/brz/remove-bazaar

To get this branch, use:
bzr branch http://gegoxaren.bato24.eu/bzr/brz/remove-bazaar

« back to all changes in this revision

Viewing changes to bzrlib/statcache.py

  • Committer: Martin Pool
  • Date: 2005-05-25 00:48:22 UTC
  • Revision ID: mbp@sourcefrog.net-20050525004822-7665484961d59734
- Refactor diff code into one that works purely on 
  Tree objects

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, entry_iter, dangerfiles):
 
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 entry_iter:
 
125
            if len(entry) != 8:
 
126
                raise ValueError("invalid statcache entry tuple %r" % entry)
 
127
            
 
128
            if entry[SC_FILE_ID] in dangerfiles:
 
129
                continue                # changed too recently
 
130
            outf.write(safe_quote(entry[0])) # file id
 
131
            outf.write(' ')
 
132
            outf.write(entry[1])             # hex sha1
 
133
            outf.write(' ')
 
134
            outf.write(safe_quote(entry[2])) # name
 
135
            for nf in entry[3:]:
 
136
                outf.write(' %d' % nf)
 
137
            outf.write('\n')
 
138
 
 
139
        outf.commit()
 
140
    finally:
 
141
        if not outf.closed:
 
142
            outf.abort()
 
143
        
 
144
        
 
145
def load_cache(basedir):
 
146
    import re
 
147
    cache = {}
 
148
    seen_paths = {}
 
149
 
 
150
    sha_re = re.compile(r'[a-f0-9]{40}')
 
151
 
 
152
    try:
 
153
        cachefn = os.path.join(basedir, '.bzr', 'stat-cache')
 
154
        cachefile = open(cachefn, 'rb')
 
155
    except IOError:
 
156
        return cache
 
157
 
 
158
    line1 = cachefile.readline().rstrip('\r\n')
 
159
    if line1 != CACHE_HEADER:
 
160
        mutter('cache header marker not found at top of %s' % cachefn)
 
161
        return cache
 
162
 
 
163
    for l in cachefile:
 
164
        f = l.split(' ')
 
165
 
 
166
        file_id = f[0].decode('unicode_escape')
 
167
        if file_id in cache:
 
168
            raise BzrCheckError("duplicated file_id in cache: {%s}" % file_id)
 
169
 
 
170
        text_sha = f[1]
 
171
        if len(text_sha) != 40 or not sha_re.match(text_sha):
 
172
            raise BzrCheckError("invalid file SHA-1 in cache: %r" % text_sha)
 
173
        
 
174
        path = f[2].decode('unicode_escape')
 
175
        if path in seen_paths:
 
176
            raise BzrCheckError("duplicated path in cache: %r" % path)
 
177
        seen_paths[path] = True
 
178
        
 
179
        entry = (file_id, text_sha, path) + tuple([long(x) for x in f[3:]])
 
180
        if len(entry) != 8:
 
181
            raise ValueError("invalid statcache entry tuple %r" % entry)
 
182
 
 
183
        cache[file_id] = entry
 
184
    return cache
 
185
 
 
186
 
 
187
 
 
188
 
 
189
def _files_from_inventory(inv):
 
190
    for path, ie in inv.iter_entries():
 
191
        if ie.kind != 'file':
 
192
            continue
 
193
        yield ie.file_id, path
 
194
    
 
195
 
 
196
 
 
197
def update_cache(basedir, inv, flush=False):
 
198
    """Update and return the cache for the branch.
 
199
 
 
200
    The returned cache may contain entries that have not been written
 
201
    to disk for files recently touched.
 
202
 
 
203
    flush -- discard any previous cache and recalculate from scratch.
 
204
    """
 
205
 
 
206
    
 
207
    # TODO: It's supposed to be faster to stat the files in order by inum.
 
208
    # We don't directly know the inum of the files of course but we do
 
209
    # know where they were last sighted, so we can sort by that.
 
210
 
 
211
    assert isinstance(flush, bool)
 
212
    if flush:
 
213
        cache = {}
 
214
    else:
 
215
        cache = load_cache(basedir)
 
216
    return _update_cache_from_list(basedir, cache, _files_from_inventory(inv))
 
217
 
 
218
 
 
219
 
 
220
def _update_cache_from_list(basedir, cache, to_update):
 
221
    """Update and return the cache for given files.
 
222
 
 
223
    cache -- Previously cached values to be validated.
 
224
 
 
225
    to_update -- Sequence of (file_id, path) pairs to check.
 
226
    """
 
227
    stat_cnt = missing_cnt = hardcheck = change_cnt = 0
 
228
 
 
229
    # dangerfiles have been recently touched and can't be committed to
 
230
    # a persistent cache yet, but they are returned to the caller.
 
231
    dangerfiles = {}
 
232
    
 
233
    now = int(time.time())
 
234
 
 
235
    ## mutter('update statcache under %r' % basedir)
 
236
    for file_id, path in to_update:
 
237
        abspath = os.path.join(basedir, path)
 
238
        fp = fingerprint(abspath)
 
239
        stat_cnt += 1
 
240
        
 
241
        cacheentry = cache.get(file_id)
 
242
 
 
243
        if fp == None: # not here
 
244
            if cacheentry:
 
245
                del cache[file_id]
 
246
                change_cnt += 1
 
247
            missing_cnt += 1
 
248
            continue
 
249
 
 
250
        if (fp[FP_MTIME] >= now) or (fp[FP_CTIME] >= now):
 
251
            dangerfiles[file_id] = True
 
252
 
 
253
        if cacheentry and (cacheentry[3:] == fp):
 
254
            continue                    # all stat fields unchanged
 
255
 
 
256
        hardcheck += 1
 
257
 
 
258
        dig = sha.new(file(abspath, 'rb').read()).hexdigest()
 
259
 
 
260
        # We update the cache even if the digest has not changed from
 
261
        # last time we looked, so that the fingerprint fields will
 
262
        # match in future.
 
263
        cacheentry = (file_id, dig, path) + fp
 
264
        cache[file_id] = cacheentry
 
265
        change_cnt += 1
 
266
 
 
267
    mutter('statcache: statted %d files, read %d files, %d changed, %d dangerous, '
 
268
           '%d in cache'
 
269
           % (stat_cnt, hardcheck, change_cnt, len(dangerfiles), len(cache)))
 
270
        
 
271
    if change_cnt:
 
272
        mutter('updating on-disk statcache')
 
273
        _write_cache(basedir, cache.itervalues(), dangerfiles)
 
274
 
 
275
    return cache