~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

  • Committer: Aaron Bentley
  • Date: 2005-09-18 19:21:48 UTC
  • mto: (1185.1.29)
  • mto: This revision was merged to the branch mainline in revision 1390.
  • Revision ID: aaron.bentley@utoronto.ca-20050918192148-3f9373ac85a83b02
Refactored and documented graph stuff

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.
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
 
File names and file-ids are written out with non-ascii or whitespace
69
 
characters given as python-style unicode escapes.  (file-ids shouldn't
70
 
contain wierd characters, but it might happen.)
71
 
"""
72
 
 
73
 
# order of fields returned by fingerprint()
74
 
FP_SIZE  = 0
75
 
FP_MTIME = 1
76
 
FP_CTIME = 2
77
 
FP_INO   = 3
78
 
FP_DEV   = 4
79
 
 
80
 
# order of fields in the statcache file and in the in-memory map
81
 
SC_FILE_ID = 0
82
 
SC_SHA1    = 1
83
 
SC_PATH    = 2
84
 
SC_SIZE    = 3
85
 
SC_MTIME   = 4
86
 
SC_CTIME   = 5
87
 
SC_INO     = 6
88
 
SC_DEV     = 7
89
 
 
90
 
 
91
 
 
92
 
CACHE_HEADER = "### bzr statcache v3"
93
 
 
94
 
 
95
 
def fingerprint(abspath):
96
 
    try:
97
 
        fs = os.lstat(abspath)
98
 
    except OSError:
99
 
        # might be missing, etc
100
 
        return None
101
 
 
102
 
    if stat.S_ISDIR(fs.st_mode):
103
 
        return None
104
 
 
105
 
    return (fs.st_size, fs.st_mtime,
106
 
            fs.st_ctime, fs.st_ino, fs.st_dev)
107
 
 
108
 
 
109
 
 
110
 
def safe_quote(s):
111
 
    return s.encode('unicode_escape') \
112
 
           .replace('\n', '\\u000a')  \
113
 
           .replace(' ', '\\u0020')   \
114
 
           .replace('\r', '\\u000d')
115
 
 
116
 
 
117
 
def _write_cache(basedir, entries):
118
 
    from atomicfile import AtomicFile
119
 
 
120
 
    cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
121
 
    outf = AtomicFile(cachefn, 'wb')
122
 
    outf.write(CACHE_HEADER + '\n')
123
 
    try:
124
 
        for entry in entries:
125
 
            if len(entry) != 8:
126
 
                raise ValueError("invalid statcache entry tuple %r" % entry)
127
 
            outf.write(safe_quote(entry[0])) # file id
128
 
            outf.write(' ')
129
 
            outf.write(entry[1])             # hex sha1
130
 
            outf.write(' ')
131
 
            outf.write(safe_quote(entry[2])) # name
132
 
            for nf in entry[3:]:
133
 
                outf.write(' %d' % nf)
134
 
            outf.write('\n')
135
 
 
136
 
        outf.commit()
137
 
    finally:
138
 
        if not outf.closed:
139
 
            outf.abort()
140
 
 
141
 
 
142
 
def _try_write_cache(basedir, entries):
143
 
    try:
144
 
        return _write_cache(basedir, entries)
145
 
    except IOError, e:
146
 
        mutter("cannot update statcache in %s: %s" % (basedir, e))
147
 
    except OSError, e:
148
 
        mutter("cannot update statcache in %s: %s" % (basedir, e))
149
 
        
150
 
        
151
 
        
152
 
def load_cache(basedir):
153
 
    import re
154
 
    cache = {}
155
 
    seen_paths = {}
156
 
 
157
 
    sha_re = re.compile(r'[a-f0-9]{40}')
158
 
 
159
 
    try:
160
 
        cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
161
 
        cachefile = open(cachefn, 'rb')
162
 
    except IOError:
163
 
        return cache
164
 
 
165
 
    line1 = cachefile.readline().rstrip('\r\n')
166
 
    if line1 != CACHE_HEADER:
167
 
        mutter('cache header marker not found at top of %s' % cachefn)
168
 
        return cache
169
 
 
170
 
    for l in cachefile:
171
 
        f = l.split(' ')
172
 
 
173
 
        file_id = f[0].decode('unicode_escape')
174
 
        if file_id in cache:
175
 
            raise BzrCheckError("duplicated file_id in cache: {%s}" % file_id)
176
 
 
177
 
        text_sha = f[1]
178
 
        if len(text_sha) != 40 or not sha_re.match(text_sha):
179
 
            raise BzrCheckError("invalid file SHA-1 in cache: %r" % text_sha)
180
 
        
181
 
        path = f[2].decode('unicode_escape')
182
 
        if path in seen_paths:
183
 
            raise BzrCheckError("duplicated path in cache: %r" % path)
184
 
        seen_paths[path] = True
185
 
        
186
 
        entry = (file_id, text_sha, path) + tuple([long(x) for x in f[3:]])
187
 
        if len(entry) != 8:
188
 
            raise ValueError("invalid statcache entry tuple %r" % entry)
189
 
 
190
 
        cache[file_id] = entry
191
 
    return cache
192
 
 
193
 
 
194
 
 
195
 
 
196
 
def _files_from_inventory(inv):
197
 
    for path, ie in inv.iter_entries():
198
 
        if ie.kind != 'file':
199
 
            continue
200
 
        yield ie.file_id, path
201
 
    
202
 
 
203
 
 
204
 
def update_cache(basedir, inv, flush=False):
205
 
    """Update and return the cache for the branch.
206
 
 
207
 
    The returned cache may contain entries that have not been written
208
 
    to disk for files recently touched.
209
 
 
210
 
    flush -- discard any previous cache and recalculate from scratch.
211
 
    """
212
 
 
213
 
    # load the existing cache; use information there to find a list of
214
 
    # files ordered by inode, which is alleged to be the fastest order
215
 
    # to stat the files.
216
 
    
217
 
    to_update = _files_from_inventory(inv)
218
 
 
219
 
    assert isinstance(flush, bool)
220
 
    if flush:
221
 
        cache = {}
222
 
    else:
223
 
        cache = load_cache(basedir)
224
 
 
225
 
        by_inode = []
226
 
        without_inode = []
227
 
        for file_id, path in to_update:
228
 
            if file_id in cache:
229
 
                by_inode.append((cache[file_id][SC_INO], file_id, path))
230
 
            else:
231
 
                without_inode.append((file_id, path))
232
 
        by_inode.sort()
233
 
 
234
 
        to_update = [a[1:] for a in by_inode] + without_inode
235
 
            
236
 
    stat_cnt = missing_cnt = new_cnt = hardcheck = change_cnt = 0
237
 
 
238
 
    # dangerfiles have been recently touched and can't be committed to
239
 
    # a persistent cache yet, but they are returned to the caller.
240
 
    dangerfiles = []
241
 
    
242
 
    now = int(time.time())
243
 
 
244
 
    ## mutter('update statcache under %r' % basedir)
245
 
    for file_id, path in to_update:
246
 
        abspath = os.path.join(basedir, path)
247
 
        fp = fingerprint(abspath)
248
 
        stat_cnt += 1
249
 
        
250
 
        cacheentry = cache.get(file_id)
251
 
 
252
 
        if fp == None: # not here
253
 
            if cacheentry:
254
 
                del cache[file_id]
255
 
                change_cnt += 1
256
 
            missing_cnt += 1
257
 
            continue
258
 
        elif not cacheentry:
259
 
            new_cnt += 1
260
 
 
261
 
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
262
 
            dangerfiles.append(file_id)
263
 
 
264
 
        if cacheentry and (cacheentry[3:] == fp):
265
 
            continue                    # all stat fields unchanged
266
 
 
267
 
        hardcheck += 1
268
 
 
269
 
        dig = sha.new(file(abspath, 'rb').read()).hexdigest()
270
 
 
271
 
        # We update the cache even if the digest has not changed from
272
 
        # last time we looked, so that the fingerprint fields will
273
 
        # match in future.
274
 
        cacheentry = (file_id, dig, path) + fp
275
 
        cache[file_id] = cacheentry
276
 
        change_cnt += 1
277
 
 
278
 
    mutter('statcache: statted %d files, read %d files, %d changed, %d dangerous, '
279
 
           '%d deleted, %d new, '
280
 
           '%d in cache'
281
 
           % (stat_cnt, hardcheck, change_cnt, len(dangerfiles),
282
 
              missing_cnt, new_cnt, len(cache)))
283
 
        
284
 
    if change_cnt:
285
 
        mutter('updating on-disk statcache')
286
 
 
287
 
        if dangerfiles:
288
 
            safe_cache = cache.copy()
289
 
            for file_id in dangerfiles:
290
 
                del safe_cache[file_id]
291
 
        else:
292
 
            safe_cache = cache
293
 
        
294
 
        _try_write_cache(basedir, safe_cache.itervalues())
295
 
 
296
 
    return cache