~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Patch Queue Manager
  • Date: 2014-04-09 13:36:25 UTC
  • mfrom: (6592.1.2 1303879-py27-issues)
  • Revision ID: pqm@pqm.ubuntu.com-20140409133625-s24spv3kha2w2860
(vila) Fix python-2.7.6 test failures. (Vincent Ladeuil)

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2005-2010 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
from __future__ import absolute_import
 
18
 
 
19
# TODO: Up-front, stat all files in order and remove those which are deleted or
 
20
# out-of-date.  Don't actually re-read them until they're needed.  That ought
 
21
# to bring all the inodes into core so that future stats to them are fast, and
 
22
# it preserves the nice property that any caller will always get up-to-date
 
23
# data except in unavoidable cases.
 
24
 
 
25
# TODO: Perhaps return more details on the file to avoid statting it
 
26
# again: nonexistent, file type, size, etc
 
27
 
 
28
# TODO: Perhaps use a Python pickle instead of a text file; might be faster.
 
29
 
 
30
 
 
31
 
 
32
CACHE_HEADER = "### bzr hashcache v5\n"
 
33
 
 
34
import os
 
35
import stat
 
36
import time
 
37
 
 
38
from bzrlib import (
 
39
    atomicfile,
 
40
    errors,
 
41
    filters as _mod_filters,
 
42
    osutils,
 
43
    trace,
 
44
    )
 
45
 
 
46
 
 
47
FP_MTIME_COLUMN = 1
 
48
FP_CTIME_COLUMN = 2
 
49
FP_MODE_COLUMN = 5
 
50
 
 
51
 
 
52
 
 
53
class HashCache(object):
 
54
    """Cache for looking up file SHA-1.
 
55
 
 
56
    Files are considered to match the cached value if the fingerprint
 
57
    of the file has not changed.  This includes its mtime, ctime,
 
58
    device number, inode number, and size.  This should catch
 
59
    modifications or replacement of the file by a new one.
 
60
 
 
61
    This may not catch modifications that do not change the file's
 
62
    size and that occur within the resolution window of the
 
63
    timestamps.  To handle this we specifically do not cache files
 
64
    which have changed since the start of the present second, since
 
65
    they could undetectably change again.
 
66
 
 
67
    This scheme may fail if the machine's clock steps backwards.
 
68
    Don't do that.
 
69
 
 
70
    This does not canonicalize the paths passed in; that should be
 
71
    done by the caller.
 
72
 
 
73
    _cache
 
74
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
 
75
        and its fingerprint.
 
76
 
 
77
    stat_count
 
78
        number of times files have been statted
 
79
 
 
80
    hit_count
 
81
        number of times files have been retrieved from the cache, avoiding a
 
82
        re-read
 
83
 
 
84
    miss_count
 
85
        number of misses (times files have been completely re-read)
 
86
    """
 
87
    needs_write = False
 
88
 
 
89
    def __init__(self, root, cache_file_name, mode=None,
 
90
            content_filter_stack_provider=None):
 
91
        """Create a hash cache in base dir, and set the file mode to mode.
 
92
 
 
93
        :param content_filter_stack_provider: a function that takes a
 
94
            path (relative to the top of the tree) and a file-id as
 
95
            parameters and returns a stack of ContentFilters.
 
96
            If None, no content filtering is performed.
 
97
        """
 
98
        self.root = osutils.safe_unicode(root)
 
99
        self.root_utf8 = self.root.encode('utf8') # where is the filesystem encoding ?
 
100
        self.hit_count = 0
 
101
        self.miss_count = 0
 
102
        self.stat_count = 0
 
103
        self.danger_count = 0
 
104
        self.removed_count = 0
 
105
        self.update_count = 0
 
106
        self._cache = {}
 
107
        self._mode = mode
 
108
        self._cache_file_name = osutils.safe_unicode(cache_file_name)
 
109
        self._filter_provider = content_filter_stack_provider
 
110
 
 
111
    def cache_file_name(self):
 
112
        return self._cache_file_name
 
113
 
 
114
    def clear(self):
 
115
        """Discard all cached information.
 
116
 
 
117
        This does not reset the counters."""
 
118
        if self._cache:
 
119
            self.needs_write = True
 
120
            self._cache = {}
 
121
 
 
122
    def scan(self):
 
123
        """Scan all files and remove entries where the cache entry is obsolete.
 
124
 
 
125
        Obsolete entries are those where the file has been modified or deleted
 
126
        since the entry was inserted.
 
127
        """
 
128
        # FIXME optimisation opportunity, on linux [and check other oses]:
 
129
        # rather than iteritems order, stat in inode order.
 
130
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
 
131
        prep.sort()
 
132
 
 
133
        for inum, path, cache_entry in prep:
 
134
            abspath = osutils.pathjoin(self.root, path)
 
135
            fp = self._fingerprint(abspath)
 
136
            self.stat_count += 1
 
137
 
 
138
            cache_fp = cache_entry[1]
 
139
 
 
140
            if (not fp) or (cache_fp != fp):
 
141
                # not here or not a regular file anymore
 
142
                self.removed_count += 1
 
143
                self.needs_write = True
 
144
                del self._cache[path]
 
145
 
 
146
    def get_sha1(self, path, stat_value=None):
 
147
        """Return the sha1 of a file.
 
148
        """
 
149
        if path.__class__ is str:
 
150
            abspath = osutils.pathjoin(self.root_utf8, path)
 
151
        else:
 
152
            abspath = osutils.pathjoin(self.root, path)
 
153
        self.stat_count += 1
 
154
        file_fp = self._fingerprint(abspath, stat_value)
 
155
 
 
156
        if not file_fp:
 
157
            # not a regular file or not existing
 
158
            if path in self._cache:
 
159
                self.removed_count += 1
 
160
                self.needs_write = True
 
161
                del self._cache[path]
 
162
            return None
 
163
 
 
164
        if path in self._cache:
 
165
            cache_sha1, cache_fp = self._cache[path]
 
166
        else:
 
167
            cache_sha1, cache_fp = None, None
 
168
 
 
169
        if cache_fp == file_fp:
 
170
            ## mutter("hashcache hit for %s %r -> %s", path, file_fp, cache_sha1)
 
171
            ## mutter("now = %s", time.time())
 
172
            self.hit_count += 1
 
173
            return cache_sha1
 
174
 
 
175
        self.miss_count += 1
 
176
 
 
177
        mode = file_fp[FP_MODE_COLUMN]
 
178
        if stat.S_ISREG(mode):
 
179
            if self._filter_provider is None:
 
180
                filters = []
 
181
            else:
 
182
                filters = self._filter_provider(path=path, file_id=None)
 
183
            digest = self._really_sha1_file(abspath, filters)
 
184
        elif stat.S_ISLNK(mode):
 
185
            target = osutils.readlink(osutils.safe_unicode(abspath))
 
186
            digest = osutils.sha_string(target.encode('UTF-8'))
 
187
        else:
 
188
            raise errors.BzrError("file %r: unknown file stat mode: %o"
 
189
                                  % (abspath, mode))
 
190
 
 
191
        # window of 3 seconds to allow for 2s resolution on windows,
 
192
        # unsynchronized file servers, etc.
 
193
        cutoff = self._cutoff_time()
 
194
        if file_fp[FP_MTIME_COLUMN] >= cutoff \
 
195
                or file_fp[FP_CTIME_COLUMN] >= cutoff:
 
196
            # changed too recently; can't be cached.  we can
 
197
            # return the result and it could possibly be cached
 
198
            # next time.
 
199
            #
 
200
            # the point is that we only want to cache when we are sure that any
 
201
            # subsequent modifications of the file can be detected.  If a
 
202
            # modification neither changes the inode, the device, the size, nor
 
203
            # the mode, then we can only distinguish it by time; therefore we
 
204
            # need to let sufficient time elapse before we may cache this entry
 
205
            # again.  If we didn't do this, then, for example, a very quick 1
 
206
            # byte replacement in the file might go undetected.
 
207
            ## mutter('%r modified too recently; not caching', path)
 
208
            self.danger_count += 1
 
209
            if cache_fp:
 
210
                self.removed_count += 1
 
211
                self.needs_write = True
 
212
                del self._cache[path]
 
213
        else:
 
214
            ## mutter('%r added to cache: now=%f, mtime=%d, ctime=%d',
 
215
            ##        path, time.time(), file_fp[FP_MTIME_COLUMN],
 
216
            ##        file_fp[FP_CTIME_COLUMN])
 
217
            self.update_count += 1
 
218
            self.needs_write = True
 
219
            self._cache[path] = (digest, file_fp)
 
220
        return digest
 
221
 
 
222
    def _really_sha1_file(self, abspath, filters):
 
223
        """Calculate the SHA1 of a file by reading the full text"""
 
224
        return _mod_filters.internal_size_sha_file_byname(abspath, filters)[1]
 
225
 
 
226
    def write(self):
 
227
        """Write contents of cache to file."""
 
228
        outf = atomicfile.AtomicFile(self.cache_file_name(), 'wb',
 
229
                                     new_mode=self._mode)
 
230
        try:
 
231
            outf.write(CACHE_HEADER)
 
232
 
 
233
            for path, c  in self._cache.iteritems():
 
234
                line_info = [path.encode('utf-8'), '// ', c[0], ' ']
 
235
                line_info.append(' '.join([str(fld) for fld in c[1]]))
 
236
                line_info.append('\n')
 
237
                outf.write(''.join(line_info))
 
238
            outf.commit()
 
239
            self.needs_write = False
 
240
            ## mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
 
241
            ##        self.cache_file_name(), self.hit_count, self.miss_count,
 
242
            ##        self.stat_count,
 
243
            ##        self.danger_count, self.update_count)
 
244
        finally:
 
245
            outf.close()
 
246
 
 
247
    def read(self):
 
248
        """Reinstate cache from file.
 
249
 
 
250
        Overwrites existing cache.
 
251
 
 
252
        If the cache file has the wrong version marker, this just clears
 
253
        the cache."""
 
254
        self._cache = {}
 
255
 
 
256
        fn = self.cache_file_name()
 
257
        try:
 
258
            inf = file(fn, 'rb', buffering=65000)
 
259
        except IOError, e:
 
260
            trace.mutter("failed to open %s: %s", fn, e)
 
261
            # better write it now so it is valid
 
262
            self.needs_write = True
 
263
            return
 
264
 
 
265
        hdr = inf.readline()
 
266
        if hdr != CACHE_HEADER:
 
267
            trace.mutter('cache header marker not found at top of %s;'
 
268
                         ' discarding cache', fn)
 
269
            self.needs_write = True
 
270
            return
 
271
 
 
272
        for l in inf:
 
273
            pos = l.index('// ')
 
274
            path = l[:pos].decode('utf-8')
 
275
            if path in self._cache:
 
276
                trace.warning('duplicated path %r in cache' % path)
 
277
                continue
 
278
 
 
279
            pos += 3
 
280
            fields = l[pos:].split(' ')
 
281
            if len(fields) != 7:
 
282
                trace.warning("bad line in hashcache: %r" % l)
 
283
                continue
 
284
 
 
285
            sha1 = fields[0]
 
286
            if len(sha1) != 40:
 
287
                trace.warning("bad sha1 in hashcache: %r" % sha1)
 
288
                continue
 
289
 
 
290
            fp = tuple(map(long, fields[1:]))
 
291
 
 
292
            self._cache[path] = (sha1, fp)
 
293
 
 
294
        # GZ 2009-09-20: Should really use a try/finally block to ensure close
 
295
        inf.close()
 
296
 
 
297
        self.needs_write = False
 
298
 
 
299
    def _cutoff_time(self):
 
300
        """Return cutoff time.
 
301
 
 
302
        Files modified more recently than this time are at risk of being
 
303
        undetectably modified and so can't be cached.
 
304
        """
 
305
        return int(time.time()) - 3
 
306
 
 
307
    def _fingerprint(self, abspath, stat_value=None):
 
308
        if stat_value is None:
 
309
            try:
 
310
                stat_value = os.lstat(abspath)
 
311
            except OSError:
 
312
                # might be missing, etc
 
313
                return None
 
314
        if stat.S_ISDIR(stat_value.st_mode):
 
315
            return None
 
316
        # we discard any high precision because it's not reliable; perhaps we
 
317
        # could do better on some systems?
 
318
        return (stat_value.st_size, long(stat_value.st_mtime),
 
319
                long(stat_value.st_ctime), stat_value.st_ino,
 
320
                stat_value.st_dev, stat_value.st_mode)