~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

  • Committer: Martin Pool
  • Date: 2005-05-13 00:57:32 UTC
  • Revision ID: mbp@sourcefrog.net-20050513005732-26b0a3042cbb57d1
- more notes on tagging

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
SC_FILE_ID = 0
 
68
SC_SHA1    = 1 
 
69
 
 
70
 
 
71
def fingerprint(abspath):
 
72
    try:
 
73
        fs = os.lstat(abspath)
 
74
    except OSError:
 
75
        # might be missing, etc
 
76
        return None
 
77
 
 
78
    if stat.S_ISDIR(fs.st_mode):
 
79
        return None
 
80
 
 
81
    return (fs.st_size, fs.st_mtime,
 
82
            fs.st_ctime, fs.st_ino, fs.st_dev)
 
83
 
 
84
 
 
85
def _write_cache(basedir, entry_iter, dangerfiles):
 
86
    from atomicfile import AtomicFile
 
87
 
 
88
    cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
 
89
    outf = AtomicFile(cachefn, 'wb', 'utf-8')
 
90
    try:
 
91
        for entry in entry_iter:
 
92
            if entry[0] in dangerfiles:
 
93
                continue
 
94
            outf.write(entry[0] + ' ' + entry[1] + ' ')
 
95
            outf.write(b2a_qp(entry[2], True))
 
96
            outf.write(' %d %d %d %d %d\n' % entry[3:])
 
97
 
 
98
        outf.commit()
 
99
    finally:
 
100
        if not outf.closed:
 
101
            outf.abort()
 
102
        
 
103
        
 
104
def load_cache(basedir):
 
105
    import codecs
 
106
    
 
107
    cache = {}
 
108
 
 
109
    try:
 
110
        cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
 
111
        cachefile = codecs.open(cachefn, 'r', 'utf-8')
 
112
    except IOError:
 
113
        return cache
 
114
    
 
115
    for l in cachefile:
 
116
        f = l.split(' ')
 
117
        file_id = f[0]
 
118
        if file_id in cache:
 
119
            raise BzrError("duplicated file_id in cache: {%s}" % file_id)
 
120
        cache[file_id] = (f[0], f[1], a2b_qp(f[2])) + tuple([long(x) for x in f[3:]])
 
121
    return cache
 
122
 
 
123
 
 
124
 
 
125
 
 
126
def _files_from_inventory(inv):
 
127
    for path, ie in inv.iter_entries():
 
128
        if ie.kind != 'file':
 
129
            continue
 
130
        yield ie.file_id, path
 
131
    
 
132
 
 
133
 
 
134
def update_cache(basedir, inv, flush=False):
 
135
    """Update and return the cache for the branch.
 
136
 
 
137
    The returned cache may contain entries that have not been written
 
138
    to disk for files recently touched.
 
139
 
 
140
    flush -- discard any previous cache and recalculate from scratch.
 
141
    """
 
142
 
 
143
    
 
144
    # TODO: It's supposed to be faster to stat the files in order by inum.
 
145
    # We don't directly know the inum of the files of course but we do
 
146
    # know where they were last sighted, so we can sort by that.
 
147
 
 
148
    assert isinstance(flush, bool)
 
149
    if flush:
 
150
        cache = {}
 
151
    else:
 
152
        cache = load_cache(basedir)
 
153
    return _update_cache_from_list(basedir, cache, _files_from_inventory(inv))
 
154
 
 
155
 
 
156
 
 
157
def _update_cache_from_list(basedir, cache, to_update):
 
158
    """Update and return the cache for given files.
 
159
 
 
160
    cache -- Previously cached values to be validated.
 
161
 
 
162
    to_update -- Sequence of (file_id, path) pairs to check.
 
163
    """
 
164
 
 
165
    from sets import Set
 
166
 
 
167
    stat_cnt = missing_cnt = hardcheck = change_cnt = 0
 
168
 
 
169
    # files that have been recently touched and can't be
 
170
    # committed to a persistent cache yet.
 
171
    
 
172
    dangerfiles = Set()
 
173
    now = int(time.time())
 
174
 
 
175
    ## mutter('update statcache under %r' % basedir)
 
176
    for file_id, path in to_update:
 
177
        abspath = os.path.join(basedir, path)
 
178
        fp = fingerprint(abspath)
 
179
        stat_cnt += 1
 
180
        
 
181
        cacheentry = cache.get(file_id)
 
182
 
 
183
        if fp == None: # not here
 
184
            if cacheentry:
 
185
                del cache[file_id]
 
186
                change_cnt += 1
 
187
            missing_cnt += 1
 
188
            continue
 
189
 
 
190
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
 
191
            dangerfiles.add(file_id)
 
192
 
 
193
        if cacheentry and (cacheentry[3:] == fp):
 
194
            continue                    # all stat fields unchanged
 
195
 
 
196
        hardcheck += 1
 
197
 
 
198
        dig = sha.new(file(abspath, 'rb').read()).hexdigest()
 
199
 
 
200
        # We update the cache even if the digest has not changed from
 
201
        # last time we looked, so that the fingerprint fields will
 
202
        # match in future.
 
203
        cacheentry = (file_id, dig, path) + fp
 
204
        cache[file_id] = cacheentry
 
205
        change_cnt += 1
 
206
 
 
207
    mutter('statcache: statted %d files, read %d files, %d changed, %d dangerous, '
 
208
           '%d in cache'
 
209
           % (stat_cnt, hardcheck, change_cnt, len(dangerfiles), len(cache)))
 
210
        
 
211
    if change_cnt:
 
212
        mutter('updating on-disk statcache')
 
213
        _write_cache(basedir, cache.itervalues(), dangerfiles)
 
214
 
 
215
    return cache