~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# out-of-date.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
 
# 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, pathjoin
36
 
from bzrlib.trace import mutter, warning
37
 
from bzrlib.atomicfile import AtomicFile
38
 
from bzrlib.errors import BzrError
39
 
 
40
 
 
41
 
FP_MTIME_COLUMN = 1
42
 
FP_CTIME_COLUMN = 2
43
 
FP_MODE_COLUMN = 5
44
 
 
45
 
def _fingerprint(abspath):
46
 
    try:
47
 
        fs = os.lstat(abspath)
48
 
    except OSError:
49
 
        # might be missing, etc
50
 
        return None
51
 
 
52
 
    if stat.S_ISDIR(fs.st_mode):
53
 
        return None
54
 
 
55
 
    # we discard any high precision because it's not reliable; perhaps we
56
 
    # could do better on some systems?
57
 
    return (fs.st_size, long(fs.st_mtime),
58
 
            long(fs.st_ctime), fs.st_ino, fs.st_dev, fs.st_mode)
59
 
 
60
 
 
61
 
class HashCache(object):
62
 
    """Cache for looking up file SHA-1.
63
 
 
64
 
    Files are considered to match the cached value if the fingerprint
65
 
    of the file has not changed.  This includes its mtime, ctime,
66
 
    device number, inode number, and size.  This should catch
67
 
    modifications or replacement of the file by a new one.
68
 
 
69
 
    This may not catch modifications that do not change the file's
70
 
    size and that occur within the resolution window of the
71
 
    timestamps.  To handle this we specifically do not cache files
72
 
    which have changed since the start of the present second, since
73
 
    they could undetectably change again.
74
 
 
75
 
    This scheme may fail if the machine's clock steps backwards.
76
 
    Don't do that.
77
 
 
78
 
    This does not canonicalize the paths passed in; that should be
79
 
    done by the caller.
80
 
 
81
 
    _cache
82
 
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
83
 
        and its fingerprint.
84
 
 
85
 
    stat_count
86
 
        number of times files have been statted
87
 
 
88
 
    hit_count
89
 
        number of times files have been retrieved from the cache, avoiding a
90
 
        re-read
91
 
        
92
 
    miss_count
93
 
        number of misses (times files have been completely re-read)
94
 
    """
95
 
    needs_write = False
96
 
 
97
 
    def __init__(self, basedir):
98
 
        self.basedir = basedir
99
 
        self.hit_count = 0
100
 
        self.miss_count = 0
101
 
        self.stat_count = 0
102
 
        self.danger_count = 0
103
 
        self.removed_count = 0
104
 
        self.update_count = 0
105
 
        self._cache = {}
106
 
 
107
 
    def cache_file_name(self):
108
 
        # FIXME: duplicate path logic here, this should be 
109
 
        # something like 'branch.controlfile'.
110
 
        return pathjoin(self.basedir, '.bzr', 'stat-cache')
111
 
 
112
 
    def clear(self):
113
 
        """Discard all cached information.
114
 
 
115
 
        This does not reset the counters."""
116
 
        if self._cache:
117
 
            self.needs_write = True
118
 
            self._cache = {}
119
 
 
120
 
 
121
 
    def scan(self):
122
 
        """Scan all files and remove entries where the cache entry is obsolete.
123
 
        
124
 
        Obsolete entries are those where the file has been modified or deleted
125
 
        since the entry was inserted.        
126
 
        """
127
 
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
128
 
        prep.sort()
129
 
        
130
 
        for inum, path, cache_entry in prep:
131
 
            abspath = pathjoin(self.basedir, path)
132
 
            fp = _fingerprint(abspath)
133
 
            self.stat_count += 1
134
 
            
135
 
            cache_fp = cache_entry[1]
136
 
    
137
 
            if (not fp) or (cache_fp != fp):
138
 
                # not here or not a regular file anymore
139
 
                self.removed_count += 1
140
 
                self.needs_write = True
141
 
                del self._cache[path]
142
 
 
143
 
 
144
 
    def get_sha1(self, path):
145
 
        """Return the sha1 of a file.
146
 
        """
147
 
        abspath = pathjoin(self.basedir, path)
148
 
        self.stat_count += 1
149
 
        file_fp = _fingerprint(abspath)
150
 
        
151
 
        if not file_fp:
152
 
            # not a regular file or not existing
153
 
            if path in self._cache:
154
 
                self.removed_count += 1
155
 
                self.needs_write = True
156
 
                del self._cache[path]
157
 
            return None        
158
 
 
159
 
        if path in self._cache:
160
 
            cache_sha1, cache_fp = self._cache[path]
161
 
        else:
162
 
            cache_sha1, cache_fp = None, None
163
 
 
164
 
        if cache_fp == file_fp:
165
 
            self.hit_count += 1
166
 
            return cache_sha1
167
 
        
168
 
        self.miss_count += 1
169
 
 
170
 
 
171
 
        mode = file_fp[FP_MODE_COLUMN]
172
 
        if stat.S_ISREG(mode):
173
 
            digest = sha_file(file(abspath, 'rb', buffering=65000))
174
 
        elif stat.S_ISLNK(mode):
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[FP_MTIME_COLUMN] >= now or file_fp[FP_CTIME_COLUMN] >= 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
 
            #
185
 
            # the point is that we only want to cache when we are sure that any
186
 
            # subsequent modifications of the file can be detected.  If a
187
 
            # modification neither changes the inode, the device, the size, nor
188
 
            # the mode, then we can only distinguish it by time; therefore we
189
 
            # need to let sufficient time elapse before we may cache this entry
190
 
            # again.  If we didn't do this, then, for example, a very quick 1
191
 
            # byte replacement in the file might go undetected.
192
 
            self.danger_count += 1 
193
 
            if cache_fp:
194
 
                self.removed_count += 1
195
 
                self.needs_write = True
196
 
                del self._cache[path]
197
 
        else:
198
 
            self.update_count += 1
199
 
            self.needs_write = True
200
 
            self._cache[path] = (digest, file_fp)
201
 
        return digest
202
 
        
203
 
    def write(self):
204
 
        """Write contents of cache to file."""
205
 
        outf = AtomicFile(self.cache_file_name(), 'wb')
206
 
        try:
207
 
            print >>outf, CACHE_HEADER,
208
 
 
209
 
            for path, c  in self._cache.iteritems():
210
 
                assert '//' not in path, path
211
 
                outf.write(path.encode('utf-8'))
212
 
                outf.write('// ')
213
 
                print >>outf, c[0],     # hex sha1
214
 
                for fld in c[1]:
215
 
                    print >>outf, "%d" % fld,
216
 
                print >>outf
217
 
 
218
 
            outf.commit()
219
 
            self.needs_write = False
220
 
        finally:
221
 
            if not outf.closed:
222
 
                outf.abort()
223
 
 
224
 
    def read(self):
225
 
        """Reinstate cache from file.
226
 
 
227
 
        Overwrites existing cache.
228
 
 
229
 
        If the cache file has the wrong version marker, this just clears 
230
 
        the cache."""
231
 
        self._cache = {}
232
 
 
233
 
        fn = self.cache_file_name()
234
 
        try:
235
 
            inf = file(fn, 'rb', buffering=65000)
236
 
        except IOError, e:
237
 
            mutter("failed to open %s: %s", fn, e)
238
 
            # better write it now so it is valid
239
 
            self.needs_write = True
240
 
            return
241
 
 
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
 
 
275
 
 
276