~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

  • Committer: Martin Pool
  • Date: 2005-05-30 03:05:03 UTC
  • Revision ID: mbp@sourcefrog.net-20050530030503-8fd9959e40c31eeb
todo

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
 
 
19
from trace import mutter
 
20
from errors import BzrError, BzrCheckError
 
21
 
 
22
 
 
23
"""File stat cache to speed up tree comparisons.
 
24
 
 
25
This module basically gives a quick way to find the SHA-1 and related
 
26
information of a file in the working directory, without actually
 
27
reading and hashing the whole file.
 
28
 
 
29
 
 
30
 
 
31
Implementation
 
32
==============
 
33
 
 
34
Users of this module should not need to know about how this is
 
35
implemented, and in particular should not depend on the particular
 
36
data which is stored or its format.
 
37
 
 
38
This is done by maintaining a cache indexed by a file fingerprint of
 
39
(path, size, mtime, ctime, ino, dev) pointing to the SHA-1.  If the
 
40
fingerprint has changed, we assume the file content has not changed
 
41
either and the SHA-1 is therefore the same.
 
42
 
 
43
If any of the fingerprint fields have changed then the file content
 
44
*may* have changed, or it may not have.  We need to reread the file
 
45
contents to make sure, but this is not visible to the user or
 
46
higher-level code (except as a delay of course).
 
47
 
 
48
The mtime and ctime are stored with nanosecond fields, but not all
 
49
filesystems give this level of precision.  There is therefore a
 
50
possible race: the file might be modified twice within a second
 
51
without changing the size or mtime, and a SHA-1 cached from the first
 
52
version would be wrong.  We handle this by not recording a cached hash
 
53
for any files which were modified in the current second and that
 
54
therefore have the chance to change again before the second is up.
 
55
 
 
56
The only known hole in this design is if the system clock jumps
 
57
backwards crossing invocations of bzr.  Please don't do that; use ntp
 
58
to gradually adjust your clock or don't use bzr over the step.
 
59
 
 
60
At the moment this is stored in a simple textfile; it might be nice
 
61
to use a tdb instead.
 
62
 
 
63
The cache is represented as a map from file_id to a tuple of (file_id,
 
64
sha1, path, size, mtime, ctime, ino, dev).
 
65
 
 
66
The SHA-1 is stored in memory as a hexdigest.
 
67
 
 
68
File names and file-ids are written out with non-ascii or whitespace
 
69
characters given as python-style unicode escapes.  (file-ids shouldn't
 
70
contain wierd characters, but it might happen.)
 
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
 
 
92
CACHE_HEADER = "### bzr statcache v3"
 
93
 
 
94
 
 
95
def fingerprint(abspath):
 
96
    try:
 
97
        fs = os.lstat(abspath)
 
98
    except OSError:
 
99
        # might be missing, etc
 
100
        return None
 
101
 
 
102
    if stat.S_ISDIR(fs.st_mode):
 
103
        return None
 
104
 
 
105
    return (fs.st_size, fs.st_mtime,
 
106
            fs.st_ctime, fs.st_ino, fs.st_dev)
 
107
 
 
108
 
 
109
 
 
110
def safe_quote(s):
 
111
    return s.encode('unicode_escape') \
 
112
           .replace('\n', '\\u000a')  \
 
113
           .replace(' ', '\\u0020')   \
 
114
           .replace('\r', '\\u000d')
 
115
 
 
116
 
 
117
def _write_cache(basedir, entries):
 
118
    from atomicfile import AtomicFile
 
119
 
 
120
    cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
 
121
    outf = AtomicFile(cachefn, 'wb')
 
122
    outf.write(CACHE_HEADER + '\n')
 
123
    try:
 
124
        for entry in entries:
 
125
            if len(entry) != 8:
 
126
                raise ValueError("invalid statcache entry tuple %r" % entry)
 
127
            outf.write(safe_quote(entry[0])) # file id
 
128
            outf.write(' ')
 
129
            outf.write(entry[1])             # hex sha1
 
130
            outf.write(' ')
 
131
            outf.write(safe_quote(entry[2])) # name
 
132
            for nf in entry[3:]:
 
133
                outf.write(' %d' % nf)
 
134
            outf.write('\n')
 
135
 
 
136
        outf.commit()
 
137
    finally:
 
138
        if not outf.closed:
 
139
            outf.abort()
 
140
 
 
141
 
 
142
def _try_write_cache(basedir, entries):
 
143
    try:
 
144
        return _write_cache(basedir, entries)
 
145
    except IOError, e:
 
146
        mutter("cannot update statcache in %s: %s" % (basedir, e))
 
147
    except OSError, e:
 
148
        mutter("cannot update statcache in %s: %s" % (basedir, e))
 
149
        
 
150
        
 
151
        
 
152
def load_cache(basedir):
 
153
    import re
 
154
    cache = {}
 
155
    seen_paths = {}
 
156
 
 
157
    sha_re = re.compile(r'[a-f0-9]{40}')
 
158
 
 
159
    try:
 
160
        cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
 
161
        cachefile = open(cachefn, 'rb')
 
162
    except IOError:
 
163
        return cache
 
164
 
 
165
    line1 = cachefile.readline().rstrip('\r\n')
 
166
    if line1 != CACHE_HEADER:
 
167
        mutter('cache header marker not found at top of %s' % cachefn)
 
168
        return cache
 
169
 
 
170
    for l in cachefile:
 
171
        f = l.split(' ')
 
172
 
 
173
        file_id = f[0].decode('unicode_escape')
 
174
        if file_id in cache:
 
175
            raise BzrCheckError("duplicated file_id in cache: {%s}" % file_id)
 
176
 
 
177
        text_sha = f[1]
 
178
        if len(text_sha) != 40 or not sha_re.match(text_sha):
 
179
            raise BzrCheckError("invalid file SHA-1 in cache: %r" % text_sha)
 
180
        
 
181
        path = f[2].decode('unicode_escape')
 
182
        if path in seen_paths:
 
183
            raise BzrCheckError("duplicated path in cache: %r" % path)
 
184
        seen_paths[path] = True
 
185
        
 
186
        entry = (file_id, text_sha, path) + tuple([long(x) for x in f[3:]])
 
187
        if len(entry) != 8:
 
188
            raise ValueError("invalid statcache entry tuple %r" % entry)
 
189
 
 
190
        cache[file_id] = entry
 
191
    return cache
 
192
 
 
193
 
 
194
 
 
195
 
 
196
def _files_from_inventory(inv):
 
197
    for path, ie in inv.iter_entries():
 
198
        if ie.kind != 'file':
 
199
            continue
 
200
        yield ie.file_id, path
 
201
    
 
202
 
 
203
 
 
204
def update_cache(basedir, inv, flush=False):
 
205
    """Update and return the cache for the branch.
 
206
 
 
207
    The returned cache may contain entries that have not been written
 
208
    to disk for files recently touched.
 
209
 
 
210
    flush -- discard any previous cache and recalculate from scratch.
 
211
    """
 
212
 
 
213
    # load the existing cache; use information there to find a list of
 
214
    # files ordered by inode, which is alleged to be the fastest order
 
215
    # to stat the files.
 
216
    
 
217
    to_update = _files_from_inventory(inv)
 
218
 
 
219
    assert isinstance(flush, bool)
 
220
    if flush:
 
221
        cache = {}
 
222
    else:
 
223
        cache = load_cache(basedir)
 
224
 
 
225
        by_inode = []
 
226
        without_inode = []
 
227
        for file_id, path in to_update:
 
228
            if file_id in cache:
 
229
                by_inode.append((cache[file_id][SC_INO], file_id, path))
 
230
            else:
 
231
                without_inode.append((file_id, path))
 
232
        by_inode.sort()
 
233
 
 
234
        to_update = [a[1:] for a in by_inode] + without_inode
 
235
            
 
236
    stat_cnt = missing_cnt = new_cnt = hardcheck = change_cnt = 0
 
237
 
 
238
    # dangerfiles have been recently touched and can't be committed to
 
239
    # a persistent cache yet, but they are returned to the caller.
 
240
    dangerfiles = []
 
241
    
 
242
    now = int(time.time())
 
243
 
 
244
    ## mutter('update statcache under %r' % basedir)
 
245
    for file_id, path in to_update:
 
246
        abspath = os.path.join(basedir, path)
 
247
        fp = fingerprint(abspath)
 
248
        stat_cnt += 1
 
249
        
 
250
        cacheentry = cache.get(file_id)
 
251
 
 
252
        if fp == None: # not here
 
253
            if cacheentry:
 
254
                del cache[file_id]
 
255
                change_cnt += 1
 
256
            missing_cnt += 1
 
257
            continue
 
258
        elif not cacheentry:
 
259
            new_cnt += 1
 
260
 
 
261
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
 
262
            dangerfiles.append(file_id)
 
263
 
 
264
        if cacheentry and (cacheentry[3:] == fp):
 
265
            continue                    # all stat fields unchanged
 
266
 
 
267
        hardcheck += 1
 
268
 
 
269
        dig = sha.new(file(abspath, 'rb').read()).hexdigest()
 
270
 
 
271
        # We update the cache even if the digest has not changed from
 
272
        # last time we looked, so that the fingerprint fields will
 
273
        # match in future.
 
274
        cacheentry = (file_id, dig, path) + fp
 
275
        cache[file_id] = cacheentry
 
276
        change_cnt += 1
 
277
 
 
278
    mutter('statcache: statted %d files, read %d files, %d changed, %d dangerous, '
 
279
           '%d deleted, %d new, '
 
280
           '%d in cache'
 
281
           % (stat_cnt, hardcheck, change_cnt, len(dangerfiles),
 
282
              missing_cnt, new_cnt, len(cache)))
 
283
        
 
284
    if change_cnt:
 
285
        mutter('updating on-disk statcache')
 
286
 
 
287
        if dangerfiles:
 
288
            safe_cache = cache.copy()
 
289
            for file_id in dangerfiles:
 
290
                del safe_cache[file_id]
 
291
        else:
 
292
            safe_cache = cache
 
293
        
 
294
        _try_write_cache(basedir, safe_cache.itervalues())
 
295
 
 
296
    return cache