~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/tuned_gzip.py

  • Committer: Jelmer Vernooij
  • Date: 2011-01-19 06:13:58 UTC
  • mfrom: (5619 +trunk)
  • mto: This revision was merged to the branch mainline in revision 5620.
  • Revision ID: jelmer@samba.org-20110119061358-qm58pzvcp2l9cdx4
merge bzr.dev.

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2006-2011 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
from bzrlib import symbol_versioning
 
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 __init__(self, *args, **kwargs):
 
122
        symbol_versioning.warn(
 
123
            symbol_versioning.deprecated_in((2, 3, 0))
 
124
            % 'bzrlib.tuned_gzip.GzipFile',
 
125
            DeprecationWarning, stacklevel=2)
 
126
        gzip.GzipFile.__init__(self, *args, **kwargs)
 
127
 
 
128
    def _add_read_data(self, data):
 
129
        # 4169 calls in 183
 
130
        # temp var for len(data) and switch to +='s.
 
131
        # 4169 in 139
 
132
        len_data = len(data)
 
133
        self.crc = zlib.crc32(data, self.crc)
 
134
        self.extrabuf += data
 
135
        self.extrasize += len_data
 
136
        self.size += len_data
 
137
 
 
138
    def _write_gzip_header(self):
 
139
        """A tuned version of gzip._write_gzip_header
 
140
 
 
141
        We have some extra constrains that plain Gzip does not.
 
142
        1) We want to write the whole blob at once. rather than multiple
 
143
           calls to fileobj.write().
 
144
        2) We never have a filename
 
145
        3) We don't care about the time
 
146
        """
 
147
        self.fileobj.write(
 
148
           '\037\213'   # self.fileobj.write('\037\213')  # magic header
 
149
            '\010'      # self.fileobj.write('\010')      # compression method
 
150
                        # fname = self.filename[:-3]
 
151
                        # flags = 0
 
152
                        # if fname:
 
153
                        #     flags = FNAME
 
154
            '\x00'      # self.fileobj.write(chr(flags))
 
155
            '\0\0\0\0'  # write32u(self.fileobj, long(time.time()))
 
156
            '\002'      # self.fileobj.write('\002')
 
157
            '\377'      # self.fileobj.write('\377')
 
158
                        # if fname:
 
159
            ''          #     self.fileobj.write(fname + '\000')
 
160
            )
 
161
 
 
162
    def _read(self, size=1024):
 
163
        # various optimisations:
 
164
        # reduces lsprof count from 2500 to
 
165
        # 8337 calls in 1272, 365 internal
 
166
        if self.fileobj is None:
 
167
            raise EOFError, "Reached EOF"
 
168
 
 
169
        if self._new_member:
 
170
            # If the _new_member flag is set, we have to
 
171
            # jump to the next member, if there is one.
 
172
            #
 
173
            # First, check if we're at the end of the file;
 
174
            # if so, it's time to stop; no more members to read.
 
175
            next_header_bytes = self.fileobj.read(10)
 
176
            if next_header_bytes == '':
 
177
                raise EOFError, "Reached EOF"
 
178
 
 
179
            self._init_read()
 
180
            self._read_gzip_header(next_header_bytes)
 
181
            self.decompress = zlib.decompressobj(-zlib.MAX_WBITS)
 
182
            self._new_member = False
 
183
 
 
184
        # Read a chunk of data from the file
 
185
        buf = self.fileobj.read(size)
 
186
 
 
187
        # If the EOF has been reached, flush the decompression object
 
188
        # and mark this object as finished.
 
189
 
 
190
        if buf == "":
 
191
            self._add_read_data(self.decompress.flush())
 
192
            if len(self.decompress.unused_data) < 8:
 
193
                raise AssertionError("what does flush do?")
 
194
            self._gzip_tail = self.decompress.unused_data[0:8]
 
195
            self._read_eof()
 
196
            # tell the driving read() call we have stuffed all the data
 
197
            # in self.extrabuf
 
198
            raise EOFError, 'Reached EOF'
 
199
 
 
200
        self._add_read_data(self.decompress.decompress(buf))
 
201
 
 
202
        if self.decompress.unused_data != "":
 
203
            # Ending case: we've come to the end of a member in the file,
 
204
            # so seek back to the start of the data for the next member which
 
205
            # is the length of the decompress objects unused data - the first
 
206
            # 8 bytes for the end crc and size records.
 
207
            #
 
208
            # so seek back to the start of the unused data, finish up
 
209
            # this member, and read a new gzip header.
 
210
            # (The number of bytes to seek back is the length of the unused
 
211
            # data, minus 8 because those 8 bytes are part of this member.
 
212
            seek_length = len (self.decompress.unused_data) - 8
 
213
            if seek_length > 0:
 
214
                # we read too much data
 
215
                self.fileobj.seek(-seek_length, 1)
 
216
                self._gzip_tail = self.decompress.unused_data[0:8]
 
217
            elif seek_length < 0:
 
218
                # we haven't read enough to check the checksum.
 
219
                if not (-8 < seek_length):
 
220
                    raise AssertionError("too great a seek")
 
221
                buf = self.fileobj.read(-seek_length)
 
222
                self._gzip_tail = self.decompress.unused_data + buf
 
223
            else:
 
224
                self._gzip_tail = self.decompress.unused_data
 
225
 
 
226
            # Check the CRC and file size, and set the flag so we read
 
227
            # a new member on the next call
 
228
            self._read_eof()
 
229
            self._new_member = True
 
230
 
 
231
    def _read_eof(self):
 
232
        """tuned to reduce function calls and eliminate file seeking:
 
233
        pass 1:
 
234
        reduces lsprof count from 800 to 288
 
235
        4168 in 296
 
236
        avoid U32 call by using struct format L
 
237
        4168 in 200
 
238
        """
 
239
        # We've read to the end of the file, so we should have 8 bytes of
 
240
        # unused data in the decompressor. If we don't, there is a corrupt file.
 
241
        # We use these 8 bytes to calculate the CRC and the recorded file size.
 
242
        # We then check the that the computed CRC and size of the
 
243
        # uncompressed data matches the stored values.  Note that the size
 
244
        # stored is the true file size mod 2**32.
 
245
        if not (len(self._gzip_tail) == 8):
 
246
            raise AssertionError("gzip trailer is incorrect length.")
 
247
        crc32, isize = struct.unpack("<LL", self._gzip_tail)
 
248
        # note that isize is unsigned - it can exceed 2GB
 
249
        if crc32 != U32(self.crc):
 
250
            raise IOError, "CRC check failed %d %d" % (crc32, U32(self.crc))
 
251
        elif isize != LOWU32(self.size):
 
252
            raise IOError, "Incorrect length of data produced"
 
253
 
 
254
    def _read_gzip_header(self, bytes=None):
 
255
        """Supply bytes if the minimum header size is already read.
 
256
 
 
257
        :param bytes: 10 bytes of header data.
 
258
        """
 
259
        """starting cost: 300 in 3998
 
260
        15998 reads from 3998 calls
 
261
        final cost 168
 
262
        """
 
263
        if bytes is None:
 
264
            bytes = self.fileobj.read(10)
 
265
        magic = bytes[0:2]
 
266
        if magic != '\037\213':
 
267
            raise IOError, 'Not a gzipped file'
 
268
        method = ord(bytes[2:3])
 
269
        if method != 8:
 
270
            raise IOError, 'Unknown compression method'
 
271
        flag = ord(bytes[3:4])
 
272
        # modtime = self.fileobj.read(4) (bytes [4:8])
 
273
        # extraflag = self.fileobj.read(1) (bytes[8:9])
 
274
        # os = self.fileobj.read(1) (bytes[9:10])
 
275
        # self.fileobj.read(6)
 
276
 
 
277
        if flag & FEXTRA:
 
278
            # Read & discard the extra field, if present
 
279
            xlen = ord(self.fileobj.read(1))
 
280
            xlen = xlen + 256*ord(self.fileobj.read(1))
 
281
            self.fileobj.read(xlen)
 
282
        if flag & FNAME:
 
283
            # Read and discard a null-terminated string containing the filename
 
284
            while True:
 
285
                s = self.fileobj.read(1)
 
286
                if not s or s=='\000':
 
287
                    break
 
288
        if flag & FCOMMENT:
 
289
            # Read and discard a null-terminated string containing a comment
 
290
            while True:
 
291
                s = self.fileobj.read(1)
 
292
                if not s or s=='\000':
 
293
                    break
 
294
        if flag & FHCRC:
 
295
            self.fileobj.read(2)     # Read & discard the 16-bit header CRC
 
296
 
 
297
    def readline(self, size=-1):
 
298
        """Tuned to remove buffer length calls in _unread and...
 
299
 
 
300
        also removes multiple len(c) calls, inlines _unread,
 
301
        total savings - lsprof 5800 to 5300
 
302
        phase 2:
 
303
        4168 calls in 2233
 
304
        8176 calls to read() in 1684
 
305
        changing the min chunk size to 200 halved all the cache misses
 
306
        leading to a drop to:
 
307
        4168 calls in 1977
 
308
        4168 call to read() in 1646
 
309
        - i.e. just reduced the function call overhead. May be worth
 
310
          keeping.
 
311
        """
 
312
        if size < 0: size = sys.maxint
 
313
        bufs = []
 
314
        readsize = min(200, size)    # Read from the file in small chunks
 
315
        while True:
 
316
            if size == 0:
 
317
                return "".join(bufs) # Return resulting line
 
318
 
 
319
            # c is the chunk
 
320
            c = self.read(readsize)
 
321
            # number of bytes read
 
322
            len_c = len(c)
 
323
            i = c.find('\n')
 
324
            if size is not None:
 
325
                # We set i=size to break out of the loop under two
 
326
                # conditions: 1) there's no newline, and the chunk is
 
327
                # larger than size, or 2) there is a newline, but the
 
328
                # resulting line would be longer than 'size'.
 
329
                if i==-1 and len_c > size: i=size-1
 
330
                elif size <= i: i = size -1
 
331
 
 
332
            if i >= 0 or c == '':
 
333
                # if i>= 0 we have a newline or have triggered the above
 
334
                # if size is not None condition.
 
335
                # if c == '' its EOF.
 
336
                bufs.append(c[:i+1])    # Add portion of last chunk
 
337
                # -- inlined self._unread --
 
338
                ## self._unread(c[i+1:], len_c - i)   # Push back rest of chunk
 
339
                self.extrabuf = c[i+1:] + self.extrabuf
 
340
                self.extrasize = len_c - i + self.extrasize
 
341
                self.offset -= len_c - i
 
342
                # -- end inlined self._unread --
 
343
                return ''.join(bufs)    # Return resulting line
 
344
 
 
345
            # Append chunk to list, decrease 'size',
 
346
            bufs.append(c)
 
347
            size = size - len_c
 
348
            readsize = min(size, readsize * 2)
 
349
 
 
350
    def readlines(self, sizehint=0):
 
351
        # optimise to avoid all the buffer manipulation
 
352
        # lsprof changed from:
 
353
        # 4168 calls in 5472 with 32000 calls to readline()
 
354
        # to :
 
355
        # 4168 calls in 417.
 
356
        # Negative numbers result in reading all the lines
 
357
 
 
358
        # python's gzip routine uses sizehint. This is a more efficient way
 
359
        # than python uses to honor it. But it is even more efficient to
 
360
        # just read the entire thing and use cStringIO to split into lines.
 
361
        # if sizehint <= 0:
 
362
        #     sizehint = -1
 
363
        # content = self.read(sizehint)
 
364
        # return bzrlib.osutils.split_lines(content)
 
365
        content = StringIO(self.read(-1))
 
366
        return content.readlines()
 
367
 
 
368
    def _unread(self, buf, len_buf=None):
 
369
        """tuned to remove unneeded len calls.
 
370
 
 
371
        because this is such an inner routine in readline, and readline is
 
372
        in many inner loops, this has been inlined into readline().
 
373
 
 
374
        The len_buf parameter combined with the reduction in len calls dropped
 
375
        the lsprof ms count for this routine on my test data from 800 to 200 -
 
376
        a 75% saving.
 
377
        """
 
378
        if len_buf is None:
 
379
            len_buf = len(buf)
 
380
        self.extrabuf = buf + self.extrabuf
 
381
        self.extrasize = len_buf + self.extrasize
 
382
        self.offset -= len_buf
 
383
 
 
384
    def write(self, data):
 
385
        if self.mode != gzip.WRITE:
 
386
            import errno
 
387
            raise IOError(errno.EBADF, "write() on read-only GzipFile object")
 
388
 
 
389
        if self.fileobj is None:
 
390
            raise ValueError, "write() on closed GzipFile object"
 
391
        data_len = len(data)
 
392
        if data_len > 0:
 
393
            self.size = self.size + data_len
 
394
            self.crc = zlib.crc32(data, self.crc)
 
395
            self.fileobj.write( self.compress.compress(data) )
 
396
            self.offset += data_len
 
397
 
 
398
    def writelines(self, lines):
 
399
        # profiling indicated a significant overhead
 
400
        # calling write for each line.
 
401
        # this batch call is a lot faster :).
 
402
        # (4 seconds to 1 seconds for the sample upgrades I was testing).
 
403
        self.write(''.join(lines))
 
404
 
 
405
    if sys.version_info > (2, 7):
 
406
        # As of Python 2.7 the crc32 must be positive when close is called
 
407
        def close(self):
 
408
            if self.fileobj is None:
 
409
                return
 
410
            if self.mode == gzip.WRITE:
 
411
                self.crc &= 0xFFFFFFFFL
 
412
            gzip.GzipFile.close(self)
 
413