~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/tuned_gzip.py

  • Committer: Martin Pool
  • Date: 2005-05-02 04:24:33 UTC
  • Revision ID: mbp@sourcefrog.net-20050502042433-c825a7f7235f6b15
doc: notes on merge

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# Copyright (C) 2005, 2006 by 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