~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: mbp at sourcefrog
  • Date: 2005-03-09 04:51:05 UTC
  • Revision ID: mbp@sourcefrog.net-20050309045105-d02cd410a115da2c
import all docs from arch

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# Copyright (C) 2005, 2006 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., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
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# out-of-date.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
20
 
# it preserves the nice property that any caller will always get up-to-date
21
 
# data except in unavoidable cases.
22
 
 
23
 
# TODO: Perhaps return more details on the file to avoid statting it
24
 
# again: nonexistent, file type, size, etc
25
 
 
26
 
# TODO: Perhaps use a Python pickle instead of a text file; might be faster.
27
 
 
28
 
 
29
 
 
30
 
CACHE_HEADER = "### bzr hashcache v5\n"
31
 
 
32
 
import os
33
 
import stat
34
 
import time
35
 
 
36
 
from bzrlib import (
37
 
    atomicfile,
38
 
    errors,
39
 
    filters as _mod_filters,
40
 
    osutils,
41
 
    trace,
42
 
    )
43
 
 
44
 
 
45
 
FP_MTIME_COLUMN = 1
46
 
FP_CTIME_COLUMN = 2
47
 
FP_MODE_COLUMN = 5
48
 
 
49
 
 
50
 
 
51
 
class HashCache(object):
52
 
    """Cache for looking up file SHA-1.
53
 
 
54
 
    Files are considered to match the cached value if the fingerprint
55
 
    of the file has not changed.  This includes its mtime, ctime,
56
 
    device number, inode number, and size.  This should catch
57
 
    modifications or replacement of the file by a new one.
58
 
 
59
 
    This may not catch modifications that do not change the file's
60
 
    size and that occur within the resolution window of the
61
 
    timestamps.  To handle this we specifically do not cache files
62
 
    which have changed since the start of the present second, since
63
 
    they could undetectably change again.
64
 
 
65
 
    This scheme may fail if the machine's clock steps backwards.
66
 
    Don't do that.
67
 
 
68
 
    This does not canonicalize the paths passed in; that should be
69
 
    done by the caller.
70
 
 
71
 
    _cache
72
 
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
73
 
        and its fingerprint.
74
 
 
75
 
    stat_count
76
 
        number of times files have been statted
77
 
 
78
 
    hit_count
79
 
        number of times files have been retrieved from the cache, avoiding a
80
 
        re-read
81
 
 
82
 
    miss_count
83
 
        number of misses (times files have been completely re-read)
84
 
    """
85
 
    needs_write = False
86
 
 
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 ?
98
 
        self.hit_count = 0
99
 
        self.miss_count = 0
100
 
        self.stat_count = 0
101
 
        self.danger_count = 0
102
 
        self.removed_count = 0
103
 
        self.update_count = 0
104
 
        self._cache = {}
105
 
        self._mode = mode
106
 
        self._cache_file_name = osutils.safe_unicode(cache_file_name)
107
 
        self._filter_provider = content_filter_stack_provider
108
 
 
109
 
    def cache_file_name(self):
110
 
        return self._cache_file_name
111
 
 
112
 
    def clear(self):
113
 
        """Discard all cached information.
114
 
 
115
 
        This does not reset the counters."""
116
 
        if self._cache:
117
 
            self.needs_write = True
118
 
            self._cache = {}
119
 
 
120
 
    def scan(self):
121
 
        """Scan all files and remove entries where the cache entry is obsolete.
122
 
 
123
 
        Obsolete entries are those where the file has been modified or deleted
124
 
        since the entry was inserted.
125
 
        """
126
 
        # FIXME optimisation opportunity, on linux [and check other oses]:
127
 
        # rather than iteritems order, stat in inode order.
128
 
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
129
 
        prep.sort()
130
 
 
131
 
        for inum, path, cache_entry in prep:
132
 
            abspath = osutils.pathjoin(self.root, path)
133
 
            fp = self._fingerprint(abspath)
134
 
            self.stat_count += 1
135
 
 
136
 
            cache_fp = cache_entry[1]
137
 
 
138
 
            if (not fp) or (cache_fp != fp):
139
 
                # not here or not a regular file anymore
140
 
                self.removed_count += 1
141
 
                self.needs_write = True
142
 
                del self._cache[path]
143
 
 
144
 
    def get_sha1(self, path, stat_value=None):
145
 
        """Return the sha1 of a file.
146
 
        """
147
 
        if path.__class__ is str:
148
 
            abspath = osutils.pathjoin(self.root_utf8, path)
149
 
        else:
150
 
            abspath = osutils.pathjoin(self.root, path)
151
 
        self.stat_count += 1
152
 
        file_fp = self._fingerprint(abspath, stat_value)
153
 
 
154
 
        if not file_fp:
155
 
            # not a regular file or not existing
156
 
            if path in self._cache:
157
 
                self.removed_count += 1
158
 
                self.needs_write = True
159
 
                del self._cache[path]
160
 
            return None
161
 
 
162
 
        if path in self._cache:
163
 
            cache_sha1, cache_fp = self._cache[path]
164
 
        else:
165
 
            cache_sha1, cache_fp = None, None
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())
170
 
            self.hit_count += 1
171
 
            return cache_sha1
172
 
 
173
 
        self.miss_count += 1
174
 
 
175
 
        mode = file_fp[FP_MODE_COLUMN]
176
 
        if stat.S_ISREG(mode):
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)
182
 
        elif stat.S_ISLNK(mode):
183
 
            target = osutils.readlink(osutils.safe_unicode(abspath))
184
 
            digest = osutils.sha_string(target.encode('UTF-8'))
185
 
        else:
186
 
            raise errors.BzrError("file %r: unknown file stat mode: %o"
187
 
                                  % (abspath, mode))
188
 
 
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:
194
 
            # changed too recently; can't be cached.  we can
195
 
            # return the result and it could possibly be cached
196
 
            # next time.
197
 
            #
198
 
            # the point is that we only want to cache when we are sure that any
199
 
            # subsequent modifications of the file can be detected.  If a
200
 
            # modification neither changes the inode, the device, the size, nor
201
 
            # the mode, then we can only distinguish it by time; therefore we
202
 
            # need to let sufficient time elapse before we may cache this entry
203
 
            # again.  If we didn't do this, then, for example, a very quick 1
204
 
            # byte replacement in the file might go undetected.
205
 
            ## mutter('%r modified too recently; not caching', path)
206
 
            self.danger_count += 1
207
 
            if cache_fp:
208
 
                self.removed_count += 1
209
 
                self.needs_write = True
210
 
                del self._cache[path]
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])
215
 
            self.update_count += 1
216
 
            self.needs_write = True
217
 
            self._cache[path] = (digest, file_fp)
218
 
        return digest
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
 
 
224
 
    def write(self):
225
 
        """Write contents of cache to file."""
226
 
        outf = atomicfile.AtomicFile(self.cache_file_name(), 'wb',
227
 
                                     new_mode=self._mode)
228
 
        try:
229
 
            outf.write(CACHE_HEADER)
230
 
 
231
 
            for path, c  in self._cache.iteritems():
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))
236
 
            outf.commit()
237
 
            self.needs_write = False
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)
242
 
        finally:
243
 
            outf.close()
244
 
 
245
 
    def read(self):
246
 
        """Reinstate cache from file.
247
 
 
248
 
        Overwrites existing cache.
249
 
 
250
 
        If the cache file has the wrong version marker, this just clears
251
 
        the cache."""
252
 
        self._cache = {}
253
 
 
254
 
        fn = self.cache_file_name()
255
 
        try:
256
 
            inf = file(fn, 'rb', buffering=65000)
257
 
        except IOError, e:
258
 
            trace.mutter("failed to open %s: %s", fn, e)
259
 
            # better write it now so it is valid
260
 
            self.needs_write = True
261
 
            return
262
 
 
263
 
        hdr = inf.readline()
264
 
        if hdr != CACHE_HEADER:
265
 
            trace.mutter('cache header marker not found at top of %s;'
266
 
                         ' discarding cache', fn)
267
 
            self.needs_write = True
268
 
            return
269
 
 
270
 
        for l in inf:
271
 
            pos = l.index('// ')
272
 
            path = l[:pos].decode('utf-8')
273
 
            if path in self._cache:
274
 
                trace.warning('duplicated path %r in cache' % path)
275
 
                continue
276
 
 
277
 
            pos += 3
278
 
            fields = l[pos:].split(' ')
279
 
            if len(fields) != 7:
280
 
                trace.warning("bad line in hashcache: %r" % l)
281
 
                continue
282
 
 
283
 
            sha1 = fields[0]
284
 
            if len(sha1) != 40:
285
 
                trace.warning("bad sha1 in hashcache: %r" % sha1)
286
 
                continue
287
 
 
288
 
            fp = tuple(map(long, fields[1:]))
289
 
 
290
 
            self._cache[path] = (sha1, fp)
291
 
 
292
 
        self.needs_write = False
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)