~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

  • Committer: Martin Pool
  • Date: 2005-05-10 06:21:07 UTC
  • Revision ID: mbp@sourcefrog.net-20050510062107-8b15b4c6b52d0279
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
import stat, os, sha, time
 
18
from binascii import b2a_qp, a2b_qp
 
19
 
 
20
from trace import mutter
 
21
from errors import BzrError
 
22
 
 
23
 
 
24
"""File stat cache to speed up tree comparisons.
 
25
 
 
26
This module basically gives a quick way to find the SHA-1 and related
 
27
information of a file in the working directory, without actually
 
28
reading and hashing the whole file.
 
29
 
 
30
This is done by maintaining a cache indexed by a file fingerprint of
 
31
(path, size, mtime, ctime, ino, dev) pointing to the SHA-1.  If the
 
32
fingerprint has changed, we assume the file content has not changed
 
33
either and the SHA-1 is therefore the same.
 
34
 
 
35
If any of the fingerprint fields have changed then the file content
 
36
*may* have changed, or it may not have.  We need to reread the file
 
37
contents to make sure, but this is not visible to the user or
 
38
higher-level code (except as a delay of course).
 
39
 
 
40
The mtime and ctime are stored with nanosecond fields, but not all
 
41
filesystems give this level of precision.  There is therefore a
 
42
possible race: the file might be modified twice within a second
 
43
without changing the size or mtime, and a SHA-1 cached from the first
 
44
version would be wrong.  We handle this by not recording a cached hash
 
45
for any files which were modified in the current second and that
 
46
therefore have the chance to change again before the second is up.
 
47
 
 
48
The only known hole in this design is if the system clock jumps
 
49
backwards crossing invocations of bzr.  Please don't do that; use ntp
 
50
to gradually adjust your clock or don't use bzr over the step.
 
51
 
 
52
At the moment this is stored in a simple textfile; it might be nice
 
53
to use a tdb instead.
 
54
 
 
55
The cache is represented as a map from file_id to a tuple of (file_id,
 
56
sha1, path, size, mtime, ctime, ino, dev).
 
57
"""
 
58
 
 
59
 
 
60
 
 
61
def fingerprint(path, abspath):
 
62
    try:
 
63
        fs = os.lstat(abspath)
 
64
    except OSError:
 
65
        # might be missing, etc
 
66
        return None
 
67
 
 
68
    if stat.S_ISDIR(fs.st_mode):
 
69
        return None
 
70
 
 
71
    return (fs.st_size, fs.st_mtime,
 
72
            fs.st_ctime, fs.st_ino, fs.st_dev)
 
73
 
 
74
 
 
75
def _write_cache(branch, entry_iter):
 
76
    from atomicfile import AtomicFile
 
77
    
 
78
    outf = AtomicFile(branch.controlfilename('work-cache'), 'wb', 'utf-8')
 
79
    try:
 
80
        for entry in entry_iter:
 
81
            outf.write(entry[0] + ' ' + entry[1] + ' ')
 
82
            outf.write(b2a_qp(entry[2], True))
 
83
            outf.write(' %d %d %d %d %d\n' % entry[3:])
 
84
 
 
85
        outf.commit()
 
86
    finally:
 
87
        if not outf.closed:
 
88
            outf.abort()
 
89
        
 
90
        
 
91
def load_cache(branch):
 
92
    cache = {}
 
93
 
 
94
    try:
 
95
        cachefile = branch.controlfile('work-cache', 'r')
 
96
    except IOError:
 
97
        return cache
 
98
    
 
99
    for l in cachefile:
 
100
        f = l.split(' ')
 
101
        file_id = f[0]
 
102
        if file_id in cache:
 
103
            raise BzrError("duplicated file_id in cache: {%s}" % file_id)
 
104
        cache[file_id] = (f[0], f[1], a2b_qp(f[2])) + tuple([long(x) for x in f[3:]])
 
105
    return cache
 
106
 
 
107
 
 
108
 
 
109
 
 
110
def _files_from_inventory(inv):
 
111
    for path, ie in inv.iter_entries():
 
112
        if ie.kind != 'file':
 
113
            continue
 
114
        yield ie.file_id, path
 
115
    
 
116
 
 
117
def build_cache(branch):
 
118
    inv = branch.read_working_inventory()
 
119
 
 
120
    cache = {}
 
121
    _update_cache_from_list(branch, cache, _files_from_inventory(inv))
 
122
    
 
123
 
 
124
 
 
125
def update_cache(branch, inv):
 
126
    # TODO: It's supposed to be faster to stat the files in order by inum.
 
127
    # We don't directly know the inum of the files of course but we do
 
128
    # know where they were last sighted, so we can sort by that.
 
129
 
 
130
    cache = load_cache(branch)
 
131
    return _update_cache_from_list(branch, cache, _files_from_inventory(inv))
 
132
 
 
133
 
 
134
 
 
135
def _update_cache_from_list(branch, cache, to_update):
 
136
    """Update the cache to have info on the named files.
 
137
 
 
138
    to_update is a sequence of (file_id, path) pairs.
 
139
    """
 
140
    hardcheck = dirty = 0
 
141
    for file_id, path in to_update:
 
142
        fap = branch.abspath(path)
 
143
        fp = fingerprint(fap, path)
 
144
        cacheentry = cache.get(file_id)
 
145
 
 
146
        if fp == None: # not here
 
147
            if cacheentry:
 
148
                del cache[file_id]
 
149
                dirty += 1
 
150
            continue
 
151
 
 
152
        if cacheentry and (cacheentry[3:] == fp):
 
153
            continue                    # all stat fields unchanged
 
154
 
 
155
        hardcheck += 1
 
156
 
 
157
        dig = sha.new(file(fap, 'rb').read()).hexdigest()
 
158
 
 
159
        if cacheentry == None or dig != cacheentry[1]: 
 
160
            # if there was no previous entry for this file, or if the
 
161
            # SHA has changed, then update the cache
 
162
            cacheentry = (file_id, dig, path) + fp
 
163
            cache[file_id] = cacheentry
 
164
            dirty += 1
 
165
 
 
166
    mutter('work cache: read %d files, %d changed, %d in cache'
 
167
           % (hardcheck, dirty, len(cache)))
 
168
        
 
169
    if dirty:
 
170
        _write_cache(branch, cache.itervalues())
 
171
 
 
172
    return cache