~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/revfile.py

  • Committer: Aaron Bentley
  • Date: 2005-09-19 02:52:24 UTC
  • mto: (1185.1.29)
  • mto: This revision was merged to the branch mainline in revision 1390.
  • Revision ID: aaron.bentley@utoronto.ca-20050919025224-1cc3c70640086e09
TODO re tests

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
#! /usr/bin/env python
 
2
 
 
3
# (C) 2005 Canonical Ltd
 
4
 
 
5
# based on an idea by Matt Mackall
 
6
# modified to squish into bzr by Martin Pool
 
7
 
 
8
# This program is free software; you can redistribute it and/or modify
 
9
# it under the terms of the GNU General Public License as published by
 
10
# the Free Software Foundation; either version 2 of the License, or
 
11
# (at your option) any later version.
 
12
 
 
13
# This program is distributed in the hope that it will be useful,
 
14
# but WITHOUT ANY WARRANTY; without even the implied warranty of
 
15
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
 
16
# GNU General Public License for more details.
 
17
 
 
18
# You should have received a copy of the GNU General Public License
 
19
# along with this program; if not, write to the Free Software
 
20
# Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
 
21
 
 
22
 
 
23
"""Packed file revision storage.
 
24
 
 
25
A Revfile holds the text history of a particular source file, such
 
26
as Makefile.  It can represent a tree of text versions for that
 
27
file, allowing for microbranches within a single repository.
 
28
 
 
29
This is stored on disk as two files: an index file, and a data file.
 
30
The index file is short and always read completely into memory; the
 
31
data file is much longer and only the relevant bits of it,
 
32
identified by the index file, need to be read.
 
33
 
 
34
Each text version is identified by the SHA-1 of the full text of
 
35
that version.  It also has a sequence number within the file.
 
36
 
 
37
The index file has a short header and then a sequence of fixed-length
 
38
records:
 
39
 
 
40
* byte[20]    SHA-1 of text (as binary, not hex)
 
41
* uint32      sequence number this is based on, or -1 for full text
 
42
* uint32      flags: 1=zlib compressed
 
43
* uint32      offset in text file of start
 
44
* uint32      length of compressed delta in text file
 
45
* uint32[3]   reserved
 
46
 
 
47
total 48 bytes.
 
48
 
 
49
The header is also 48 bytes for tidyness and easy calculation.
 
50
 
 
51
Both the index and the text are only ever appended to; a consequence
 
52
is that sequence numbers are stable references.  But not every
 
53
repository in the world will assign the same sequence numbers,
 
54
therefore the SHA-1 is the only universally unique reference.
 
55
 
 
56
This is meant to scale to hold 100,000 revisions of a single file, by
 
57
which time the index file will be ~4.8MB and a bit big to read
 
58
sequentially.
 
59
 
 
60
Some of the reserved fields could be used to implement a (semi?)
 
61
balanced tree indexed by SHA1 so we can much more efficiently find the
 
62
index associated with a particular hash.  For 100,000 revs we would be
 
63
able to find it in about 17 random reads, which is not too bad.
 
64
 
 
65
This performs pretty well except when trying to calculate deltas of
 
66
really large files.  For that the main thing would be to plug in
 
67
something faster than difflib, which is after all pure Python.
 
68
Another approach is to just store the gzipped full text of big files,
 
69
though perhaps that's too perverse?
 
70
 
 
71
The iter method here will generally read through the whole index file
 
72
in one go.  With readahead in the kernel and python/libc (typically
 
73
128kB) this means that there should be no seeks and often only one
 
74
read() call to get everything into memory.
 
75
"""
 
76
 
 
77
 
 
78
# TODO: Something like pread() would make this slightly simpler and
 
79
# perhaps more efficient.
 
80
 
 
81
# TODO: Could also try to mmap things...  Might be faster for the
 
82
# index in particular?
 
83
 
 
84
# TODO: Some kind of faster lookup of SHAs?  The bad thing is that probably means
 
85
# rewriting existing records, which is not so nice.
 
86
 
 
87
# TODO: Something to check that regions identified in the index file
 
88
# completely butt up and do not overlap.  Strictly it's not a problem
 
89
# if there are gaps and that can happen if we're interrupted while
 
90
# writing to the datafile.  Overlapping would be very bad though.
 
91
 
 
92
# TODO: Shouldn't need to lock if we always write in append mode and
 
93
# then ftell after writing to see where it went.  In any case we
 
94
# assume the whole branch is protected by a lock.
 
95
 
 
96
import sys, zlib, struct, mdiff, stat, os, sha
 
97
from binascii import hexlify, unhexlify
 
98
 
 
99
_RECORDSIZE = 48
 
100
 
 
101
_HEADER = "bzr revfile v1\n"
 
102
_HEADER = _HEADER + ('\xff' * (_RECORDSIZE - len(_HEADER)))
 
103
_NO_RECORD = 0xFFFFFFFFL
 
104
 
 
105
# fields in the index record
 
106
I_SHA = 0
 
107
I_BASE = 1
 
108
I_FLAGS = 2
 
109
I_OFFSET = 3
 
110
I_LEN = 4
 
111
 
 
112
FL_GZIP = 1
 
113
 
 
114
# maximum number of patches in a row before recording a whole text.
 
115
CHAIN_LIMIT = 10
 
116
 
 
117
 
 
118
class RevfileError(Exception):
 
119
    pass
 
120
 
 
121
class LimitHitException(Exception):
 
122
    pass
 
123
 
 
124
class Revfile(object):
 
125
    def __init__(self, basename, mode):
 
126
        # TODO: Lock file  while open
 
127
 
 
128
        # TODO: advise of random access
 
129
 
 
130
        self.basename = basename
 
131
 
 
132
        if mode not in ['r', 'w']:
 
133
            raise RevfileError("invalid open mode %r" % mode)
 
134
        self.mode = mode
 
135
        
 
136
        idxname = basename + '.irev'
 
137
        dataname = basename + '.drev'
 
138
 
 
139
        idx_exists = os.path.exists(idxname)
 
140
        data_exists = os.path.exists(dataname)
 
141
 
 
142
        if idx_exists != data_exists:
 
143
            raise RevfileError("half-assed revfile")
 
144
        
 
145
        if not idx_exists:
 
146
            if mode == 'r':
 
147
                raise RevfileError("Revfile %r does not exist" % basename)
 
148
            
 
149
            self.idxfile = open(idxname, 'w+b')
 
150
            self.datafile = open(dataname, 'w+b')
 
151
            
 
152
            self.idxfile.write(_HEADER)
 
153
            self.idxfile.flush()
 
154
        else:
 
155
            if mode == 'r':
 
156
                diskmode = 'rb'
 
157
            else:
 
158
                diskmode = 'r+b'
 
159
                
 
160
            self.idxfile = open(idxname, diskmode)
 
161
            self.datafile = open(dataname, diskmode)
 
162
            
 
163
            h = self.idxfile.read(_RECORDSIZE)
 
164
            if h != _HEADER:
 
165
                raise RevfileError("bad header %r in index of %r"
 
166
                                   % (h, self.basename))
 
167
 
 
168
 
 
169
    def _check_index(self, idx):
 
170
        if idx < 0 or idx > len(self):
 
171
            raise RevfileError("invalid index %r" % idx)
 
172
 
 
173
    def _check_write(self):
 
174
        if self.mode != 'w':
 
175
            raise RevfileError("%r is open readonly" % self.basename)
 
176
 
 
177
 
 
178
    def find_sha(self, s):
 
179
        assert isinstance(s, str)
 
180
        assert len(s) == 20
 
181
        
 
182
        for idx, idxrec in enumerate(self):
 
183
            if idxrec[I_SHA] == s:
 
184
                return idx
 
185
        else:
 
186
            return _NO_RECORD
 
187
 
 
188
 
 
189
 
 
190
    def _add_compressed(self, text_sha, data, base, compress):
 
191
        # well, maybe compress
 
192
        flags = 0
 
193
        if compress:
 
194
            data_len = len(data)
 
195
            if data_len > 50:
 
196
                # don't do compression if it's too small; it's unlikely to win
 
197
                # enough to be worthwhile
 
198
                compr_data = zlib.compress(data)
 
199
                compr_len = len(compr_data)
 
200
                if compr_len < data_len:
 
201
                    data = compr_data
 
202
                    flags = FL_GZIP
 
203
                    ##print '- compressed %d -> %d, %.1f%%' \
 
204
                    ##      % (data_len, compr_len, float(compr_len)/float(data_len) * 100.0)
 
205
        return self._add_raw(text_sha, data, base, flags)
 
206
        
 
207
 
 
208
 
 
209
    def _add_raw(self, text_sha, data, base, flags):
 
210
        """Add pre-processed data, can be either full text or delta.
 
211
 
 
212
        This does the compression if that makes sense."""
 
213
        idx = len(self)
 
214
        self.datafile.seek(0, 2)        # to end
 
215
        self.idxfile.seek(0, 2)
 
216
        assert self.idxfile.tell() == _RECORDSIZE * (idx + 1)
 
217
        data_offset = self.datafile.tell()
 
218
 
 
219
        assert isinstance(data, str) # not unicode or anything weird
 
220
 
 
221
        self.datafile.write(data)
 
222
        self.datafile.flush()
 
223
 
 
224
        assert isinstance(text_sha, str)
 
225
        entry = text_sha
 
226
        entry += struct.pack(">IIII12x", base, flags, data_offset, len(data))
 
227
        assert len(entry) == _RECORDSIZE
 
228
 
 
229
        self.idxfile.write(entry)
 
230
        self.idxfile.flush()
 
231
 
 
232
        return idx
 
233
        
 
234
 
 
235
 
 
236
    def _add_full_text(self, text, text_sha, compress):
 
237
        """Add a full text to the file.
 
238
 
 
239
        This is not compressed against any reference version.
 
240
 
 
241
        Returns the index for that text."""
 
242
        return self._add_compressed(text_sha, text, _NO_RECORD, compress)
 
243
 
 
244
 
 
245
    # NOT USED
 
246
    def _choose_base(self, seed, base):
 
247
        while seed & 3 == 3:
 
248
            if base == _NO_RECORD:
 
249
                return _NO_RECORD
 
250
            idxrec = self[base]
 
251
            if idxrec[I_BASE] == _NO_RECORD:
 
252
                return base
 
253
 
 
254
            base = idxrec[I_BASE]
 
255
            seed >>= 2
 
256
                
 
257
        return base        # relative to this full text
 
258
        
 
259
 
 
260
 
 
261
    def _add_delta(self, text, text_sha, base, compress):
 
262
        """Add a text stored relative to a previous text."""
 
263
        self._check_index(base)
 
264
 
 
265
        try:
 
266
            base_text = self.get(base, CHAIN_LIMIT)
 
267
        except LimitHitException:
 
268
            return self._add_full_text(text, text_sha, compress)
 
269
        
 
270
        data = mdiff.bdiff(base_text, text)
 
271
 
 
272
 
 
273
        if True: # paranoid early check for bad diff
 
274
            result = mdiff.bpatch(base_text, data)
 
275
            assert result == text
 
276
            
 
277
        
 
278
        # If the delta is larger than the text, we might as well just
 
279
        # store the text.  (OK, the delta might be more compressible,
 
280
        # but the overhead of applying it probably still makes it
 
281
        # bad, and I don't want to compress both of them to find out.)
 
282
        if len(data) >= len(text):
 
283
            return self._add_full_text(text, text_sha, compress)
 
284
        else:
 
285
            return self._add_compressed(text_sha, data, base, compress)
 
286
 
 
287
 
 
288
    def add(self, text, base=None, compress=True):
 
289
        """Add a new text to the revfile.
 
290
 
 
291
        If the text is already present them its existing id is
 
292
        returned and the file is not changed.
 
293
 
 
294
        If compress is true then gzip compression will be used if it
 
295
        reduces the size.
 
296
 
 
297
        If a base index is specified, that text *may* be used for
 
298
        delta compression of the new text.  Delta compression will
 
299
        only be used if it would be a size win and if the existing
 
300
        base is not at too long of a delta chain already.
 
301
        """
 
302
        if base == None:
 
303
            base = _NO_RECORD
 
304
        
 
305
        self._check_write()
 
306
        
 
307
        text_sha = sha.new(text).digest()
 
308
 
 
309
        idx = self.find_sha(text_sha)
 
310
        if idx != _NO_RECORD:
 
311
            # TODO: Optional paranoid mode where we read out that record and make sure
 
312
            # it's the same, in case someone ever breaks SHA-1.
 
313
            return idx                  # already present
 
314
        
 
315
        # base = self._choose_base(ord(text_sha[0]), base)
 
316
 
 
317
        if base == _NO_RECORD:
 
318
            return self._add_full_text(text, text_sha, compress)
 
319
        else:
 
320
            return self._add_delta(text, text_sha, base, compress)
 
321
 
 
322
 
 
323
 
 
324
    def get(self, idx, recursion_limit=None):
 
325
        """Retrieve text of a previous revision.
 
326
 
 
327
        If recursion_limit is an integer then walk back at most that
 
328
        many revisions and then raise LimitHitException, indicating
 
329
        that we ought to record a new file text instead of another
 
330
        delta.  Don't use this when trying to get out an existing
 
331
        revision."""
 
332
        
 
333
        idxrec = self[idx]
 
334
        base = idxrec[I_BASE]
 
335
        if base == _NO_RECORD:
 
336
            text = self._get_full_text(idx, idxrec)
 
337
        else:
 
338
            text = self._get_patched(idx, idxrec, recursion_limit)
 
339
 
 
340
        if sha.new(text).digest() != idxrec[I_SHA]:
 
341
            raise RevfileError("corrupt SHA-1 digest on record %d in %s"
 
342
                               % (idx, self.basename))
 
343
 
 
344
        return text
 
345
 
 
346
 
 
347
 
 
348
    def _get_raw(self, idx, idxrec):
 
349
        flags = idxrec[I_FLAGS]
 
350
        if flags & ~FL_GZIP:
 
351
            raise RevfileError("unsupported index flags %#x on index %d"
 
352
                               % (flags, idx))
 
353
        
 
354
        l = idxrec[I_LEN]
 
355
        if l == 0:
 
356
            return ''
 
357
 
 
358
        self.datafile.seek(idxrec[I_OFFSET])
 
359
 
 
360
        data = self.datafile.read(l)
 
361
        if len(data) != l:
 
362
            raise RevfileError("short read %d of %d "
 
363
                               "getting text for record %d in %r"
 
364
                               % (len(data), l, idx, self.basename))
 
365
 
 
366
        if flags & FL_GZIP:
 
367
            data = zlib.decompress(data)
 
368
 
 
369
        return data
 
370
        
 
371
 
 
372
    def _get_full_text(self, idx, idxrec):
 
373
        assert idxrec[I_BASE] == _NO_RECORD
 
374
 
 
375
        text = self._get_raw(idx, idxrec)
 
376
 
 
377
        return text
 
378
 
 
379
 
 
380
    def _get_patched(self, idx, idxrec, recursion_limit):
 
381
        base = idxrec[I_BASE]
 
382
        assert base >= 0
 
383
        assert base < idx    # no loops!
 
384
 
 
385
        if recursion_limit == None:
 
386
            sub_limit = None
 
387
        else:
 
388
            sub_limit = recursion_limit - 1
 
389
            if sub_limit < 0:
 
390
                raise LimitHitException()
 
391
            
 
392
        base_text = self.get(base, sub_limit)
 
393
        patch = self._get_raw(idx, idxrec)
 
394
 
 
395
        text = mdiff.bpatch(base_text, patch)
 
396
 
 
397
        return text
 
398
 
 
399
 
 
400
 
 
401
    def __len__(self):
 
402
        """Return number of revisions."""
 
403
        l = os.fstat(self.idxfile.fileno())[stat.ST_SIZE]
 
404
        if l % _RECORDSIZE:
 
405
            raise RevfileError("bad length %d on index of %r" % (l, self.basename))
 
406
        if l < _RECORDSIZE:
 
407
            raise RevfileError("no header present in index of %r" % (self.basename))
 
408
        return int(l / _RECORDSIZE) - 1
 
409
 
 
410
 
 
411
    def __getitem__(self, idx):
 
412
        """Index by sequence id returns the index field"""
 
413
        ## TODO: Can avoid seek if we just moved there...
 
414
        self._seek_index(idx)
 
415
        idxrec = self._read_next_index()
 
416
        if idxrec == None:
 
417
            raise IndexError("no index %d" % idx)
 
418
        else:
 
419
            return idxrec
 
420
 
 
421
 
 
422
    def _seek_index(self, idx):
 
423
        if idx < 0:
 
424
            raise RevfileError("invalid index %r" % idx)
 
425
        self.idxfile.seek((idx + 1) * _RECORDSIZE)
 
426
 
 
427
 
 
428
 
 
429
    def __iter__(self):
 
430
        """Read back all index records.
 
431
 
 
432
        Do not seek the index file while this is underway!"""
 
433
        ## sys.stderr.write(" ** iter called ** \n")
 
434
        self._seek_index(0)
 
435
        while True:
 
436
            idxrec = self._read_next_index()
 
437
            if not idxrec:
 
438
                break
 
439
            yield idxrec
 
440
        
 
441
 
 
442
    def _read_next_index(self):
 
443
        rec = self.idxfile.read(_RECORDSIZE)
 
444
        if not rec:
 
445
            return None
 
446
        elif len(rec) != _RECORDSIZE:
 
447
            raise RevfileError("short read of %d bytes getting index %d from %r"
 
448
                               % (len(rec), idx, self.basename))
 
449
        
 
450
        return struct.unpack(">20sIIII12x", rec)
 
451
 
 
452
        
 
453
    def dump(self, f=sys.stdout):
 
454
        f.write('%-8s %-40s %-8s %-8s %-8s %-8s\n' 
 
455
                % tuple('idx sha1 base flags offset len'.split()))
 
456
        f.write('-------- ---------------------------------------- ')
 
457
        f.write('-------- -------- -------- --------\n')
 
458
 
 
459
        for i, rec in enumerate(self):
 
460
            f.write("#%-7d %40s " % (i, hexlify(rec[0])))
 
461
            if rec[1] == _NO_RECORD:
 
462
                f.write("(none)   ")
 
463
            else:
 
464
                f.write("#%-7d " % rec[1])
 
465
                
 
466
            f.write("%8x %8d %8d\n" % (rec[2], rec[3], rec[4]))
 
467
 
 
468
 
 
469
    def total_text_size(self):
 
470
        """Return the sum of sizes of all file texts.
 
471
 
 
472
        This is how much space they would occupy if they were stored without
 
473
        delta and gzip compression.
 
474
 
 
475
        As a side effect this completely validates the Revfile, checking that all
 
476
        texts can be reproduced with the correct SHA-1."""
 
477
        t = 0L
 
478
        for idx in range(len(self)):
 
479
            t += len(self.get(idx))
 
480
        return t
 
481
 
 
482
 
 
483
    def check(self, pb=None):
 
484
        """Extract every version and check its hash."""
 
485
        total = len(self)
 
486
        for i in range(total):
 
487
            if pb:
 
488
                pb.update("check revision", i, total)
 
489
            # the get method implicitly checks the SHA-1
 
490
            self.get(i)
 
491
        if pb:
 
492
            pb.clear()
 
493
        
 
494
 
 
495
 
 
496
def main(argv):
 
497
    try:
 
498
        cmd = argv[1]
 
499
        filename = argv[2]
 
500
    except IndexError:
 
501
        sys.stderr.write("usage: revfile dump REVFILE\n"
 
502
                         "       revfile add REVFILE < INPUT\n"
 
503
                         "       revfile add-delta REVFILE BASE < INPUT\n"
 
504
                         "       revfile add-series REVFILE BASE FILE...\n"
 
505
                         "       revfile get REVFILE IDX\n"
 
506
                         "       revfile find-sha REVFILE HEX\n"
 
507
                         "       revfile total-text-size REVFILE\n"
 
508
                         "       revfile last REVFILE\n")
 
509
        return 1
 
510
 
 
511
    if filename.endswith('.drev') or filename.endswith('.irev'):
 
512
        filename = filename[:-5]
 
513
 
 
514
    def rw():
 
515
        return Revfile(filename, 'w')
 
516
 
 
517
    def ro():
 
518
        return Revfile(filename, 'r')
 
519
 
 
520
    if cmd == 'add':
 
521
        print rw().add(sys.stdin.read())
 
522
    elif cmd == 'add-delta':
 
523
        print rw().add(sys.stdin.read(), int(argv[3]))
 
524
    elif cmd == 'add-series':
 
525
        r = rw()
 
526
        rev = int(argv[3])
 
527
        for fn in argv[4:]:
 
528
            print rev
 
529
            rev = r.add(file(fn).read(), rev)
 
530
    elif cmd == 'dump':
 
531
        ro().dump()
 
532
    elif cmd == 'get':
 
533
        try:
 
534
            idx = int(argv[3])
 
535
        except IndexError:
 
536
            sys.stderr.write("usage: revfile get FILE IDX\n")
 
537
            return 1
 
538
 
 
539
        r = ro()
 
540
 
 
541
        if idx < 0 or idx >= len(r):
 
542
            sys.stderr.write("invalid index %r\n" % idx)
 
543
            return 1
 
544
 
 
545
        sys.stdout.write(r.get(idx))
 
546
    elif cmd == 'find-sha':
 
547
        try:
 
548
            s = unhexlify(argv[3])
 
549
        except IndexError:
 
550
            sys.stderr.write("usage: revfile find-sha FILE HEX\n")
 
551
            return 1
 
552
 
 
553
        idx = ro().find_sha(s)
 
554
        if idx == _NO_RECORD:
 
555
            sys.stderr.write("no such record\n")
 
556
            return 1
 
557
        else:
 
558
            print idx
 
559
    elif cmd == 'total-text-size':
 
560
        print ro().total_text_size()
 
561
    elif cmd == 'last':
 
562
        print len(ro())-1
 
563
    elif cmd == 'check':
 
564
        import bzrlib.progress
 
565
        pb = bzrlib.progress.ProgressBar()
 
566
        ro().check(pb)
 
567
    else:
 
568
        sys.stderr.write("unknown command %r\n" % cmd)
 
569
        return 1
 
570
    
 
571
 
 
572
if __name__ == '__main__':
 
573
    import sys
 
574
    sys.exit(main(sys.argv) or 0)