache
74
 
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
75
 
        and its fingerprint.
76
 
 
77
 
    stat_count
78
 
        number of times files have been statted
79
 
 
80
 
    hit_count
81
 
        number of times files have been retrieved from the cache, avoiding a
82
 
        re-read
83
 
 
84
 
    miss_count
85
 
        number of misses (times files have been completely re-read)
86
 
    """
87
 
    needs_write = False
88
 
 
89
 
    def __init__(self, root, cache_file_name, mode=None,
90
 
            content_filter_stack_provider=None):
91
 
        """Create a hash cache in base dir, and set the file mode to mode.
92
 
 
93
 
        :param content_filter_stack_provider: a function that takes a
94
 
            path (relative to the top of the tree) and a file-id as
95
 
            parameters and returns a stack of ContentFilters.
96
 
            If None, no content filtering is performed.
97
 
        """
98
 
        self.root = osutils.safe_unicode(root)
99
 
        self.root_utf8 = self.root.encode('utf8') # where is the filesystem encoding ?
100
 
        self.hit_count = 0
101
 
        self.miss_count = 0
102
 
        self.stat_count = 0
103
 
        self.danger_count = 0
104
 
        self.removed_count = 0
105
 
        self.update_count = 0
106
 
        self._cache = {}
107
 
        self._mode = mode
108
 
        self._cache_file_name = osutils.safe_unicode(cache_file_name)
109
 
        self._filter_provider = content_filter_stack_provider
110
 
 
111
 
    def cache_file_name(self):
112
 
        return self._cache_file_name
113
 
 
114
 
    def clear(self):
115
 
        """Discard all cached information.
116
 
 
117
 
        This does not reset the counters."""
118
 
        if self._cache:
119
 
            self.needs_write = True
120
 
            self._cache = {}
121
 
 
122
 
    def scan(self):
123
 
        """Scan all files and remove entries where the cache entry is obsolete.
124
 
 
125
 
        Obsolete entries are those where the file has been modified or deleted
126
 
        since the entry was inserted.
127
 
        """
128
 
        # FIXME optimisation opportunity, on linux [and check other oses]:
129
 
        # rather than iteritems order, stat in inode order.
130
 
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
131
 
        prep.sort()
132
 
 
133
 
        for inum, path, cache_entry in prep:
134
 
            abspath = osutils.pathjoin(self.root, path)
135
 
            fp = self._fingerprint(abspath)
136
 
            self.stat_count += 1
137
 
 
138
 
            cache_fp = cache_entry[1]
139
 
 
140
 
            if (not fp) or (cache_fp != fp):
141
 
                # not here or not a regular file anymore
142
 
                self.removed_count += 1
143
 
                self.needs_write = True
144
 
                del self._cache[path]
145
 
 
146
 
    def get_sha1(self, path, stat_value=None):
147
 
        """Return the sha1 of a file.
148
 
        """
149
 
        if path.__class__ is str:
150
 
            abspath = osutils.pathjoin(self.root_utf8, path)
151
 
        else:
152
 
            abspath = osutils.pathjoin(self.root, path)
153
 
        self.stat_count += 1
154
 
        file_fp = self._fingerprint(abspath, stat_value)
155
 
 
156
 
        if not file_fp:
157
 
            # not a regular file or not existing
158
 
            if path in self._cache:
159
 
                self.removed_count += 1
160
 
                self.needs_write = True
161
 
                del self._cache[path]
162
 
            return None
163
 
 
164
 
        if path in self._cache:
165
 
            cache_sha1, cache_fp = self._cache[path]
166
 
        else:
167
 
            cache_sha1, cache_fp = None, None
168
 
 
169
 
        if cache_fp == file_fp:
170
 
            ## mutter("hashcache hit for %s %r -> %s", path, file_fp, cache_sha1)
171
 
            ## mutter("now = %s", time.time())
172
 
            self.hit_count += 1
173
 
            return cache_sha1
174
 
 
175
 
        self.miss_count += 1
176
 
 
177
 
        mode = file_fp[FP_MODE_COLUMN]
178
 
        if stat.S_ISREG(mode):
179
 
            if self._filter_provider is None:
180
 
                filters = []
181
 
            else:
182
 
                filters = self._filter_provider(path=path, file_id=None)
183
 
            digest = self._really_sha1_file(abspath, filters)
184
 
        elif stat.S_ISLNK(mode):
185
 
            target = osutils.readlink(osutils.safe_unicode(abspath))
186
 
            digest = osutils.sha_string(target.encode('UTF-8'))
187
 
        else:
188
 
            raise errors.BzrError("file %r: unknown file stat mode: %o"
189
 
                                  % (abspath, mode))
190
 
 
191
 
        # window of 3 seconds to allow for 2s resolution on windows,
192
 
        # unsynchronized file servers, etc.
193
 
        cutoff = self._cutoff_time()
194
 
        if file_fp[FP_MTIME_COLUMN] >= cutoff \
195
 
                or file_fp[FP_CTIME_COLUMN] >= cutoff:
196
 
            # changed too recently; can't be cached.  we can
197
 
            # return the result and it could possibly be cached
198
 
            # next time.
199
 
            #
200
 
            # the point is that we only want to cache when we are sure that any
201
 
            # subsequent modifications of the file can be detected.  If a
202
 
            # modification neither changes the inode, the device, the size, nor
203
 
            # the mode, then we can only distinguish it by time; therefore we
204
 
            # need to let sufficient time elapse before we may cache this entry
205
 
            # again.  If we didn't do this, then, for example, a very quick 1
206
 
            # byte replacement in the file might go undetected.
207
 
            ## mutter('%r modified too recently; not caching', path)
208
 
            self.danger_count += 1
209
 
            if cache_fp:
210
 
                self.removed_count += 1
211
 
                self.needs_write = True
212
 
                del self._cache[path]
213
 
        else:
214
 
            ## mutter('%r added to cache: now=%f, mtime=%d, ctime=%d',
215
 
            ##        path, time.time(), file_fp[FP_MTIME_COLUMN],
216
 
            ##        file_fp[FP_CTIME_COLUMN])
217
 
            self.update_count += 1
218
 
            self.needs_write = True
219
 
            self._cache[path] = (digest, file_fp)
220
 
        return digest
221
 
 
222
 
    def _really_sha1_file(self, abspath, filters):
223
 
        """Calculate the SHA1 of a file by reading the full text"""
224
 
        return _mod_filters.internal_size_sha_file_byname(abspath, filters)[1]
225
 
 
226
 
    def write(self):
227
 
        """Write contents of cache to file."""
228
 
        outf = atomicfile.AtomicFile(self.cache_file_name(), 'wb',
229
 
                                     new_mode=self._mode)
230
 
        try:
231
 
            outf.write(CACHE_HEADER)
232
 
 
233
 
            for path, c  in self._cache.iteritems():
234
 
                line_info = [path.encode('utf-8'), '// ', c[0], ' ']
235
 
                line_info.append(' '.join([str(fld) for fld in c[1]]))
236
 
                line_info.append('\n')
237
 
                outf.write(''.join(line_info))
238
 
            outf.commit()
239
 
            self.needs_write = False
240
 
            ## mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
241
 
            ##        self.cache_file_name(), self.hit_count, self.miss_count,
242
 
            ##        self.stat_count,
243
 
            ##        self.danger_count, self.update_count)
244
 
        finally:
245
 
            outf.close()
246
 
 
247
 
    def read(self):
248
 
        """Reinstate cache from file.
249
 
 
250
 
        Overwrites existing cache.
251
 
 
252
 
        If the cache file has the wrong version marker, this just clears
253
 
        the cache."""
254
 
        self._cache = {}
255
 
 
256
 
        fn = self.cache_file_name()
257
 
        try:
258
 
            inf = file(fn, 'rb', buffering=65000)
259
 
        except IOError, e:
260
 
            trace.mutter("failed to open %s: %s", fn, e)
261
 
            # better write it now so it is valid
262
 
            self.needs_write = True
263
 
            return
264
 
 
265
 
        hdr = inf.readline()
266
 
        if hdr != CACHE_HEADER:
267
 
            trace.mutter('cache header marker not found at top of %s;'
268
 
                         ' discarding cache', fn)
269
 
            self.needs_write = True
270
 
            return
271
 
 
272
 
        for l in inf:
273
 
            pos = l.index('// ')
274
 
            path = l[:pos].decode('utf-8')
275
 
            if path in self._cache:
276
 
                trace.warning('duplicated path %r in cache' % path)
277
 
                continue
278
 
 
279
 
            pos += 3
280
 
            fields = l[pos:].split(' ')
281
 
            if len(fields) != 7:
282
 
                trace.warning("bad line in hashcache: %r" % l)
283
 
                continue
284
 
 
285
 
            sha1 = fields[0]
286
 
            if len(sha1) != 40:
287
 
                trace.warning("bad sha1 in hashcache: %r" % sha1)
288
 
                continue
289
 
 
290
 
            fp = tuple(map(long, fields[1:]))
291
 
 
292
 
            self._cache[path] = (sha1, fp)
293
 
 
294
 
        # GZ 2009-09-20: Should really use a try/finally block to ensure close
295
 
        inf.close()
296
 
 
297
 
        self.needs_write = False
298
 
 
299
 
    def _cutoff_time(self):
300
 
        """Return cutoff time.
301
 
 
302
 
        Files modified more recently than this time are at risk of being
303
 
        undetectably modified and so can't be cached.
304
 
        """
305
 
        return int(time.time()) - 3
306
 
 
307
 
    def _fingerprint(self, abspath, stat_value=None):
308
 
        if stat_value is None:
309
 
            try:
310
 
                stat_value = os.lstat(abspath)
311
 
            except OSError:
312
 
                # might be missing, etc
313
 
                return None
314
 
        if stat.S_ISDIR(stat_value.st_mode):
315
 
            return None
316
 
        # we discard any high precision because it's not reliable; perhaps we
317
 
        # could do better on some systems?
318
 
        return (stat_value.st_size, long(stat_value.st_mtime),
319
 
                long(stat_value.st_ctime), stat_value.st_ino,
320
 
                stat_value.st_dev, stat_value.st_mode)