~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/hashcache.py

  • Committer: Martin Pool
  • Date: 2005-06-22 06:37:43 UTC
  • Revision ID: mbp@sourcefrog.net-20050622063743-e395f04c4db8977f
- move old blackbox code from testbzr into bzrlib.selftest.blackbox

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# out-of-date.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