~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

  • Committer: Martin Pool
  • Date: 2005-07-16 00:07:40 UTC
  • mfrom: (909.1.5)
  • Revision ID: mbp@sourcefrog.net-20050716000740-f2dcb8894a23fd2d
- merge aaron's bugfix branch
  up to abentley@panoramicfeedback.com-20050715134354-78f2bca607acb415

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
 
from binascii import b2a_qp, a2b_qp
19
 
 
20
 
from trace import mutter
21
 
from errors import BzrError
22
 
 
23
 
 
24
 
"""File stat cache to speed up tree comparisons.
25
 
 
26
 
This module basically gives a quick way to find the SHA-1 and related
27
 
information of a file in the working directory, without actually
28
 
reading and hashing the whole file.
29
 
 
30
 
This is done by maintaining a cache indexed by a file fingerprint of
31
 
(path, size, mtime, ctime, ino, dev) pointing to the SHA-1.  If the
32
 
fingerprint has changed, we assume the file content has not changed
33
 
either and the SHA-1 is therefore the same.
34
 
 
35
 
If any of the fingerprint fields have changed then the file content
36
 
*may* have changed, or it may not have.  We need to reread the file
37
 
contents to make sure, but this is not visible to the user or
38
 
higher-level code (except as a delay of course).
39
 
 
40
 
The mtime and ctime are stored with nanosecond fields, but not all
41
 
filesystems give this level of precision.  There is therefore a
42
 
possible race: the file might be modified twice within a second
43
 
without changing the size or mtime, and a SHA-1 cached from the first
44
 
version would be wrong.  We handle this by not recording a cached hash
45
 
for any files which were modified in the current second and that
46
 
therefore have the chance to change again before the second is up.
47
 
 
48
 
The only known hole in this design is if the system clock jumps
49
 
backwards crossing invocations of bzr.  Please don't do that; use ntp
50
 
to gradually adjust your clock or don't use bzr over the step.
51
 
 
52
 
At the moment this is stored in a simple textfile; it might be nice
53
 
to use a tdb instead.
54
 
 
55
 
The cache is represented as a map from file_id to a tuple of (file_id,
56
 
sha1, path, size, mtime, ctime, ino, dev).
57
 
"""
58
 
 
59
 
 
60
 
FP_SIZE  = 0
61
 
FP_MTIME = 1
62
 
FP_CTIME = 2
63
 
FP_INO   = 3
64
 
FP_DEV   = 4
65
 
 
66
 
 
67
 
SC_FILE_ID = 0
68
 
SC_SHA1    = 1 
69
 
 
70
 
 
71
 
def fingerprint(path, abspath):
72
 
    try:
73
 
        fs = os.lstat(abspath)
74
 
    except OSError:
75
 
        # might be missing, etc
76
 
        return None
77
 
 
78
 
    if stat.S_ISDIR(fs.st_mode):
79
 
        return None
80
 
 
81
 
    return (fs.st_size, fs.st_mtime,
82
 
            fs.st_ctime, fs.st_ino, fs.st_dev)
83
 
 
84
 
 
85
 
def _write_cache(branch, entry_iter, dangerfiles):
86
 
    from atomicfile import AtomicFile
87
 
    
88
 
    outf = AtomicFile(branch.controlfilename('stat-cache'), 'wb', 'utf-8')
89
 
    try:
90
 
        for entry in entry_iter:
91
 
            if entry[0] in dangerfiles:
92
 
                continue
93
 
            outf.write(entry[0] + ' ' + entry[1] + ' ')
94
 
            outf.write(b2a_qp(entry[2], True))
95
 
            outf.write(' %d %d %d %d %d\n' % entry[3:])
96
 
 
97
 
        outf.commit()
98
 
    finally:
99
 
        if not outf.closed:
100
 
            outf.abort()
101
 
        
102
 
        
103
 
def load_cache(branch):
104
 
    cache = {}
105
 
 
106
 
    try:
107
 
        cachefile = branch.controlfile('stat-cache', 'r')
108
 
    except IOError:
109
 
        return cache
110
 
    
111
 
    for l in cachefile:
112
 
        f = l.split(' ')
113
 
        file_id = f[0]
114
 
        if file_id in cache:
115
 
            raise BzrError("duplicated file_id in cache: {%s}" % file_id)
116
 
        cache[file_id] = (f[0], f[1], a2b_qp(f[2])) + tuple([long(x) for x in f[3:]])
117
 
    return cache
118
 
 
119
 
 
120
 
 
121
 
 
122
 
def _files_from_inventory(inv):
123
 
    for path, ie in inv.iter_entries():
124
 
        if ie.kind != 'file':
125
 
            continue
126
 
        yield ie.file_id, path
127
 
    
128
 
 
129
 
 
130
 
def update_cache(branch, inv=None, flush=False):
131
 
    """Update and return the cache for the branch.
132
 
 
133
 
    The returned cache may contain entries that have not been written
134
 
    to disk for files recently touched.
135
 
 
136
 
    flush -- discard any previous cache and recalculate from scratch.
137
 
    """
138
 
 
139
 
    
140
 
    # TODO: It's supposed to be faster to stat the files in order by inum.
141
 
    # We don't directly know the inum of the files of course but we do
142
 
    # know where they were last sighted, so we can sort by that.
143
 
 
144
 
    assert isinstance(flush, bool)
145
 
    if flush:
146
 
        cache = {}
147
 
    else:
148
 
        cache = load_cache(branch)
149
 
    if inv == None:
150
 
        inv = branch.read_working_inventory()
151
 
    return _update_cache_from_list(branch, cache, _files_from_inventory(inv))
152
 
 
153
 
 
154
 
 
155
 
def _update_cache_from_list(branch, cache, to_update):
156
 
    """Update and return the cache for given files.
157
 
 
158
 
    cache -- Previously cached values to be validated.
159
 
 
160
 
    to_update -- Sequence of (file_id, path) pairs to check.
161
 
    """
162
 
 
163
 
    from sets import Set
164
 
 
165
 
    hardcheck = dirty = 0
166
 
 
167
 
    # files that have been recently touched and can't be
168
 
    # committed to a persistent cache yet.
169
 
    
170
 
    dangerfiles = Set()
171
 
    now = int(time.time())
172
 
    
173
 
    for file_id, path in to_update:
174
 
        fap = branch.abspath(path)
175
 
        fp = fingerprint(fap, path)
176
 
        cacheentry = cache.get(file_id)
177
 
 
178
 
        if fp == None: # not here
179
 
            if cacheentry:
180
 
                del cache[file_id]
181
 
                dirty += 1
182
 
            continue
183
 
 
184
 
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
185
 
            dangerfiles.add(file_id)
186
 
 
187
 
        if cacheentry and (cacheentry[3:] == fp):
188
 
            continue                    # all stat fields unchanged
189
 
 
190
 
        hardcheck += 1
191
 
 
192
 
        dig = sha.new(file(fap, 'rb').read()).hexdigest()
193
 
 
194
 
        if cacheentry == None or dig != cacheentry[1]: 
195
 
            # if there was no previous entry for this file, or if the
196
 
            # SHA has changed, then update the cache
197
 
            cacheentry = (file_id, dig, path) + fp
198
 
            cache[file_id] = cacheentry
199
 
            dirty += 1
200
 
 
201
 
    mutter('statcache: read %d files, %d changed, %d dangerous, '
202
 
           '%d in cache'
203
 
           % (hardcheck, dirty, len(dangerfiles), len(cache)))
204
 
        
205
 
    if dirty:
206
 
        mutter('updating on-disk statcache')
207
 
        _write_cache(branch, cache.itervalues(), dangerfiles)
208
 
 
209
 
    return cache