~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Martin Pool
  • Date: 2005-06-10 09:08:09 UTC
  • Revision ID: mbp@sourcefrog.net-20050610090809-648401fe0bde7b7a
doc

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
# Copyright (C) 2005, 2006 by 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
 
# 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# out-of-date.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, stat, time
33
 
import sha
34
 
 
35
 
from bzrlib.osutils import sha_file, pathjoin, safe_unicode
36
 
from bzrlib.trace import mutter, warning
37
 
from bzrlib.atomicfile import AtomicFile
38
 
from bzrlib.errors import BzrError
39
 
 
40
 
 
41
 
FP_MTIME_COLUMN = 1
42
 
FP_CTIME_COLUMN = 2
43
 
FP_MODE_COLUMN = 5
44
 
 
45
 
def _fingerprint(abspath):
46
 
    try:
47
 
        fs = os.lstat(abspath)
48
 
    except OSError:
49
 
        # might be missing, etc
50
 
        return None
51
 
 
52
 
    if stat.S_ISDIR(fs.st_mode):
53
 
        return None
54
 
 
55
 
    # we discard any high precision because it's not reliable; perhaps we
56
 
    # could do better on some systems?
57
 
    return (fs.st_size, long(fs.st_mtime),
58
 
            long(fs.st_ctime), fs.st_ino, fs.st_dev, fs.st_mode)
59
 
 
60
 
 
61
 
class HashCache(object):
62
 
    """Cache for looking up file SHA-1.
63
 
 
64
 
    Files are considered to match the cached value if the fingerprint
65
 
    of the file has not changed.  This includes its mtime, ctime,
66
 
    device number, inode number, and size.  This should catch
67
 
    modifications or replacement of the file by a new one.
68
 
 
69
 
    This may not catch modifications that do not change the file's
70
 
    size and that occur within the resolution window of the
71
 
    timestamps.  To handle this we specifically do not cache files
72
 
    which have changed since the start of the present second, since
73
 
    they could undetectably change again.
74
 
 
75
 
    This scheme may fail if the machine's clock steps backwards.
76
 
    Don't do that.
77
 
 
78
 
    This does not canonicalize the paths passed in; that should be
79
 
    done by the caller.
80
 
 
81
 
    _cache
82
 
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
83
 
        and its fingerprint.
84
 
 
85
 
    stat_count
86
 
        number of times files have been statted
87
 
 
88
 
    hit_count
89
 
        number of times files have been retrieved from the cache, avoiding a
90
 
        re-read
91
 
        
92
 
    miss_count
93
 
        number of misses (times files have been completely re-read)
94
 
    """
95
 
    needs_write = False
96
 
 
97
 
    def __init__(self, root, cache_file_name, mode=None):
98
 
        """Create a hash cache in base dir, and set the file mode to mode."""
99
 
        self.root = safe_unicode(root)
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 = safe_unicode(cache_file_name)
109
 
 
110
 
    def cache_file_name(self):
111
 
        return self._cache_file_name
112
 
 
113
 
    def clear(self):
114
 
        """Discard all cached information.
115
 
 
116
 
        This does not reset the counters."""
117
 
        if self._cache:
118
 
            self.needs_write = True
119
 
            self._cache = {}
120
 
 
121
 
    def scan(self):
122
 
        """Scan all files and remove entries where the cache entry is obsolete.
123
 
        
124
 
        Obsolete entries are those where the file has been modified or deleted
125
 
        since the entry was inserted.        
126
 
        """
127
 
        # FIXME optimisation opportunity, on linux [and check other oses]:
128
 
        # rather than iteritems order, stat in inode order.
129
 
        prep = [(ce[1][3], path, ce) for (path, ce) in self._cache.iteritems()]
130
 
        prep.sort()
131
 
        
132
 
        for inum, path, cache_entry in prep:
133
 
            abspath = pathjoin(self.root, path)
134
 
            fp = _fingerprint(abspath)
135
 
            self.stat_count += 1
136
 
            
137
 
            cache_fp = cache_entry[1]
138
 
    
139
 
            if (not fp) or (cache_fp != fp):
140
 
                # not here or not a regular file anymore
141
 
                self.removed_count += 1
142
 
                self.needs_write = True
143
 
                del self._cache[path]
144
 
 
145
 
 
146
 
    def get_sha1(self, path):
147
 
        """Return the sha1 of a file.
148
 
        """
149
 
        abspath = pathjoin(self.root, path)
150
 
        self.stat_count += 1
151
 
        file_fp = _fingerprint(abspath)
152
 
        
153
 
        if not file_fp:
154
 
            # not a regular file or not existing
155
 
            if path in self._cache:
156
 
                self.removed_count += 1
157
 
                self.needs_write = True
158
 
                del self._cache[path]
159
 
            return None        
160
 
 
161
 
        if path in self._cache:
162
 
            cache_sha1, cache_fp = self._cache[path]
163
 
        else:
164
 
            cache_sha1, cache_fp = None, None
165
 
 
166
 
        if cache_fp == file_fp:
167
 
            self.hit_count += 1
168
 
            return cache_sha1
169
 
        
170
 
        self.miss_count += 1
171
 
 
172
 
 
173
 
        mode = file_fp[FP_MODE_COLUMN]
174
 
        if stat.S_ISREG(mode):
175
 
            digest = sha_file(file(abspath, 'rb', buffering=65000))
176
 
        elif stat.S_ISLNK(mode):
177
 
            digest = sha.new(os.readlink(abspath)).hexdigest()
178
 
        else:
179
 
            raise BzrError("file %r: unknown file stat mode: %o"%(abspath,mode))
180
 
 
181
 
        now = int(time.time())
182
 
        if file_fp[FP_MTIME_COLUMN] >= now or file_fp[FP_CTIME_COLUMN] >= now:
183
 
            # changed too recently; can't be cached.  we can
184
 
            # return the result and it could possibly be cached
185
 
            # next time.
186
 
            #
187
 
            # the point is that we only want to cache when we are sure that any
188
 
            # subsequent modifications of the file can be detected.  If a
189
 
            # modification neither changes the inode, the device, the size, nor
190
 
            # the mode, then we can only distinguish it by time; therefore we
191
 
            # need to let sufficient time elapse before we may cache this entry
192
 
            # again.  If we didn't do this, then, for example, a very quick 1
193
 
            # byte replacement in the file might go undetected.
194
 
            self.danger_count += 1 
195
 
            if cache_fp:
196
 
                self.removed_count += 1
197
 
                self.needs_write = True
198
 
                del self._cache[path]
199
 
        else:
200
 
            self.update_count += 1
201
 
            self.needs_write = True
202
 
            self._cache[path] = (digest, file_fp)
203
 
        return digest
204
 
        
205
 
    def write(self):
206
 
        """Write contents of cache to file."""
207
 
        outf = AtomicFile(self.cache_file_name(), 'wb', new_mode=self._mode)
208
 
        try:
209
 
            print >>outf, CACHE_HEADER,
210
 
 
211
 
            for path, c  in self._cache.iteritems():
212
 
                assert '//' not in path, path
213
 
                outf.write(path.encode('utf-8'))
214
 
                outf.write('// ')
215
 
                print >>outf, c[0],     # hex sha1
216
 
                for fld in c[1]:
217
 
                    print >>outf, "%d" % fld,
218
 
                print >>outf
219
 
            outf.commit()
220
 
            self.needs_write = False
221
 
            mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
222
 
                   self.cache_file_name(), self.hit_count, self.miss_count,
223
 
                   self.stat_count,
224
 
                   self.danger_count, self.update_count)
225
 
        finally:
226
 
            if not outf.closed:
227
 
                outf.abort()
228
 
 
229
 
    def read(self):
230
 
        """Reinstate cache from file.
231
 
 
232
 
        Overwrites existing cache.
233
 
 
234
 
        If the cache file has the wrong version marker, this just clears 
235
 
        the cache."""
236
 
        self._cache = {}
237
 
 
238
 
        fn = self.cache_file_name()
239
 
        try:
240
 
            inf = file(fn, 'rb', buffering=65000)
241
 
        except IOError, e:
242
 
            mutter("failed to open %s: %s", fn, e)
243
 
            # better write it now so it is valid
244
 
            self.needs_write = True
245
 
            return
246
 
 
247
 
 
248
 
        hdr = inf.readline()
249
 
        if hdr != CACHE_HEADER:
250
 
            mutter('cache header marker not found at top of %s;'
251
 
                   ' discarding cache', fn)
252
 
            self.needs_write = True
253
 
            return
254
 
 
255
 
        for l in inf:
256
 
            pos = l.index('// ')
257
 
            path = l[:pos].decode('utf-8')
258
 
            if path in self._cache:
259
 
                warning('duplicated path %r in cache' % path)
260
 
                continue
261
 
 
262
 
            pos += 3
263
 
            fields = l[pos:].split(' ')
264
 
            if len(fields) != 7:
265
 
                warning("bad line in hashcache: %r" % l)
266
 
                continue
267
 
 
268
 
            sha1 = fields[0]
269
 
            if len(sha1) != 40:
270
 
                warning("bad sha1 in hashcache: %r" % sha1)
271
 
                continue
272
 
 
273
 
            fp = tuple(map(long, fields[1:]))
274
 
 
275
 
            self._cache[path] = (sha1, fp)
276
 
 
277
 
        self.needs_write = False
278
 
           
279
 
 
280
 
 
281