~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

  • Committer: Martin Pool
  • Date: 2005-07-18 18:53:46 UTC
  • Revision ID: mbp@sourcefrog.net-20050718185346-6226a1be01b942e1
- new 'weave stats' command

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
 
 
19
 
from trace import mutter
20
 
from errors import BzrError, BzrCheckError
21
 
 
22
 
 
23
 
"""File stat cache to speed up tree comparisons.
24
 
 
25
 
This module basically gives a quick way to find the SHA-1 and related
26
 
information of a file in the working directory, without actually
27
 
reading and hashing the whole file.
28
 
 
29
 
 
30
 
 
31
 
Implementation
32
 
==============
33
 
 
34
 
Users of this module should not need to know about how this is
35
 
implemented, and in particular should not depend on the particular
36
 
data which is stored or its format.
37
 
 
38
 
This is done by maintaining a cache indexed by a file fingerprint of
39
 
(path, size, mtime, ctime, ino, dev) pointing to the SHA-1.  If the
40
 
fingerprint has changed, we assume the file content has not changed
41
 
either and the SHA-1 is therefore the same.
42
 
 
43
 
If any of the fingerprint fields have changed then the file content
44
 
*may* have changed, or it may not have.  We need to reread the file
45
 
contents to make sure, but this is not visible to the user or
46
 
higher-level code (except as a delay of course).
47
 
 
48
 
The mtime and ctime are stored with nanosecond fields, but not all
49
 
filesystems give this level of precision.  There is therefore a
50
 
possible race: the file might be modified twice within a second
51
 
without changing the size or mtime, and a SHA-1 cached from the first
52
 
version would be wrong.  We handle this by not recording a cached hash
53
 
for any files which were modified in the current second and that
54
 
therefore have the chance to change again before the second is up.
55
 
 
56
 
The only known hole in this design is if the system clock jumps
57
 
backwards crossing invocations of bzr.  Please don't do that; use ntp
58
 
to gradually adjust your clock or don't use bzr over the step.
59
 
 
60
 
At the moment this is stored in a simple textfile; it might be nice
61
 
to use a tdb instead to allow faster lookup by file-id.
62
 
 
63
 
The cache is represented as a map from file_id to a tuple of (file_id,
64
 
sha1, path, size, mtime, ctime, ino, dev).
65
 
 
66
 
The SHA-1 is stored in memory as a hexdigest.
67
 
 
68
 
This version of the file on disk has one line per record, and fields
69
 
separated by \0 records.
70
 
"""
71
 
 
72
 
# order of fields returned by fingerprint()
73
 
FP_SIZE  = 0
74
 
FP_MTIME = 1
75
 
FP_CTIME = 2
76
 
FP_INO   = 3
77
 
FP_DEV   = 4
78
 
 
79
 
# order of fields in the statcache file and in the in-memory map
80
 
SC_FILE_ID = 0
81
 
SC_SHA1    = 1
82
 
SC_PATH    = 2
83
 
SC_SIZE    = 3
84
 
SC_MTIME   = 4
85
 
SC_CTIME   = 5
86
 
SC_INO     = 6
87
 
SC_DEV     = 7
88
 
 
89
 
 
90
 
 
91
 
CACHE_HEADER = "### bzr statcache v4"
92
 
 
93
 
 
94
 
def fingerprint(abspath):
95
 
    try:
96
 
        fs = os.lstat(abspath)
97
 
    except OSError:
98
 
        # might be missing, etc
99
 
        return None
100
 
 
101
 
    if stat.S_ISDIR(fs.st_mode):
102
 
        return None
103
 
 
104
 
    return (fs.st_size, fs.st_mtime,
105
 
            fs.st_ctime, fs.st_ino, fs.st_dev)
106
 
 
107
 
 
108
 
 
109
 
def _write_cache(basedir, entries):
110
 
    from atomicfile import AtomicFile
111
 
 
112
 
    cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
113
 
    outf = AtomicFile(cachefn, 'wb')
114
 
    try:
115
 
        outf.write(CACHE_HEADER + '\n')
116
 
    
117
 
        for entry in entries:
118
 
            if len(entry) != 8:
119
 
                raise ValueError("invalid statcache entry tuple %r" % entry)
120
 
            outf.write(entry[0].encode('utf-8')) # file id
121
 
            outf.write('\0')
122
 
            outf.write(entry[1])             # hex sha1
123
 
            outf.write('\0')
124
 
            outf.write(entry[2].encode('utf-8')) # name
125
 
            for nf in entry[3:]:
126
 
                outf.write('\0%d' % nf)
127
 
            outf.write('\n')
128
 
 
129
 
        outf.commit()
130
 
    finally:
131
 
        if not outf.closed:
132
 
            outf.abort()
133
 
 
134
 
 
135
 
def _try_write_cache(basedir, entries):
136
 
    try:
137
 
        return _write_cache(basedir, entries)
138
 
    except IOError, e:
139
 
        mutter("cannot update statcache in %s: %s" % (basedir, e))
140
 
    except OSError, e:
141
 
        mutter("cannot update statcache in %s: %s" % (basedir, e))
142
 
        
143
 
        
144
 
        
145
 
def load_cache(basedir):
146
 
    import re
147
 
    cache = {}
148
 
    seen_paths = {}
149
 
    from bzrlib.trace import warning
150
 
 
151
 
    assert isinstance(basedir, basestring)
152
 
 
153
 
    sha_re = re.compile(r'[a-f0-9]{40}')
154
 
 
155
 
    try:
156
 
        cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
157
 
        cachefile = open(cachefn, 'rb')
158
 
    except IOError:
159
 
        return cache
160
 
 
161
 
    line1 = cachefile.readline().rstrip('\r\n')
162
 
    if line1 != CACHE_HEADER:
163
 
        mutter('cache header marker not found at top of %s; discarding cache'
164
 
               % cachefn)
165
 
        return cache
166
 
 
167
 
    for l in cachefile:
168
 
        f = l.split('\0')
169
 
 
170
 
        file_id = f[0].decode('utf-8')
171
 
        if file_id in cache:
172
 
            warning("duplicated file_id in cache: {%s}" % file_id)
173
 
 
174
 
        text_sha = f[1]
175
 
        if len(text_sha) != 40 or not sha_re.match(text_sha):
176
 
            raise BzrCheckError("invalid file SHA-1 in cache: %r" % text_sha)
177
 
        
178
 
        path = f[2].decode('utf-8')
179
 
        if path in seen_paths:
180
 
            warning("duplicated path in cache: %r" % path)
181
 
        seen_paths[path] = True
182
 
        
183
 
        entry = (file_id, text_sha, path) + tuple([long(x) for x in f[3:]])
184
 
        if len(entry) != 8:
185
 
            raise ValueError("invalid statcache entry tuple %r" % entry)
186
 
 
187
 
        cache[file_id] = entry
188
 
    return cache
189
 
 
190
 
 
191
 
 
192
 
def _files_from_inventory(inv):
193
 
    for path, ie in inv.iter_entries():
194
 
        if ie.kind != 'file':
195
 
            continue
196
 
        yield ie.file_id, path
197
 
    
198
 
 
199
 
 
200
 
def update_cache(basedir, inv, flush=False):
201
 
    """Update and return the cache for the branch.
202
 
 
203
 
    The returned cache may contain entries that have not been written
204
 
    to disk for files recently touched.
205
 
 
206
 
    flush -- discard any previous cache and recalculate from scratch.
207
 
    """
208
 
 
209
 
    # load the existing cache; use information there to find a list of
210
 
    # files ordered by inode, which is alleged to be the fastest order
211
 
    # to stat the files.
212
 
    
213
 
    to_update = _files_from_inventory(inv)
214
 
 
215
 
    assert isinstance(flush, bool)
216
 
    if flush:
217
 
        cache = {}
218
 
    else:
219
 
        cache = load_cache(basedir)
220
 
 
221
 
        by_inode = []
222
 
        without_inode = []
223
 
        for file_id, path in to_update:
224
 
            if file_id in cache:
225
 
                by_inode.append((cache[file_id][SC_INO], file_id, path))
226
 
            else:
227
 
                without_inode.append((file_id, path))
228
 
        by_inode.sort()
229
 
 
230
 
        to_update = [a[1:] for a in by_inode] + without_inode
231
 
            
232
 
    stat_cnt = missing_cnt = new_cnt = hardcheck = change_cnt = 0
233
 
 
234
 
    # dangerfiles have been recently touched and can't be committed to
235
 
    # a persistent cache yet, but they are returned to the caller.
236
 
    dangerfiles = []
237
 
    
238
 
    now = int(time.time())
239
 
 
240
 
    ## mutter('update statcache under %r' % basedir)
241
 
    for file_id, path in to_update:
242
 
        abspath = os.path.join(basedir, path)
243
 
        fp = fingerprint(abspath)
244
 
        stat_cnt += 1
245
 
        
246
 
        cacheentry = cache.get(file_id)
247
 
 
248
 
        if fp == None: # not here
249
 
            if cacheentry:
250
 
                del cache[file_id]
251
 
                change_cnt += 1
252
 
            missing_cnt += 1
253
 
            continue
254
 
        elif not cacheentry:
255
 
            new_cnt += 1
256
 
 
257
 
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
258
 
            dangerfiles.append(file_id)
259
 
 
260
 
        if cacheentry and (cacheentry[3:] == fp):
261
 
            continue                    # all stat fields unchanged
262
 
 
263
 
        hardcheck += 1
264
 
 
265
 
        dig = sha.new(file(abspath, 'rb').read()).hexdigest()
266
 
 
267
 
        # We update the cache even if the digest has not changed from
268
 
        # last time we looked, so that the fingerprint fields will
269
 
        # match in future.
270
 
        cacheentry = (file_id, dig, path) + fp
271
 
        cache[file_id] = cacheentry
272
 
        change_cnt += 1
273
 
 
274
 
    mutter('statcache: statted %d files, read %d files, %d changed, %d dangerous, '
275
 
           '%d deleted, %d new, '
276
 
           '%d in cache'
277
 
           % (stat_cnt, hardcheck, change_cnt, len(dangerfiles),
278
 
              missing_cnt, new_cnt, len(cache)))
279
 
        
280
 
    if change_cnt:
281
 
        mutter('updating on-disk statcache')
282
 
 
283
 
        if dangerfiles:
284
 
            safe_cache = cache.copy()
285
 
            for file_id in dangerfiles:
286
 
                del safe_cache[file_id]
287
 
        else:
288
 
            safe_cache = cache
289
 
        
290
 
        _try_write_cache(basedir, safe_cache.itervalues())
291
 
 
292
 
    return cache