~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

  • Committer: Martin Pool
  • Date: 2005-05-17 06:56:16 UTC
  • Revision ID: mbp@sourcefrog.net-20050517065616-6f23381d6184a8aa
- add space for un-merged patches

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, BzrCheckError
 
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
 
 
31
 
 
32
Implementation
 
33
==============
 
34
 
 
35
Users of this module should not need to know about how this is
 
36
implemented, and in particular should not depend on the particular
 
37
data which is stored or its format.
 
38
 
 
39
This is done by maintaining a cache indexed by a file fingerprint of
 
40
(path, size, mtime, ctime, ino, dev) pointing to the SHA-1.  If the
 
41
fingerprint has changed, we assume the file content has not changed
 
42
either and the SHA-1 is therefore the same.
 
43
 
 
44
If any of the fingerprint fields have changed then the file content
 
45
*may* have changed, or it may not have.  We need to reread the file
 
46
contents to make sure, but this is not visible to the user or
 
47
higher-level code (except as a delay of course).
 
48
 
 
49
The mtime and ctime are stored with nanosecond fields, but not all
 
50
filesystems give this level of precision.  There is therefore a
 
51
possible race: the file might be modified twice within a second
 
52
without changing the size or mtime, and a SHA-1 cached from the first
 
53
version would be wrong.  We handle this by not recording a cached hash
 
54
for any files which were modified in the current second and that
 
55
therefore have the chance to change again before the second is up.
 
56
 
 
57
The only known hole in this design is if the system clock jumps
 
58
backwards crossing invocations of bzr.  Please don't do that; use ntp
 
59
to gradually adjust your clock or don't use bzr over the step.
 
60
 
 
61
At the moment this is stored in a simple textfile; it might be nice
 
62
to use a tdb instead.
 
63
 
 
64
The cache is represented as a map from file_id to a tuple of (file_id,
 
65
sha1, path, size, mtime, ctime, ino, dev).
 
66
 
 
67
The SHA-1 is stored in memory as a hexdigest.
 
68
 
 
69
File names are written out as the quoted-printable encoding of their
 
70
UTF-8 representation.
 
71
"""
 
72
 
 
73
# order of fields returned by fingerprint()
 
74
FP_SIZE  = 0
 
75
FP_MTIME = 1
 
76
FP_CTIME = 2
 
77
FP_INO   = 3
 
78
FP_DEV   = 4
 
79
 
 
80
# order of fields in the statcache file and in the in-memory map
 
81
SC_FILE_ID = 0
 
82
SC_SHA1    = 1
 
83
SC_PATH    = 2
 
84
SC_SIZE    = 3
 
85
SC_MTIME   = 4
 
86
SC_CTIME   = 5
 
87
SC_INO     = 6
 
88
SC_DEV     = 7
 
89
 
 
90
 
 
91
def fingerprint(abspath):
 
92
    try:
 
93
        fs = os.lstat(abspath)
 
94
    except OSError:
 
95
        # might be missing, etc
 
96
        return None
 
97
 
 
98
    if stat.S_ISDIR(fs.st_mode):
 
99
        return None
 
100
 
 
101
    return (fs.st_size, fs.st_mtime,
 
102
            fs.st_ctime, fs.st_ino, fs.st_dev)
 
103
 
 
104
 
 
105
def _write_cache(basedir, entry_iter, dangerfiles):
 
106
    from atomicfile import AtomicFile
 
107
 
 
108
    cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
 
109
    outf = AtomicFile(cachefn, 'wb')
 
110
    try:
 
111
        for entry in entry_iter:
 
112
            if len(entry) != 8:
 
113
                raise ValueError("invalid statcache entry tuple %r" % entry)
 
114
            
 
115
            if entry[SC_FILE_ID] in dangerfiles:
 
116
                continue                # changed too recently
 
117
            outf.write(entry[0])        # file id
 
118
            outf.write(' ')
 
119
            outf.write(entry[1])        # hex sha1
 
120
            outf.write(' ')
 
121
            outf.write(b2a_qp(entry[2].encode('utf-8'), True)) # name
 
122
            for nf in entry[3:]:
 
123
                outf.write(' %d' % nf)
 
124
            outf.write('\n')
 
125
 
 
126
        outf.commit()
 
127
    finally:
 
128
        if not outf.closed:
 
129
            outf.abort()
 
130
        
 
131
        
 
132
def load_cache(basedir):
 
133
    from sets import Set
 
134
    cache = {}
 
135
    seen_paths = Set()
 
136
 
 
137
    try:
 
138
        cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
 
139
        cachefile = open(cachefn, 'r')
 
140
    except IOError:
 
141
        return cache
 
142
    
 
143
    for l in cachefile:
 
144
        f = l.split(' ')
 
145
 
 
146
        file_id = f[0]
 
147
        if file_id in cache:
 
148
            raise BzrError("duplicated file_id in cache: {%s}" % file_id)
 
149
        
 
150
        path = a2b_qp(f[2]).decode('utf-8')
 
151
        if path in seen_paths:
 
152
            raise BzrCheckError("duplicated path in cache: %r" % path)
 
153
        seen_paths.add(path)
 
154
        
 
155
        entry = (file_id, f[1], path) + tuple([long(x) for x in f[3:]])
 
156
        if len(entry) != 8:
 
157
            raise ValueError("invalid statcache entry tuple %r" % entry)
 
158
 
 
159
        cache[file_id] = entry
 
160
    return cache
 
161
 
 
162
 
 
163
 
 
164
 
 
165
def _files_from_inventory(inv):
 
166
    for path, ie in inv.iter_entries():
 
167
        if ie.kind != 'file':
 
168
            continue
 
169
        yield ie.file_id, path
 
170
    
 
171
 
 
172
 
 
173
def update_cache(basedir, inv, flush=False):
 
174
    """Update and return the cache for the branch.
 
175
 
 
176
    The returned cache may contain entries that have not been written
 
177
    to disk for files recently touched.
 
178
 
 
179
    flush -- discard any previous cache and recalculate from scratch.
 
180
    """
 
181
 
 
182
    
 
183
    # TODO: It's supposed to be faster to stat the files in order by inum.
 
184
    # We don't directly know the inum of the files of course but we do
 
185
    # know where they were last sighted, so we can sort by that.
 
186
 
 
187
    assert isinstance(flush, bool)
 
188
    if flush:
 
189
        cache = {}
 
190
    else:
 
191
        cache = load_cache(basedir)
 
192
    return _update_cache_from_list(basedir, cache, _files_from_inventory(inv))
 
193
 
 
194
 
 
195
 
 
196
def _update_cache_from_list(basedir, cache, to_update):
 
197
    """Update and return the cache for given files.
 
198
 
 
199
    cache -- Previously cached values to be validated.
 
200
 
 
201
    to_update -- Sequence of (file_id, path) pairs to check.
 
202
    """
 
203
 
 
204
    from sets import Set
 
205
 
 
206
    stat_cnt = missing_cnt = hardcheck = change_cnt = 0
 
207
 
 
208
    # files that have been recently touched and can't be
 
209
    # committed to a persistent cache yet.
 
210
    
 
211
    dangerfiles = Set()
 
212
    now = int(time.time())
 
213
 
 
214
    ## mutter('update statcache under %r' % basedir)
 
215
    for file_id, path in to_update:
 
216
        abspath = os.path.join(basedir, path)
 
217
        fp = fingerprint(abspath)
 
218
        stat_cnt += 1
 
219
        
 
220
        cacheentry = cache.get(file_id)
 
221
 
 
222
        if fp == None: # not here
 
223
            if cacheentry:
 
224
                del cache[file_id]
 
225
                change_cnt += 1
 
226
            missing_cnt += 1
 
227
            continue
 
228
 
 
229
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
 
230
            dangerfiles.add(file_id)
 
231
 
 
232
        if cacheentry and (cacheentry[3:] == fp):
 
233
            continue                    # all stat fields unchanged
 
234
 
 
235
        hardcheck += 1
 
236
 
 
237
        dig = sha.new(file(abspath, 'rb').read()).hexdigest()
 
238
 
 
239
        # We update the cache even if the digest has not changed from
 
240
        # last time we looked, so that the fingerprint fields will
 
241
        # match in future.
 
242
        cacheentry = (file_id, dig, path) + fp
 
243
        cache[file_id] = cacheentry
 
244
        change_cnt += 1
 
245
 
 
246
    mutter('statcache: statted %d files, read %d files, %d changed, %d dangerous, '
 
247
           '%d in cache'
 
248
           % (stat_cnt, hardcheck, change_cnt, len(dangerfiles), len(cache)))
 
249
        
 
250
    if change_cnt:
 
251
        mutter('updating on-disk statcache')
 
252
        _write_cache(basedir, cache.itervalues(), dangerfiles)
 
253
 
 
254
    return cache