~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/tuned_gzip.py

  • Committer: Martin Pool
  • Date: 2009-03-03 01:45:32 UTC
  • mto: (4070.4.5 gnu-changelog)
  • mto: This revision was merged to the branch mainline in revision 4081.
  • Revision ID: mbp@sourcefrog.net-20090303014532-d223fxy97cb1og8f
Recommend setting timestamp in BranchBuilder

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