~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/tuned_gzip.py

  • Committer: Martin Pool
  • Date: 2005-05-05 07:00:17 UTC
  • Revision ID: mbp@sourcefrog.net-20050505070017-6af6a766fc558dc2
todo

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# Copyright (C) 2005, 2006 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., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 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 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", "bytes_to_gzip"]
33
 
 
34
 
 
35
 
def U32(i):
36
 
    """Return i as an unsigned integer, assuming it fits in 32 bits.
37
 
 
38
 
    If it's >= 2GB when viewed as a 32-bit unsigned int, return a long.
39
 
    """
40
 
    if i < 0:
41
 
        i += 1L << 32
42
 
    return i
43
 
 
44
 
 
45
 
def LOWU32(i):
46
 
    """Return the low-order 32 bits of an int, as a non-negative int."""
47
 
    return i & 0xFFFFFFFFL
48
 
 
49
 
 
50
 
def bytes_to_gzip(bytes, factory=zlib.compressobj,
51
 
    level=zlib.Z_DEFAULT_COMPRESSION, method=zlib.DEFLATED,
52
 
    width=-zlib.MAX_WBITS, mem=zlib.DEF_MEM_LEVEL,
53
 
    crc32=zlib.crc32):
54
 
    """Create a gzip file containing bytes and return its content."""
55
 
    return chunks_to_gzip([bytes])
56
 
 
57
 
 
58
 
def chunks_to_gzip(chunks, factory=zlib.compressobj,
59
 
    level=zlib.Z_DEFAULT_COMPRESSION, method=zlib.DEFLATED,
60
 
    width=-zlib.MAX_WBITS, mem=zlib.DEF_MEM_LEVEL,
61
 
    crc32=zlib.crc32):
62
 
    """Create a gzip file containing chunks and return its content.
63
 
 
64
 
    :param chunks: An iterable of strings. Each string can have arbitrary
65
 
        layout.
66
 
    """
67
 
    result = [
68
 
        '\037\213'  # self.fileobj.write('\037\213')  # magic header
69
 
        '\010'      # self.fileobj.write('\010')      # compression method
70
 
                    # fname = self.filename[:-3]
71
 
                    # flags = 0
72
 
                    # if fname:
73
 
                    #     flags = FNAME
74
 
        '\x00'      # self.fileobj.write(chr(flags))
75
 
        '\0\0\0\0'  # write32u(self.fileobj, long(time.time()))
76
 
        '\002'      # self.fileobj.write('\002')
77
 
        '\377'      # self.fileobj.write('\377')
78
 
                    # if fname:
79
 
        ''          #     self.fileobj.write(fname + '\000')
80
 
        ]
81
 
    # using a compressobj avoids a small header and trailer that the compress()
82
 
    # utility function adds.
83
 
    compress = factory(level, method, width, mem, 0)
84
 
    crc = 0
85
 
    total_len = 0
86
 
    for chunk in chunks:
87
 
        crc = crc32(chunk, crc)
88
 
        total_len += len(chunk)
89
 
        zbytes = compress.compress(chunk)
90
 
        if zbytes:
91
 
            result.append(zbytes)
92
 
    result.append(compress.flush())
93
 
    # size may exceed 2GB, or even 4GB
94
 
    result.append(struct.pack("<LL", LOWU32(crc), LOWU32(total_len)))
95
 
    return ''.join(result)
96
 
 
97
 
 
98
 
class GzipFile(gzip.GzipFile):
99
 
    """Knit tuned version of GzipFile.
100
 
 
101
 
    This is based on the following lsprof stats:
102
 
    python 2.4 stock GzipFile write:
103
 
    58971      0   5644.3090   2721.4730   gzip:193(write)
104
 
    +58971     0   1159.5530   1159.5530   +<built-in method compress>
105
 
    +176913    0    987.0320    987.0320   +<len>
106
 
    +58971     0    423.1450    423.1450   +<zlib.crc32>
107
 
    +58971     0    353.1060    353.1060   +<method 'write' of 'cStringIO.
108
 
                                            StringO' objects>
109
 
    tuned GzipFile write:
110
 
    58971      0   4477.2590   2103.1120   bzrlib.knit:1250(write)
111
 
    +58971     0   1297.7620   1297.7620   +<built-in method compress>
112
 
    +58971     0    406.2160    406.2160   +<zlib.crc32>
113
 
    +58971     0    341.9020    341.9020   +<method 'write' of 'cStringIO.
114
 
                                            StringO' objects>
115
 
    +58971     0    328.2670    328.2670   +<len>
116
 
 
117
 
 
118
 
    Yes, its only 1.6 seconds, but they add up.
119
 
    """
120
 
 
121
 
    def _add_read_data(self, data):
122
 
        # 4169 calls in 183
123
 
        # temp var for len(data) and switch to +='s.
124
 
        # 4169 in 139
125
 
        len_data = len(data)
126
 
        self.crc = zlib.crc32(data, self.crc)
127
 
        self.extrabuf += data
128
 
        self.extrasize += len_data
129
 
        self.size += len_data
130
 
 
131
 
    def _write_gzip_header(self):
132
 
        """A tuned version of gzip._write_gzip_header
133
 
 
134
 
        We have some extra constrains that plain Gzip does not.
135
 
        1) We want to write the whole blob at once. rather than multiple
136
 
           calls to fileobj.write().
137
 
        2) We never have a filename
138
 
        3) We don't care about the time
139
 
        """
140
 
        self.fileobj.write(
141
 
           '\037\213'   # self.fileobj.write('\037\213')  # magic header
142
 
            '\010'      # self.fileobj.write('\010')      # compression method
143
 
                        # fname = self.filename[:-3]
144
 
                        # flags = 0
145
 
                        # if fname:
146
 
                        #     flags = FNAME
147
 
            '\x00'      # self.fileobj.write(chr(flags))
148
 
            '\0\0\0\0'  # write32u(self.fileobj, long(time.time()))
149
 
            '\002'      # self.fileobj.write('\002')
150
 
            '\377'      # self.fileobj.write('\377')
151
 
                        # if fname:
152
 
            ''          #     self.fileobj.write(fname + '\000')
153
 
            )
154
 
 
155
 
    def _read(self, size=1024):
156
 
        # various optimisations:
157
 
        # reduces lsprof count from 2500 to
158
 
        # 8337 calls in 1272, 365 internal
159
 
        if self.fileobj is None:
160
 
            raise EOFError, "Reached EOF"
161
 
 
162
 
        if self._new_member:
163
 
            # If the _new_member flag is set, we have to
164
 
            # jump to the next member, if there is one.
165
 
            #
166
 
            # First, check if we're at the end of the file;
167
 
            # if so, it's time to stop; no more members to read.
168
 
            next_header_bytes = self.fileobj.read(10)
169
 
            if next_header_bytes == '':
170
 
                raise EOFError, "Reached EOF"
171
 
 
172
 
            self._init_read()
173
 
            self._read_gzip_header(next_header_bytes)
174
 
            self.decompress = zlib.decompressobj(-zlib.MAX_WBITS)
175
 
            self._new_member = False
176
 
 
177
 
        # Read a chunk of data from the file
178
 
        buf = self.fileobj.read(size)
179
 
 
180
 
        # If the EOF has been reached, flush the decompression object
181
 
        # and mark this object as finished.
182
 
 
183
 
        if buf == "":
184
 
            self._add_read_data(self.decompress.flush())
185
 
            if len(self.decompress.unused_data) < 8:
186
 
                raise AssertionError("what does flush do?")
187
 
            self._gzip_tail = self.decompress.unused_data[0:8]
188
 
            self._read_eof()
189
 
            # tell the driving read() call we have stuffed all the data
190
 
            # in self.extrabuf
191
 
            raise EOFError, 'Reached EOF'
192
 
 
193
 
        self._add_read_data(self.decompress.decompress(buf))
194
 
 
195
 
        if self.decompress.unused_data != "":
196
 
            # Ending case: we've come to the end of a member in the file,
197
 
            # so seek back to the start of the data for the next member which
198
 
            # is the length of the decompress objects unused data - the first
199
 
            # 8 bytes for the end crc and size records.
200
 
            #
201
 
            # so seek back to the start of the unused data, finish up
202
 
            # this member, and read a new gzip header.
203
 
            # (The number of bytes to seek back is the length of the unused
204
 
            # data, minus 8 because those 8 bytes are part of this member.
205
 
            seek_length = len (self.decompress.unused_data) - 8
206
 
            if seek_length > 0:
207
 
                # we read too much data
208
 
                self.fileobj.seek(-seek_length, 1)
209
 
                self._gzip_tail = self.decompress.unused_data[0:8]
210
 
            elif seek_length < 0:
211
 
                # we haven't read enough to check the checksum.
212
 
                if not (-8 < seek_length):
213
 
                    raise AssertionError("too great a seek")
214
 
                buf = self.fileobj.read(-seek_length)
215
 
                self._gzip_tail = self.decompress.unused_data + buf
216
 
            else:
217
 
                self._gzip_tail = self.decompress.unused_data
218
 
 
219
 
            # Check the CRC and file size, and set the flag so we read
220
 
            # a new member on the next call
221
 
            self._read_eof()
222
 
            self._new_member = True
223
 
 
224
 
    def _read_eof(self):
225
 
        """tuned to reduce function calls and eliminate file seeking:
226
 
        pass 1:
227
 
        reduces lsprof count from 800 to 288
228
 
        4168 in 296
229
 
        avoid U32 call by using struct format L
230
 
        4168 in 200
231
 
        """
232
 
        # We've read to the end of the file, so we should have 8 bytes of
233
 
        # unused data in the decompressor. If we don't, there is a corrupt file.
234
 
        # We use these 8 bytes to calculate the CRC and the recorded file size.
235
 
        # We then check the that the computed CRC and size of the
236
 
        # uncompressed data matches the stored values.  Note that the size
237
 
        # stored is the true file size mod 2**32.
238
 
        if not (len(self._gzip_tail) == 8):
239
 
            raise AssertionError("gzip trailer is incorrect length.")
240
 
        crc32, isize = struct.unpack("<LL", self._gzip_tail)
241
 
        # note that isize is unsigned - it can exceed 2GB
242
 
        if crc32 != U32(self.crc):
243
 
            raise IOError, "CRC check failed %d %d" % (crc32, U32(self.crc))
244
 
        elif isize != LOWU32(self.size):
245
 
            raise IOError, "Incorrect length of data produced"
246
 
 
247
 
    def _read_gzip_header(self, bytes=None):
248
 
        """Supply bytes if the minimum header size is already read.
249
 
 
250
 
        :param bytes: 10 bytes of header data.
251
 
        """
252
 
        """starting cost: 300 in 3998
253
 
        15998 reads from 3998 calls
254
 
        final cost 168
255
 
        """
256
 
        if bytes is None:
257
 
            bytes = self.fileobj.read(10)
258
 
        magic = bytes[0:2]
259
 
        if magic != '\037\213':
260
 
            raise IOError, 'Not a gzipped file'
261
 
        method = ord(bytes[2:3])
262
 
        if method != 8:
263
 
            raise IOError, 'Unknown compression method'
264
 
        flag = ord(bytes[3:4])
265
 
        # modtime = self.fileobj.read(4) (bytes [4:8])
266
 
        # extraflag = self.fileobj.read(1) (bytes[8:9])
267
 
        # os = self.fileobj.read(1) (bytes[9:10])
268
 
        # self.fileobj.read(6)
269
 
 
270
 
        if flag & FEXTRA:
271
 
            # Read & discard the extra field, if present
272
 
            xlen = ord(self.fileobj.read(1))
273
 
            xlen = xlen + 256*ord(self.fileobj.read(1))
274
 
            self.fileobj.read(xlen)
275
 
        if flag & FNAME:
276
 
            # Read and discard a null-terminated string containing the filename
277
 
            while True:
278
 
                s = self.fileobj.read(1)
279
 
                if not s or s=='\000':
280
 
                    break
281
 
        if flag & FCOMMENT:
282
 
            # Read and discard a null-terminated string containing a comment
283
 
            while True:
284
 
                s = self.fileobj.read(1)
285
 
                if not s or s=='\000':
286
 
                    break
287
 
        if flag & FHCRC:
288
 
            self.fileobj.read(2)     # Read & discard the 16-bit header CRC
289
 
 
290
 
    def readline(self, size=-1):
291
 
        """Tuned to remove buffer length calls in _unread and...
292
 
 
293
 
        also removes multiple len(c) calls, inlines _unread,
294
 
        total savings - lsprof 5800 to 5300
295
 
        phase 2:
296
 
        4168 calls in 2233
297
 
        8176 calls to read() in 1684
298
 
        changing the min chunk size to 200 halved all the cache misses
299
 
        leading to a drop to:
300
 
        4168 calls in 1977
301
 
        4168 call to read() in 1646
302
 
        - i.e. just reduced the function call overhead. May be worth
303
 
          keeping.
304
 
        """
305
 
        if size < 0: size = sys.maxint
306
 
        bufs = []
307
 
        readsize = min(200, size)    # Read from the file in small chunks
308
 
        while True:
309
 
            if size == 0:
310
 
                return "".join(bufs) # Return resulting line
311
 
 
312
 
            # c is the chunk
313
 
            c = self.read(readsize)
314
 
            # number of bytes read
315
 
            len_c = len(c)
316
 
            i = c.find('\n')
317
 
            if size is not None:
318
 
                # We set i=size to break out of the loop under two
319
 
                # conditions: 1) there's no newline, and the chunk is
320
 
                # larger than size, or 2) there is a newline, but the
321
 
                # resulting line would be longer than 'size'.
322
 
                if i==-1 and len_c > size: i=size-1
323
 
                elif size <= i: i = size -1
324
 
 
325
 
            if i >= 0 or c == '':
326
 
                # if i>= 0 we have a newline or have triggered the above
327
 
                # if size is not None condition.
328
 
                # if c == '' its EOF.
329
 
                bufs.append(c[:i+1])    # Add portion of last chunk
330
 
                # -- inlined self._unread --
331
 
                ## self._unread(c[i+1:], len_c - i)   # Push back rest of chunk
332
 
                self.extrabuf = c[i+1:] + self.extrabuf
333
 
                self.extrasize = len_c - i + self.extrasize
334
 
                self.offset -= len_c - i
335
 
                # -- end inlined self._unread --
336
 
                return ''.join(bufs)    # Return resulting line
337
 
 
338
 
            # Append chunk to list, decrease 'size',
339
 
            bufs.append(c)
340
 
            size = size - len_c
341
 
            readsize = min(size, readsize * 2)
342
 
 
343
 
    def readlines(self, sizehint=0):
344
 
        # optimise to avoid all the buffer manipulation
345
 
        # lsprof changed from:
346
 
        # 4168 calls in 5472 with 32000 calls to readline()
347
 
        # to :
348
 
        # 4168 calls in 417.
349
 
        # Negative numbers result in reading all the lines
350
 
 
351
 
        # python's gzip routine uses sizehint. This is a more efficient way
352
 
        # than python uses to honor it. But it is even more efficient to
353
 
        # just read the entire thing and use cStringIO to split into lines.
354
 
        # if sizehint <= 0:
355
 
        #     sizehint = -1
356
 
        # content = self.read(sizehint)
357
 
        # return bzrlib.osutils.split_lines(content)
358
 
        content = StringIO(self.read(-1))
359
 
        return content.readlines()
360
 
 
361
 
    def _unread(self, buf, len_buf=None):
362
 
        """tuned to remove unneeded len calls.
363
 
 
364
 
        because this is such an inner routine in readline, and readline is
365
 
        in many inner loops, this has been inlined into readline().
366
 
 
367
 
        The len_buf parameter combined with the reduction in len calls dropped
368
 
        the lsprof ms count for this routine on my test data from 800 to 200 -
369
 
        a 75% saving.
370
 
        """
371
 
        if len_buf is None:
372
 
            len_buf = len(buf)
373
 
        self.extrabuf = buf + self.extrabuf
374
 
        self.extrasize = len_buf + self.extrasize
375
 
        self.offset -= len_buf
376
 
 
377
 
    def write(self, data):
378
 
        if self.mode != gzip.WRITE:
379
 
            import errno
380
 
            raise IOError(errno.EBADF, "write() on read-only GzipFile object")
381
 
 
382
 
        if self.fileobj is None:
383
 
            raise ValueError, "write() on closed GzipFile object"
384
 
        data_len = len(data)
385
 
        if data_len > 0:
386
 
            self.size = self.size + data_len
387
 
            self.crc = zlib.crc32(data, self.crc)
388
 
            self.fileobj.write( self.compress.compress(data) )
389
 
            self.offset += data_len
390
 
 
391
 
    def writelines(self, lines):
392
 
        # profiling indicated a significant overhead
393
 
        # calling write for each line.
394
 
        # this batch call is a lot faster :).
395
 
        # (4 seconds to 1 seconds for the sample upgrades I was testing).
396
 
        self.write(''.join(lines))
397
 
 
398