~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: 2010-04-01 00:40:31 UTC
  • mfrom: (4081.2.5 bug513322-first)
  • Revision ID: pqm@pqm.ubuntu.com-20100401004031-pc7s84z6ahqunmy2
(mbp, for gagern) show first apparent author in gnu changelog

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# Copyright (C) 2005, 2006 by Canonical Ltd
2
 
 
 
1
# Copyright (C) 2005, 2006 Canonical Ltd
 
2
#
3
3
# This program is free software; you can redistribute it and/or modify
4
4
# it under the terms of the GNU General Public License as published by
5
5
# the Free Software Foundation; either version 2 of the License, or
6
6
# (at your option) any later version.
7
 
 
 
7
#
8
8
# This program is distributed in the hope that it will be useful,
9
9
# but WITHOUT ANY WARRANTY; without even the implied warranty of
10
10
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
11
11
# GNU General Public License for more details.
12
 
 
 
12
#
13
13
# You should have received a copy of the GNU General Public License
14
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
 
15
# Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
16
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# out-of-date.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 
 
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# out-of-date.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
20
# it preserves the nice property that any caller will always get up-to-date
21
21
# data except in unavoidable cases.
22
22
 
29
29
 
30
30
CACHE_HEADER = "### bzr hashcache v5\n"
31
31
 
32
 
import os, stat, time
33
 
import sha
 
32
import os
 
33
import stat
 
34
import time
34
35
 
35
 
from bzrlib.osutils import sha_file, pathjoin, safe_unicode
36
 
from bzrlib.trace import mutter, warning
37
 
from bzrlib.atomicfile import AtomicFile
38
 
from bzrlib.errors import BzrError
 
36
from bzrlib import (
 
37
    atomicfile,
 
38
    errors,
 
39
    filters as _mod_filters,
 
40
    osutils,
 
41
    trace,
 
42
    )
39
43
 
40
44
 
41
45
FP_MTIME_COLUMN = 1
42
46
FP_CTIME_COLUMN = 2
43
47
FP_MODE_COLUMN = 5
44
48
 
45
 
def _fingerprint(abspath):
46
 
    try:
47
 
        fs = os.lstat(abspath)
48
 
    except OSError:
49
 
        # might be missing, etc
50
 
        return None
51
 
 
52
 
    if stat.S_ISDIR(fs.st_mode):
53
 
        return None
54
 
 
55
 
    # we discard any high precision because it's not reliable; perhaps we
56
 
    # could do better on some systems?
57
 
    return (fs.st_size, long(fs.st_mtime),
58
 
            long(fs.st_ctime), fs.st_ino, fs.st_dev, fs.st_mode)
59
49
 
60
50
 
61
51
class HashCache(object):
88
78
    hit_count
89
79
        number of times files have been retrieved from the cache, avoiding a
90
80
        re-read
91
 
        
 
81
 
92
82
    miss_count
93
83
        number of misses (times files have been completely re-read)
94
84
    """
95
85
    needs_write = False
96
86
 
97
 
    def __init__(self, root, cache_file_name, mode=None):
98
 
        """Create a hash cache in base dir, and set the file mode to mode."""
99
 
        self.root = safe_unicode(root)
 
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 ?
100
98
        self.hit_count = 0
101
99
        self.miss_count = 0
102
100
        self.stat_count = 0
105
103
        self.update_count = 0
106
104
        self._cache = {}
107
105
        self._mode = mode
108
 
        self._cache_file_name = safe_unicode(cache_file_name)
 
106
        self._cache_file_name = osutils.safe_unicode(cache_file_name)
 
107
        self._filter_provider = content_filter_stack_provider
109
108
 
110
109
    def cache_file_name(self):
111
110
        return self._cache_file_name
120
119
 
121
120
    def scan(self):
122
121
        """Scan all files and remove entries where the cache entry is obsolete.
123
 
        
 
122
 
124
123
        Obsolete entries are those where the file has been modified or deleted
125
 
        since the entry was inserted.        
 
124
        since the entry was inserted.
126
125
        """
127
126
        # FIXME optimisation opportunity, on linux [and check other oses]:
128
127
        # rather than iteritems order, stat in inode order.
129
128
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
130
129
        prep.sort()
131
 
        
 
130
 
132
131
        for inum, path, cache_entry in prep:
133
 
            abspath = pathjoin(self.root, path)
134
 
            fp = _fingerprint(abspath)
 
132
            abspath = osutils.pathjoin(self.root, path)
 
133
            fp = self._fingerprint(abspath)
135
134
            self.stat_count += 1
136
 
            
 
135
 
137
136
            cache_fp = cache_entry[1]
138
 
    
 
137
 
139
138
            if (not fp) or (cache_fp != fp):
140
139
                # not here or not a regular file anymore
141
140
                self.removed_count += 1
142
141
                self.needs_write = True
143
142
                del self._cache[path]
144
143
 
145
 
 
146
 
    def get_sha1(self, path):
 
144
    def get_sha1(self, path, stat_value=None):
147
145
        """Return the sha1 of a file.
148
146
        """
149
 
        abspath = pathjoin(self.root, path)
 
147
        if path.__class__ is str:
 
148
            abspath = osutils.pathjoin(self.root_utf8, path)
 
149
        else:
 
150
            abspath = osutils.pathjoin(self.root, path)
150
151
        self.stat_count += 1
151
 
        file_fp = _fingerprint(abspath)
152
 
        
 
152
        file_fp = self._fingerprint(abspath, stat_value)
 
153
 
153
154
        if not file_fp:
154
155
            # not a regular file or not existing
155
156
            if path in self._cache:
156
157
                self.removed_count += 1
157
158
                self.needs_write = True
158
159
                del self._cache[path]
159
 
            return None        
 
160
            return None
160
161
 
161
162
        if path in self._cache:
162
163
            cache_sha1, cache_fp = self._cache[path]
164
165
            cache_sha1, cache_fp = None, None
165
166
 
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())
167
170
            self.hit_count += 1
168
171
            return cache_sha1
169
 
        
 
172
 
170
173
        self.miss_count += 1
171
174
 
172
 
 
173
175
        mode = file_fp[FP_MODE_COLUMN]
174
176
        if stat.S_ISREG(mode):
175
 
            digest = sha_file(file(abspath, 'rb', buffering=65000))
 
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)
176
182
        elif stat.S_ISLNK(mode):
177
 
            digest = sha.new(os.readlink(abspath)).hexdigest()
 
183
            target = osutils.readlink(osutils.safe_unicode(abspath))
 
184
            digest = osutils.sha_string(target.encode('UTF-8'))
178
185
        else:
179
 
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
 
186
            raise errors.BzrError("file %r: unknown file stat mode: %o"
 
187
                                  % (abspath, mode))
180
188
 
181
 
        now = int(time.time())
182
 
        if file_fp[FP_MTIME_COLUMN] >= now or file_fp[FP_CTIME_COLUMN] >= now:
 
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:
183
194
            # changed too recently; can't be cached.  we can
184
195
            # return the result and it could possibly be cached
185
196
            # next time.
191
202
            # need to let sufficient time elapse before we may cache this entry
192
203
            # again.  If we didn't do this, then, for example, a very quick 1
193
204
            # byte replacement in the file might go undetected.
194
 
            self.danger_count += 1 
 
205
            ## mutter('%r modified too recently; not caching', path)
 
206
            self.danger_count += 1
195
207
            if cache_fp:
196
208
                self.removed_count += 1
197
209
                self.needs_write = True
198
210
                del self._cache[path]
199
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])
200
215
            self.update_count += 1
201
216
            self.needs_write = True
202
217
            self._cache[path] = (digest, file_fp)
203
218
        return digest
204
 
        
 
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
 
205
224
    def write(self):
206
225
        """Write contents of cache to file."""
207
 
        outf = AtomicFile(self.cache_file_name(), 'wb', new_mode=self._mode)
 
226
        outf = atomicfile.AtomicFile(self.cache_file_name(), 'wb',
 
227
                                     new_mode=self._mode)
208
228
        try:
209
 
            print >>outf, CACHE_HEADER,
 
229
            outf.write(CACHE_HEADER)
210
230
 
211
231
            for path, c  in self._cache.iteritems():
212
 
                assert '//' not in path, path
213
 
                outf.write(path.encode('utf-8'))
214
 
                outf.write('// ')
215
 
                print >>outf, c[0],     # hex sha1
216
 
                for fld in c[1]:
217
 
                    print >>outf, "%d" % fld,
218
 
                print >>outf
 
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))
219
236
            outf.commit()
220
237
            self.needs_write = False
221
 
            mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
222
 
                   self.cache_file_name(), self.hit_count, self.miss_count,
223
 
                   self.stat_count,
224
 
                   self.danger_count, self.update_count)
 
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)
225
242
        finally:
226
 
            if not outf.closed:
227
 
                outf.abort()
 
243
            outf.close()
228
244
 
229
245
    def read(self):
230
246
        """Reinstate cache from file.
231
247
 
232
248
        Overwrites existing cache.
233
249
 
234
 
        If the cache file has the wrong version marker, this just clears 
 
250
        If the cache file has the wrong version marker, this just clears
235
251
        the cache."""
236
252
        self._cache = {}
237
253
 
239
255
        try:
240
256
            inf = file(fn, 'rb', buffering=65000)
241
257
        except IOError, e:
242
 
            mutter("failed to open %s: %s", fn, e)
 
258
            trace.mutter("failed to open %s: %s", fn, e)
243
259
            # better write it now so it is valid
244
260
            self.needs_write = True
245
261
            return
246
262
 
247
 
 
248
263
        hdr = inf.readline()
249
264
        if hdr != CACHE_HEADER:
250
 
            mutter('cache header marker not found at top of %s;'
251
 
                   ' discarding cache', fn)
 
265
            trace.mutter('cache header marker not found at top of %s;'
 
266
                         ' discarding cache', fn)
252
267
            self.needs_write = True
253
268
            return
254
269
 
256
271
            pos = l.index('// ')
257
272
            path = l[:pos].decode('utf-8')
258
273
            if path in self._cache:
259
 
                warning('duplicated path %r in cache' % path)
 
274
                trace.warning('duplicated path %r in cache' % path)
260
275
                continue
261
276
 
262
277
            pos += 3
263
278
            fields = l[pos:].split(' ')
264
279
            if len(fields) != 7:
265
 
                warning("bad line in hashcache: %r" % l)
 
280
                trace.warning("bad line in hashcache: %r" % l)
266
281
                continue
267
282
 
268
283
            sha1 = fields[0]
269
284
            if len(sha1) != 40:
270
 
                warning("bad sha1 in hashcache: %r" % sha1)
 
285
                trace.warning("bad sha1 in hashcache: %r" % sha1)
271
286
                continue
272
287
 
273
288
            fp = tuple(map(long, fields[1:]))
275
290
            self._cache[path] = (sha1, fp)
276
291
 
277
292
        self.needs_write = False
278
 
           
279
 
 
280
 
 
281
 
        
 
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)