~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/tuned_gzip.py

  • Committer: Martin Pool
  • Date: 2010-02-23 07:43:11 UTC
  • mfrom: (4797.2.20 2.1)
  • mto: This revision was merged to the branch mainline in revision 5055.
  • Revision ID: mbp@sourcefrog.net-20100223074311-gnj55xdhrgz9l94e
Merge 2.1 back to trunk

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., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 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
    return chunks_to_gzip([bytes])
 
56
 
 
57
 
 
58
def chunks_to_gzip(chunks, factory=zlib.compressobj,
 
59
    level=zlib.Z_DEFAULT_COMPRESSION, method=zlib.DEFLATED,
 
60
    width=-zlib.MAX_WBITS, mem=zlib.DEF_MEM_LEVEL,
 
61
    crc32=zlib.crc32):
 
62
    """Create a gzip file containing chunks and return its content.
 
63
 
 
64
    :param chunks: An iterable of strings. Each string can have arbitrary
 
65
        layout.
 
66
    """
 
67
    result = [
 
68
        '\037\213'  # self.fileobj.write('\037\213')  # magic header
 
69
        '\010'      # self.fileobj.write('\010')      # compression method
 
70
                    # fname = self.filename[:-3]
 
71
                    # flags = 0
 
72
                    # if fname:
 
73
                    #     flags = FNAME
 
74
        '\x00'      # self.fileobj.write(chr(flags))
 
75
        '\0\0\0\0'  # write32u(self.fileobj, long(time.time()))
 
76
        '\002'      # self.fileobj.write('\002')
 
77
        '\377'      # self.fileobj.write('\377')
 
78
                    # if fname:
 
79
        ''          #     self.fileobj.write(fname + '\000')
 
80
        ]
 
81
    # using a compressobj avoids a small header and trailer that the compress()
 
82
    # utility function adds.
 
83
    compress = factory(level, method, width, mem, 0)
 
84
    crc = 0
 
85
    total_len = 0
 
86
    for chunk in chunks:
 
87
        crc = crc32(chunk, crc)
 
88
        total_len += len(chunk)
 
89
        zbytes = compress.compress(chunk)
 
90
        if zbytes:
 
91
            result.append(zbytes)
 
92
    result.append(compress.flush())
 
93
    # size may exceed 2GB, or even 4GB
 
94
    result.append(struct.pack("<LL", LOWU32(crc), LOWU32(total_len)))
 
95
    return ''.join(result)
 
96
 
 
97
 
 
98
class GzipFile(gzip.GzipFile):
 
99
    """Knit tuned version of GzipFile.
 
100
 
 
101
    This is based on the following lsprof stats:
 
102
    python 2.4 stock GzipFile write:
 
103
    58971      0   5644.3090   2721.4730   gzip:193(write)
 
104
    +58971     0   1159.5530   1159.5530   +<built-in method compress>
 
105
    +176913    0    987.0320    987.0320   +<len>
 
106
    +58971     0    423.1450    423.1450   +<zlib.crc32>
 
107
    +58971     0    353.1060    353.1060   +<method 'write' of 'cStringIO.
 
108
                                            StringO' objects>
 
109
    tuned GzipFile write:
 
110
    58971      0   4477.2590   2103.1120   bzrlib.knit:1250(write)
 
111
    +58971     0   1297.7620   1297.7620   +<built-in method compress>
 
112
    +58971     0    406.2160    406.2160   +<zlib.crc32>
 
113
    +58971     0    341.9020    341.9020   +<method 'write' of 'cStringIO.
 
114
                                            StringO' objects>
 
115
    +58971     0    328.2670    328.2670   +<len>
 
116
 
 
117
 
 
118
    Yes, its only 1.6 seconds, but they add up.
 
119
    """
 
120
 
 
121
    def _add_read_data(self, data):
 
122
        # 4169 calls in 183
 
123
        # temp var for len(data) and switch to +='s.
 
124
        # 4169 in 139
 
125
        len_data = len(data)
 
126
        self.crc = zlib.crc32(data, self.crc)
 
127
        self.extrabuf += data
 
128
        self.extrasize += len_data
 
129
        self.size += len_data
 
130
 
 
131
    def _write_gzip_header(self):
 
132
        """A tuned version of gzip._write_gzip_header
 
133
 
 
134
        We have some extra constrains that plain Gzip does not.
 
135
        1) We want to write the whole blob at once. rather than multiple
 
136
           calls to fileobj.write().
 
137
        2) We never have a filename
 
138
        3) We don't care about the time
 
139
        """
 
140
        self.fileobj.write(
 
141
           '\037\213'   # self.fileobj.write('\037\213')  # magic header
 
142
            '\010'      # self.fileobj.write('\010')      # compression method
 
143
                        # fname = self.filename[:-3]
 
144
                        # flags = 0
 
145
                        # if fname:
 
146
                        #     flags = FNAME
 
147
            '\x00'      # self.fileobj.write(chr(flags))
 
148
            '\0\0\0\0'  # write32u(self.fileobj, long(time.time()))
 
149
            '\002'      # self.fileobj.write('\002')
 
150
            '\377'      # self.fileobj.write('\377')
 
151
                        # if fname:
 
152
            ''          #     self.fileobj.write(fname + '\000')
 
153
            )
 
154
 
 
155
    def _read(self, size=1024):
 
156
        # various optimisations:
 
157
        # reduces lsprof count from 2500 to
 
158
        # 8337 calls in 1272, 365 internal
 
159
        if self.fileobj is None:
 
160
            raise EOFError, "Reached EOF"
 
161
 
 
162
        if self._new_member:
 
163
            # If the _new_member flag is set, we have to
 
164
            # jump to the next member, if there is one.
 
165
            #
 
166
            # First, check if we're at the end of the file;
 
167
            # if so, it's time to stop; no more members to read.
 
168
            next_header_bytes = self.fileobj.read(10)
 
169
            if next_header_bytes == '':
 
170
                raise EOFError, "Reached EOF"
 
171
 
 
172
            self._init_read()
 
173
            self._read_gzip_header(next_header_bytes)
 
174
            self.decompress = zlib.decompressobj(-zlib.MAX_WBITS)
 
175
            self._new_member = False
 
176
 
 
177
        # Read a chunk of data from the file
 
178
        buf = self.fileobj.read(size)
 
179
 
 
180
        # If the EOF has been reached, flush the decompression object
 
181
        # and mark this object as finished.
 
182
 
 
183
        if buf == "":
 
184
            self._add_read_data(self.decompress.flush())
 
185
            if len(self.decompress.unused_data) < 8:
 
186
                raise AssertionError("what does flush do?")
 
187
            self._gzip_tail = self.decompress.unused_data[0:8]
 
188
            self._read_eof()
 
189
            # tell the driving read() call we have stuffed all the data
 
190
            # in self.extrabuf
 
191
            raise EOFError, 'Reached EOF'
 
192
 
 
193
        self._add_read_data(self.decompress.decompress(buf))
 
194
 
 
195
        if self.decompress.unused_data != "":
 
196
            # Ending case: we've come to the end of a member in the file,
 
197
            # so seek back to the start of the data for the next member which
 
198
            # is the length of the decompress objects unused data - the first
 
199
            # 8 bytes for the end crc and size records.
 
200
            #
 
201
            # so seek back to the start of the unused data, finish up
 
202
            # this member, and read a new gzip header.
 
203
            # (The number of bytes to seek back is the length of the unused
 
204
            # data, minus 8 because those 8 bytes are part of this member.
 
205
            seek_length = len (self.decompress.unused_data) - 8
 
206
            if seek_length > 0:
 
207
                # we read too much data
 
208
                self.fileobj.seek(-seek_length, 1)
 
209
                self._gzip_tail = self.decompress.unused_data[0:8]
 
210
            elif seek_length < 0:
 
211
                # we haven't read enough to check the checksum.
 
212
                if not (-8 < seek_length):
 
213
                    raise AssertionError("too great a seek")
 
214
                buf = self.fileobj.read(-seek_length)
 
215
                self._gzip_tail = self.decompress.unused_data + buf
 
216
            else:
 
217
                self._gzip_tail = self.decompress.unused_data
 
218
 
 
219
            # Check the CRC and file size, and set the flag so we read
 
220
            # a new member on the next call
 
221
            self._read_eof()
 
222
            self._new_member = True
 
223
 
 
224
    def _read_eof(self):
 
225
        """tuned to reduce function calls and eliminate file seeking:
 
226
        pass 1:
 
227
        reduces lsprof count from 800 to 288
 
228
        4168 in 296
 
229
        avoid U32 call by using struct format L
 
230
        4168 in 200
 
231
        """
 
232
        # We've read to the end of the file, so we should have 8 bytes of
 
233
        # unused data in the decompressor. If we don't, there is a corrupt file.
 
234
        # We use these 8 bytes to calculate the CRC and the recorded file size.
 
235
        # We then check the that the computed CRC and size of the
 
236
        # uncompressed data matches the stored values.  Note that the size
 
237
        # stored is the true file size mod 2**32.
 
238
        if not (len(self._gzip_tail) == 8):
 
239
            raise AssertionError("gzip trailer is incorrect length.")
 
240
        crc32, isize = struct.unpack("<LL", self._gzip_tail)
 
241
        # note that isize is unsigned - it can exceed 2GB
 
242
        if crc32 != U32(self.crc):
 
243
            raise IOError, "CRC check failed %d %d" % (crc32, U32(self.crc))
 
244
        elif isize != LOWU32(self.size):
 
245
            raise IOError, "Incorrect length of data produced"
 
246
 
 
247
    def _read_gzip_header(self, bytes=None):
 
248
        """Supply bytes if the minimum header size is already read.
 
249
 
 
250
        :param bytes: 10 bytes of header data.
 
251
        """
 
252
        """starting cost: 300 in 3998
 
253
        15998 reads from 3998 calls
 
254
        final cost 168
 
255
        """
 
256
        if bytes is None:
 
257
            bytes = self.fileobj.read(10)
 
258
        magic = bytes[0:2]
 
259
        if magic != '\037\213':
 
260
            raise IOError, 'Not a gzipped file'
 
261
        method = ord(bytes[2:3])
 
262
        if method != 8:
 
263
            raise IOError, 'Unknown compression method'
 
264
        flag = ord(bytes[3:4])
 
265
        # modtime = self.fileobj.read(4) (bytes [4:8])
 
266
        # extraflag = self.fileobj.read(1) (bytes[8:9])
 
267
        # os = self.fileobj.read(1) (bytes[9:10])
 
268
        # self.fileobj.read(6)
 
269
 
 
270
        if flag & FEXTRA:
 
271
            # Read & discard the extra field, if present
 
272
            xlen = ord(self.fileobj.read(1))
 
273
            xlen = xlen + 256*ord(self.fileobj.read(1))
 
274
            self.fileobj.read(xlen)
 
275
        if flag & FNAME:
 
276
            # Read and discard a null-terminated string containing the filename
 
277
            while True:
 
278
                s = self.fileobj.read(1)
 
279
                if not s or s=='\000':
 
280
                    break
 
281
        if flag & FCOMMENT:
 
282
            # Read and discard a null-terminated string containing a comment
 
283
            while True:
 
284
                s = self.fileobj.read(1)
 
285
                if not s or s=='\000':
 
286
                    break
 
287
        if flag & FHCRC:
 
288
            self.fileobj.read(2)     # Read & discard the 16-bit header CRC
 
289
 
 
290
    def readline(self, size=-1):
 
291
        """Tuned to remove buffer length calls in _unread and...
 
292
 
 
293
        also removes multiple len(c) calls, inlines _unread,
 
294
        total savings - lsprof 5800 to 5300
 
295
        phase 2:
 
296
        4168 calls in 2233
 
297
        8176 calls to read() in 1684
 
298
        changing the min chunk size to 200 halved all the cache misses
 
299
        leading to a drop to:
 
300
        4168 calls in 1977
 
301
        4168 call to read() in 1646
 
302
        - i.e. just reduced the function call overhead. May be worth
 
303
          keeping.
 
304
        """
 
305
        if size < 0: size = sys.maxint
 
306
        bufs = []
 
307
        readsize = min(200, size)    # Read from the file in small chunks
 
308
        while True:
 
309
            if size == 0:
 
310
                return "".join(bufs) # Return resulting line
 
311
 
 
312
            # c is the chunk
 
313
            c = self.read(readsize)
 
314
            # number of bytes read
 
315
            len_c = len(c)
 
316
            i = c.find('\n')
 
317
            if size is not None:
 
318
                # We set i=size to break out of the loop under two
 
319
                # conditions: 1) there's no newline, and the chunk is
 
320
                # larger than size, or 2) there is a newline, but the
 
321
                # resulting line would be longer than 'size'.
 
322
                if i==-1 and len_c > size: i=size-1
 
323
                elif size <= i: i = size -1
 
324
 
 
325
            if i >= 0 or c == '':
 
326
                # if i>= 0 we have a newline or have triggered the above
 
327
                # if size is not None condition.
 
328
                # if c == '' its EOF.
 
329
                bufs.append(c[:i+1])    # Add portion of last chunk
 
330
                # -- inlined self._unread --
 
331
                ## self._unread(c[i+1:], len_c - i)   # Push back rest of chunk
 
332
                self.extrabuf = c[i+1:] + self.extrabuf
 
333
                self.extrasize = len_c - i + self.extrasize
 
334
                self.offset -= len_c - i
 
335
                # -- end inlined self._unread --
 
336
                return ''.join(bufs)    # Return resulting line
 
337
 
 
338
            # Append chunk to list, decrease 'size',
 
339
            bufs.append(c)
 
340
            size = size - len_c
 
341
            readsize = min(size, readsize * 2)
 
342
 
 
343
    def readlines(self, sizehint=0):
 
344
        # optimise to avoid all the buffer manipulation
 
345
        # lsprof changed from:
 
346
        # 4168 calls in 5472 with 32000 calls to readline()
 
347
        # to :
 
348
        # 4168 calls in 417.
 
349
        # Negative numbers result in reading all the lines
 
350
 
 
351
        # python's gzip routine uses sizehint. This is a more efficient way
 
352
        # than python uses to honor it. But it is even more efficient to
 
353
        # just read the entire thing and use cStringIO to split into lines.
 
354
        # if sizehint <= 0:
 
355
        #     sizehint = -1
 
356
        # content = self.read(sizehint)
 
357
        # return bzrlib.osutils.split_lines(content)
 
358
        content = StringIO(self.read(-1))
 
359
        return content.readlines()
 
360
 
 
361
    def _unread(self, buf, len_buf=None):
 
362
        """tuned to remove unneeded len calls.
 
363
 
 
364
        because this is such an inner routine in readline, and readline is
 
365
        in many inner loops, this has been inlined into readline().
 
366
 
 
367
        The len_buf parameter combined with the reduction in len calls dropped
 
368
        the lsprof ms count for this routine on my test data from 800 to 200 -
 
369
        a 75% saving.
 
370
        """
 
371
        if len_buf is None:
 
372
            len_buf = len(buf)
 
373
        self.extrabuf = buf + self.extrabuf
 
374
        self.extrasize = len_buf + self.extrasize
 
375
        self.offset -= len_buf
 
376
 
 
377
    def write(self, data):
 
378
        if self.mode != gzip.WRITE:
 
379
            import errno
 
380
            raise IOError(errno.EBADF, "write() on read-only GzipFile object")
 
381
 
 
382
        if self.fileobj is None:
 
383
            raise ValueError, "write() on closed GzipFile object"
 
384
        data_len = len(data)
 
385
        if data_len > 0:
 
386
            self.size = self.size + data_len
 
387
            self.crc = zlib.crc32(data, self.crc)
 
388
            self.fileobj.write( self.compress.compress(data) )
 
389
            self.offset += data_len
 
390
 
 
391
    def writelines(self, lines):
 
392
        # profiling indicated a significant overhead
 
393
        # calling write for each line.
 
394
        # this batch call is a lot faster :).
 
395
        # (4 seconds to 1 seconds for the sample upgrades I was testing).
 
396
        self.write(''.join(lines))
 
397
 
 
398