~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Martin Pool
  • Date: 2005-05-03 08:00:27 UTC
  • Revision ID: mbp@sourcefrog.net-20050503080027-908edb5b39982198
doc

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# out-of-date.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
 
 
27
 
 
28
 
CACHE_HEADER = "### bzr hashcache v5\n"
29
 
 
30
 
import os, stat, time
31
 
 
32
 
from bzrlib.osutils import sha_file
33
 
from bzrlib.trace import mutter, warning
34
 
 
35
 
 
36
 
 
37
 
def _fingerprint(abspath):
38
 
    try:
39
 
        fs = os.lstat(abspath)
40
 
    except OSError:
41
 
        # might be missing, etc
42
 
        return None
43
 
 
44
 
    if stat.S_ISDIR(fs.st_mode):
45
 
        return None
46
 
 
47
 
    # we discard any high precision because it's not reliable; perhaps we
48
 
    # could do better on some systems?
49
 
    return (fs.st_size, long(fs.st_mtime),
50
 
            long(fs.st_ctime), fs.st_ino, fs.st_dev)
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, basedir):
90
 
        self.basedir = basedir
91
 
        self.hit_count = 0
92
 
        self.miss_count = 0
93
 
        self.stat_count = 0
94
 
        self.danger_count = 0
95
 
        self.removed_count = 0
96
 
        self.update_count = 0
97
 
        self._cache = {}
98
 
 
99
 
 
100
 
    def cache_file_name(self):
101
 
        return os.sep.join([self.basedir, '.bzr', 'stat-cache'])
102
 
 
103
 
 
104
 
 
105
 
 
106
 
    def clear(self):
107
 
        """Discard all cached information.
108
 
 
109
 
        This does not reset the counters."""
110
 
        if self._cache:
111
 
            self.needs_write = True
112
 
            self._cache = {}
113
 
 
114
 
 
115
 
    def scan(self):
116
 
        """Scan all files and remove entries where the cache entry is obsolete.
117
 
        
118
 
        Obsolete entries are those where the file has been modified or deleted
119
 
        since the entry was inserted.        
120
 
        """
121
 
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
122
 
        prep.sort()
123
 
        
124
 
        for inum, path, cache_entry in prep:
125
 
            abspath = os.sep.join([self.basedir, path])
126
 
            fp = _fingerprint(abspath)
127
 
            self.stat_count += 1
128
 
            
129
 
            cache_fp = cache_entry[1]
130
 
    
131
 
            if (not fp) or (cache_fp != fp):
132
 
                # not here or not a regular file anymore
133
 
                self.removed_count += 1
134
 
                self.needs_write = True
135
 
                del self._cache[path]
136
 
 
137
 
 
138
 
 
139
 
    def get_sha1(self, path):
140
 
        """Return the sha1 of a file.
141
 
        """
142
 
        abspath = os.sep.join([self.basedir, path])
143
 
        self.stat_count += 1
144
 
        file_fp = _fingerprint(abspath)
145
 
        
146
 
        if not file_fp:
147
 
            # not a regular file or not existing
148
 
            if path in self._cache:
149
 
                self.removed_count += 1
150
 
                self.needs_write = True
151
 
                del self._cache[path]
152
 
            return None        
153
 
 
154
 
        if path in self._cache:
155
 
            cache_sha1, cache_fp = self._cache[path]
156
 
        else:
157
 
            cache_sha1, cache_fp = None, None
158
 
 
159
 
        if cache_fp == file_fp:
160
 
            self.hit_count += 1
161
 
            return cache_sha1
162
 
        
163
 
        self.miss_count += 1
164
 
        digest = sha_file(file(abspath, 'rb', buffering=65000))
165
 
 
166
 
        now = int(time.time())
167
 
        if file_fp[1] >= now or file_fp[2] >= now:
168
 
            # changed too recently; can't be cached.  we can
169
 
            # return the result and it could possibly be cached
170
 
            # next time.
171
 
            self.danger_count += 1 
172
 
            if cache_fp:
173
 
                self.removed_count += 1
174
 
                self.needs_write = True
175
 
                del self._cache[path]
176
 
        else:
177
 
            self.update_count += 1
178
 
            self.needs_write = True
179
 
            self._cache[path] = (digest, file_fp)
180
 
        
181
 
        return digest
182
 
        
183
 
 
184
 
 
185
 
 
186
 
    def write(self):
187
 
        """Write contents of cache to file."""
188
 
        from atomicfile import AtomicFile
189
 
 
190
 
        outf = AtomicFile(self.cache_file_name(), 'wb')
191
 
        try:
192
 
            print >>outf, CACHE_HEADER,
193
 
 
194
 
            for path, c  in self._cache.iteritems():
195
 
                assert '//' not in path, path
196
 
                outf.write(path.encode('utf-8'))
197
 
                outf.write('// ')
198
 
                print >>outf, c[0],     # hex sha1
199
 
                for fld in c[1]:
200
 
                    print >>outf, "%d" % fld,
201
 
                print >>outf
202
 
 
203
 
            outf.commit()
204
 
            self.needs_write = False
205
 
        finally:
206
 
            if not outf.closed:
207
 
                outf.abort()
208
 
        
209
 
 
210
 
 
211
 
    def read(self):
212
 
        """Reinstate cache from file.
213
 
 
214
 
        Overwrites existing cache.
215
 
 
216
 
        If the cache file has the wrong version marker, this just clears 
217
 
        the cache."""
218
 
        self._cache = {}
219
 
 
220
 
        fn = self.cache_file_name()
221
 
        try:
222
 
            inf = file(fn, 'rb', buffering=65000)
223
 
        except IOError, e:
224
 
            mutter("failed to open %s: %s" % (fn, e))
225
 
            return
226
 
 
227
 
 
228
 
        hdr = inf.readline()
229
 
        if hdr != CACHE_HEADER:
230
 
            mutter('cache header marker not found at top of %s; discarding cache'
231
 
                   % fn)
232
 
            return
233
 
 
234
 
        for l in inf:
235
 
            pos = l.index('// ')
236
 
            path = l[:pos].decode('utf-8')
237
 
            if path in self._cache:
238
 
                warning('duplicated path %r in cache' % path)
239
 
                continue
240
 
 
241
 
            pos += 3
242
 
            fields = l[pos:].split(' ')
243
 
            if len(fields) != 6:
244
 
                warning("bad line in hashcache: %r" % l)
245
 
                continue
246
 
 
247
 
            sha1 = fields[0]
248
 
            if len(sha1) != 40:
249
 
                warning("bad sha1 in hashcache: %r" % sha1)
250
 
                continue
251
 
 
252
 
            fp = tuple(map(long, fields[1:]))
253
 
 
254
 
            self._cache[path] = (sha1, fp)
255
 
 
256
 
        self.needs_write = False
257
 
           
258
 
 
259
 
 
260