~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Canonical.com Patch Queue Manager
  • Date: 2010-01-15 04:49:48 UTC
  • mfrom: (3984.5.22 switch-r-183559)
  • Revision ID: pqm@pqm.ubuntu.com-20100115044948-yxz5m3vchxapbq22
(andrew) Add --revision option to 'bzr switch'. (#184559)

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2005, 2006 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., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
 
16
 
 
17
# TODO: Up-front, stat all files in order and remove those which are deleted or
 
18
# out-of-date.  Don't actually re-read them until they're needed.  That ought
 
19
# to bring all the inodes into core so that future stats to them are fast, and
 
20
# it preserves the nice property that any caller will always get up-to-date
 
21
# data except in unavoidable cases.
 
22
 
 
23
# TODO: Perhaps return more details on the file to avoid statting it
 
24
# again: nonexistent, file type, size, etc
 
25
 
 
26
# TODO: Perhaps use a Python pickle instead of a text file; might be faster.
 
27
 
 
28
 
 
29
 
 
30
CACHE_HEADER = "### bzr hashcache v5\n"
 
31
 
 
32
import os
 
33
import stat
 
34
import time
 
35
 
 
36
from bzrlib import (
 
37
    atomicfile,
 
38
    errors,
 
39
    filters as _mod_filters,
 
40
    osutils,
 
41
    trace,
 
42
    )
 
43
 
 
44
 
 
45
FP_MTIME_COLUMN = 1
 
46
FP_CTIME_COLUMN = 2
 
47
FP_MODE_COLUMN = 5
 
48
 
 
49
 
 
50
 
 
51
class HashCache(object):
 
52
    """Cache for looking up file SHA-1.
 
53
 
 
54
    Files are considered to match the cached value if the fingerprint
 
55
    of the file has not changed.  This includes its mtime, ctime,
 
56
    device number, inode number, and size.  This should catch
 
57
    modifications or replacement of the file by a new one.
 
58
 
 
59
    This may not catch modifications that do not change the file's
 
60
    size and that occur within the resolution window of the
 
61
    timestamps.  To handle this we specifically do not cache files
 
62
    which have changed since the start of the present second, since
 
63
    they could undetectably change again.
 
64
 
 
65
    This scheme may fail if the machine's clock steps backwards.
 
66
    Don't do that.
 
67
 
 
68
    This does not canonicalize the paths passed in; that should be
 
69
    done by the caller.
 
70
 
 
71
    _cache
 
72
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
 
73
        and its fingerprint.
 
74
 
 
75
    stat_count
 
76
        number of times files have been statted
 
77
 
 
78
    hit_count
 
79
        number of times files have been retrieved from the cache, avoiding a
 
80
        re-read
 
81
 
 
82
    miss_count
 
83
        number of misses (times files have been completely re-read)
 
84
    """
 
85
    needs_write = False
 
86
 
 
87
    def __init__(self, root, cache_file_name, mode=None,
 
88
            content_filter_stack_provider=None):
 
89
        """Create a hash cache in base dir, and set the file mode to mode.
 
90
 
 
91
        :param content_filter_stack_provider: a function that takes a
 
92
            path (relative to the top of the tree) and a file-id as
 
93
            parameters and returns a stack of ContentFilters.
 
94
            If None, no content filtering is performed.
 
95
        """
 
96
        self.root = osutils.safe_unicode(root)
 
97
        self.root_utf8 = self.root.encode('utf8') # where is the filesystem encoding ?
 
98
        self.hit_count = 0
 
99
        self.miss_count = 0
 
100
        self.stat_count = 0
 
101
        self.danger_count = 0
 
102
        self.removed_count = 0
 
103
        self.update_count = 0
 
104
        self._cache = {}
 
105
        self._mode = mode
 
106
        self._cache_file_name = osutils.safe_unicode(cache_file_name)
 
107
        self._filter_provider = content_filter_stack_provider
 
108
 
 
109
    def cache_file_name(self):
 
110
        return self._cache_file_name
 
111
 
 
112
    def clear(self):
 
113
        """Discard all cached information.
 
114
 
 
115
        This does not reset the counters."""
 
116
        if self._cache:
 
117
            self.needs_write = True
 
118
            self._cache = {}
 
119
 
 
120
    def scan(self):
 
121
        """Scan all files and remove entries where the cache entry is obsolete.
 
122
 
 
123
        Obsolete entries are those where the file has been modified or deleted
 
124
        since the entry was inserted.
 
125
        """
 
126
        # FIXME optimisation opportunity, on linux [and check other oses]:
 
127
        # rather than iteritems order, stat in inode order.
 
128
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
 
129
        prep.sort()
 
130
 
 
131
        for inum, path, cache_entry in prep:
 
132
            abspath = osutils.pathjoin(self.root, path)
 
133
            fp = self._fingerprint(abspath)
 
134
            self.stat_count += 1
 
135
 
 
136
            cache_fp = cache_entry[1]
 
137
 
 
138
            if (not fp) or (cache_fp != fp):
 
139
                # not here or not a regular file anymore
 
140
                self.removed_count += 1
 
141
                self.needs_write = True
 
142
                del self._cache[path]
 
143
 
 
144
    def get_sha1(self, path, stat_value=None):
 
145
        """Return the sha1 of a file.
 
146
        """
 
147
        if path.__class__ is str:
 
148
            abspath = osutils.pathjoin(self.root_utf8, path)
 
149
        else:
 
150
            abspath = osutils.pathjoin(self.root, path)
 
151
        self.stat_count += 1
 
152
        file_fp = self._fingerprint(abspath, stat_value)
 
153
 
 
154
        if not file_fp:
 
155
            # not a regular file or not existing
 
156
            if path in self._cache:
 
157
                self.removed_count += 1
 
158
                self.needs_write = True
 
159
                del self._cache[path]
 
160
            return None
 
161
 
 
162
        if path in self._cache:
 
163
            cache_sha1, cache_fp = self._cache[path]
 
164
        else:
 
165
            cache_sha1, cache_fp = None, None
 
166
 
 
167
        if cache_fp == file_fp:
 
168
            ## mutter("hashcache hit for %s %r -> %s", path, file_fp, cache_sha1)
 
169
            ## mutter("now = %s", time.time())
 
170
            self.hit_count += 1
 
171
            return cache_sha1
 
172
 
 
173
        self.miss_count += 1
 
174
 
 
175
        mode = file_fp[FP_MODE_COLUMN]
 
176
        if stat.S_ISREG(mode):
 
177
            if self._filter_provider is None:
 
178
                filters = []
 
179
            else:
 
180
                filters = self._filter_provider(path=path, file_id=None)
 
181
            digest = self._really_sha1_file(abspath, filters)
 
182
        elif stat.S_ISLNK(mode):
 
183
            target = osutils.readlink(osutils.safe_unicode(abspath))
 
184
            digest = osutils.sha_string(target.encode('UTF-8'))
 
185
        else:
 
186
            raise errors.BzrError("file %r: unknown file stat mode: %o"
 
187
                                  % (abspath, mode))
 
188
 
 
189
        # window of 3 seconds to allow for 2s resolution on windows,
 
190
        # unsynchronized file servers, etc.
 
191
        cutoff = self._cutoff_time()
 
192
        if file_fp[FP_MTIME_COLUMN] >= cutoff \
 
193
                or file_fp[FP_CTIME_COLUMN] >= cutoff:
 
194
            # changed too recently; can't be cached.  we can
 
195
            # return the result and it could possibly be cached
 
196
            # next time.
 
197
            #
 
198
            # the point is that we only want to cache when we are sure that any
 
199
            # subsequent modifications of the file can be detected.  If a
 
200
            # modification neither changes the inode, the device, the size, nor
 
201
            # the mode, then we can only distinguish it by time; therefore we
 
202
            # need to let sufficient time elapse before we may cache this entry
 
203
            # again.  If we didn't do this, then, for example, a very quick 1
 
204
            # byte replacement in the file might go undetected.
 
205
            ## mutter('%r modified too recently; not caching', path)
 
206
            self.danger_count += 1
 
207
            if cache_fp:
 
208
                self.removed_count += 1
 
209
                self.needs_write = True
 
210
                del self._cache[path]
 
211
        else:
 
212
            ## mutter('%r added to cache: now=%f, mtime=%d, ctime=%d',
 
213
            ##        path, time.time(), file_fp[FP_MTIME_COLUMN],
 
214
            ##        file_fp[FP_CTIME_COLUMN])
 
215
            self.update_count += 1
 
216
            self.needs_write = True
 
217
            self._cache[path] = (digest, file_fp)
 
218
        return digest
 
219
 
 
220
    def _really_sha1_file(self, abspath, filters):
 
221
        """Calculate the SHA1 of a file by reading the full text"""
 
222
        return _mod_filters.internal_size_sha_file_byname(abspath, filters)[1]
 
223
 
 
224
    def write(self):
 
225
        """Write contents of cache to file."""
 
226
        outf = atomicfile.AtomicFile(self.cache_file_name(), 'wb',
 
227
                                     new_mode=self._mode)
 
228
        try:
 
229
            outf.write(CACHE_HEADER)
 
230
 
 
231
            for path, c  in self._cache.iteritems():
 
232
                line_info = [path.encode('utf-8'), '// ', c[0], ' ']
 
233
                line_info.append(' '.join([str(fld) for fld in c[1]]))
 
234
                line_info.append('\n')
 
235
                outf.write(''.join(line_info))
 
236
            outf.commit()
 
237
            self.needs_write = False
 
238
            ## mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
 
239
            ##        self.cache_file_name(), self.hit_count, self.miss_count,
 
240
            ##        self.stat_count,
 
241
            ##        self.danger_count, self.update_count)
 
242
        finally:
 
243
            outf.close()
 
244
 
 
245
    def read(self):
 
246
        """Reinstate cache from file.
 
247
 
 
248
        Overwrites existing cache.
 
249
 
 
250
        If the cache file has the wrong version marker, this just clears
 
251
        the cache."""
 
252
        self._cache = {}
 
253
 
 
254
        fn = self.cache_file_name()
 
255
        try:
 
256
            inf = file(fn, 'rb', buffering=65000)
 
257
        except IOError, e:
 
258
            trace.mutter("failed to open %s: %s", fn, e)
 
259
            # better write it now so it is valid
 
260
            self.needs_write = True
 
261
            return
 
262
 
 
263
        hdr = inf.readline()
 
264
        if hdr != CACHE_HEADER:
 
265
            trace.mutter('cache header marker not found at top of %s;'
 
266
                         ' discarding cache', fn)
 
267
            self.needs_write = True
 
268
            return
 
269
 
 
270
        for l in inf:
 
271
            pos = l.index('// ')
 
272
            path = l[:pos].decode('utf-8')
 
273
            if path in self._cache:
 
274
                trace.warning('duplicated path %r in cache' % path)
 
275
                continue
 
276
 
 
277
            pos += 3
 
278
            fields = l[pos:].split(' ')
 
279
            if len(fields) != 7:
 
280
                trace.warning("bad line in hashcache: %r" % l)
 
281
                continue
 
282
 
 
283
            sha1 = fields[0]
 
284
            if len(sha1) != 40:
 
285
                trace.warning("bad sha1 in hashcache: %r" % sha1)
 
286
                continue
 
287
 
 
288
            fp = tuple(map(long, fields[1:]))
 
289
 
 
290
            self._cache[path] = (sha1, fp)
 
291
 
 
292
        self.needs_write = False
 
293
 
 
294
    def _cutoff_time(self):
 
295
        """Return cutoff time.
 
296
 
 
297
        Files modified more recently than this time are at risk of being
 
298
        undetectably modified and so can't be cached.
 
299
        """
 
300
        return int(time.time()) - 3
 
301
 
 
302
    def _fingerprint(self, abspath, stat_value=None):
 
303
        if stat_value is None:
 
304
            try:
 
305
                stat_value = os.lstat(abspath)
 
306
            except OSError:
 
307
                # might be missing, etc
 
308
                return None
 
309
        if stat.S_ISDIR(stat_value.st_mode):
 
310
            return None
 
311
        # we discard any high precision because it's not reliable; perhaps we
 
312
        # could do better on some systems?
 
313
        return (stat_value.st_size, long(stat_value.st_mtime),
 
314
                long(stat_value.st_ctime), stat_value.st_ino,
 
315
                stat_value.st_dev, stat_value.st_mode)