~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 06:34:41 UTC
  • Revision ID: mbp@sourcefrog.net-20050510063441-465de1f851add6a0
- Avoid dangerous files when writing out stat cache
- remove build_cache in favour of just update_cache with parameter
  to flush

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
FP_SIZE  = 0
 
61
FP_MTIME = 1
 
62
FP_CTIME = 2
 
63
FP_INO   = 3
 
64
FP_DEV   = 4
 
65
 
 
66
 
 
67
def fingerprint(path, abspath):
 
68
    try:
 
69
        fs = os.lstat(abspath)
 
70
    except OSError:
 
71
        # might be missing, etc
 
72
        return None
 
73
 
 
74
    if stat.S_ISDIR(fs.st_mode):
 
75
        return None
 
76
 
 
77
    return (fs.st_size, fs.st_mtime,
 
78
            fs.st_ctime, fs.st_ino, fs.st_dev)
 
79
 
 
80
 
 
81
def _write_cache(branch, entry_iter, dangerfiles):
 
82
    from atomicfile import AtomicFile
 
83
    
 
84
    outf = AtomicFile(branch.controlfilename('stat-cache'), 'wb', 'utf-8')
 
85
    try:
 
86
        for entry in entry_iter:
 
87
            if entry[0] in dangerfiles:
 
88
                continue
 
89
            outf.write(entry[0] + ' ' + entry[1] + ' ')
 
90
            outf.write(b2a_qp(entry[2], True))
 
91
            outf.write(' %d %d %d %d %d\n' % entry[3:])
 
92
 
 
93
        outf.commit()
 
94
    finally:
 
95
        if not outf.closed:
 
96
            outf.abort()
 
97
        
 
98
        
 
99
def load_cache(branch):
 
100
    cache = {}
 
101
 
 
102
    try:
 
103
        cachefile = branch.controlfile('stat-cache', 'r')
 
104
    except IOError:
 
105
        return cache
 
106
    
 
107
    for l in cachefile:
 
108
        f = l.split(' ')
 
109
        file_id = f[0]
 
110
        if file_id in cache:
 
111
            raise BzrError("duplicated file_id in cache: {%s}" % file_id)
 
112
        cache[file_id] = (f[0], f[1], a2b_qp(f[2])) + tuple([long(x) for x in f[3:]])
 
113
    return cache
 
114
 
 
115
 
 
116
 
 
117
 
 
118
def _files_from_inventory(inv):
 
119
    for path, ie in inv.iter_entries():
 
120
        if ie.kind != 'file':
 
121
            continue
 
122
        yield ie.file_id, path
 
123
    
 
124
 
 
125
 
 
126
def update_cache(branch, flush=False):
 
127
    """Update and return the cache for the branch.
 
128
 
 
129
    The returned cache may contain entries that have not been written
 
130
    to disk for files recently touched.
 
131
 
 
132
    flush -- discard any previous cache and recalculate from scratch.
 
133
    """
 
134
 
 
135
    
 
136
    # TODO: It's supposed to be faster to stat the files in order by inum.
 
137
    # We don't directly know the inum of the files of course but we do
 
138
    # know where they were last sighted, so we can sort by that.
 
139
 
 
140
    if flush:
 
141
        cache = {}
 
142
    else:
 
143
        cache = load_cache(branch)
 
144
    inv = branch.read_working_inventory()
 
145
    return _update_cache_from_list(branch, cache, _files_from_inventory(inv))
 
146
 
 
147
 
 
148
 
 
149
def _update_cache_from_list(branch, cache, to_update):
 
150
    """Update and return the cache for given files.
 
151
 
 
152
    cache -- Previously cached values to be validated.
 
153
 
 
154
    to_update -- Sequence of (file_id, path) pairs to check.
 
155
    """
 
156
 
 
157
    from sets import Set
 
158
 
 
159
    hardcheck = dirty = 0
 
160
 
 
161
    # files that have been recently touched and can't be
 
162
    # committed to a persistent cache yet.
 
163
    
 
164
    dangerfiles = Set()
 
165
    now = int(time.time())
 
166
    
 
167
    for file_id, path in to_update:
 
168
        fap = branch.abspath(path)
 
169
        fp = fingerprint(fap, path)
 
170
        cacheentry = cache.get(file_id)
 
171
 
 
172
        if fp == None: # not here
 
173
            if cacheentry:
 
174
                del cache[file_id]
 
175
                dirty += 1
 
176
            continue
 
177
 
 
178
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
 
179
            dangerfiles.add(file_id)
 
180
 
 
181
        if cacheentry and (cacheentry[3:] == fp):
 
182
            continue                    # all stat fields unchanged
 
183
 
 
184
        hardcheck += 1
 
185
 
 
186
        dig = sha.new(file(fap, 'rb').read()).hexdigest()
 
187
 
 
188
        if cacheentry == None or dig != cacheentry[1]: 
 
189
            # if there was no previous entry for this file, or if the
 
190
            # SHA has changed, then update the cache
 
191
            cacheentry = (file_id, dig, path) + fp
 
192
            cache[file_id] = cacheentry
 
193
            dirty += 1
 
194
 
 
195
    mutter('statcache: read %d files, %d changed, %d dangerous, '
 
196
           '%d in cache'
 
197
           % (hardcheck, dirty, len(dangerfiles), len(cache)))
 
198
        
 
199
    if dirty:
 
200
        mutter('updating on-disk statcache')
 
201
        _write_cache(branch, cache.itervalues(), dangerfiles)
 
202
 
 
203
    return cache