/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 breezy/hashcache.py

  • Committer: Jelmer Vernooij
  • Date: 2020-07-18 23:14:00 UTC
  • mfrom: (7490.40.62 work)
  • mto: This revision was merged to the branch mainline in revision 7519.
  • Revision ID: jelmer@jelmer.uk-20200718231400-jaes9qltn8oi8xss
Merge lp:brz/3.1.

Show diffs side-by-side

added added

removed removed

Lines of Context:
breezy/hashcache.py
 
1
# Copyright (C) 2005-2010 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., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
 
16
 
 
17
# TODO: Up-front, stat all files in order and remove those which are deleted or
 
18
# out-of-date.  Don't actually re-read them until they're needed.  That ought
 
19
# to bring all the inodes into core so that future stats to them are fast, and
 
20
# it preserves the nice property that any caller will always get up-to-date
 
21
# data except in unavoidable cases.
 
22
 
 
23
# TODO: Perhaps return more details on the file to avoid statting it
 
24
# again: nonexistent, file type, size, etc
 
25
 
 
26
# TODO: Perhaps use a Python pickle instead of a text file; might be faster.
 
27
 
 
28
 
 
29
CACHE_HEADER = b"### bzr hashcache v5\n"
 
30
 
 
31
import os
 
32
import stat
 
33
import time
 
34
 
 
35
from . import (
 
36
    atomicfile,
 
37
    errors,
 
38
    filters as _mod_filters,
 
39
    osutils,
 
40
    trace,
 
41
    )
 
42
 
 
43
 
 
44
FP_MTIME_COLUMN = 1
 
45
FP_CTIME_COLUMN = 2
 
46
FP_MODE_COLUMN = 5
 
47
 
 
48
 
 
49
class HashCache(object):
 
50
    """Cache for looking up file SHA-1.
 
51
 
 
52
    Files are considered to match the cached value if the fingerprint
 
53
    of the file has not changed.  This includes its mtime, ctime,
 
54
    device number, inode number, and size.  This should catch
 
55
    modifications or replacement of the file by a new one.
 
56
 
 
57
    This may not catch modifications that do not change the file's
 
58
    size and that occur within the resolution window of the
 
59
    timestamps.  To handle this we specifically do not cache files
 
60
    which have changed since the start of the present second, since
 
61
    they could undetectably change again.
 
62
 
 
63
    This scheme may fail if the machine's clock steps backwards.
 
64
    Don't do that.
 
65
 
 
66
    This does not canonicalize the paths passed in; that should be
 
67
    done by the caller.
 
68
 
 
69
    _cache
 
70
        Indexed by path, points to a two-tuple of the SHA-1 of the file.
 
71
        and its fingerprint.
 
72
 
 
73
    stat_count
 
74
        number of times files have been statted
 
75
 
 
76
    hit_count
 
77
        number of times files have been retrieved from the cache, avoiding a
 
78
        re-read
 
79
 
 
80
    miss_count
 
81
        number of misses (times files have been completely re-read)
 
82
    """
 
83
    needs_write = False
 
84
 
 
85
    def __init__(self, root, cache_file_name, mode=None,
 
86
                 content_filter_stack_provider=None):
 
87
        """Create a hash cache in base dir, and set the file mode to mode.
 
88
 
 
89
        :param content_filter_stack_provider: a function that takes a
 
90
            path (relative to the top of the tree) and a file-id as
 
91
            parameters and returns a stack of ContentFilters.
 
92
            If None, no content filtering is performed.
 
93
        """
 
94
        if not isinstance(root, str):
 
95
            raise ValueError("Base dir for hashcache must be text")
 
96
        self.root = root
 
97
        self.hit_count = 0
 
98
        self.miss_count = 0
 
99
        self.stat_count = 0
 
100
        self.danger_count = 0
 
101
        self.removed_count = 0
 
102
        self.update_count = 0
 
103
        self._cache = {}
 
104
        self._mode = mode
 
105
        self._cache_file_name = cache_file_name
 
106
        self._filter_provider = content_filter_stack_provider
 
107
 
 
108
    def cache_file_name(self):
 
109
        return self._cache_file_name
 
110
 
 
111
    def clear(self):
 
112
        """Discard all cached information.
 
113
 
 
114
        This does not reset the counters."""
 
115
        if self._cache:
 
116
            self.needs_write = True
 
117
            self._cache = {}
 
118
 
 
119
    def scan(self):
 
120
        """Scan all files and remove entries where the cache entry is obsolete.
 
121
 
 
122
        Obsolete entries are those where the file has been modified or deleted
 
123
        since the entry was inserted.
 
124
        """
 
125
        # Stat in inode order as optimisation for at least linux.
 
126
        def inode_order(path_and_cache):
 
127
            return path_and_cache[1][1][3]
 
128
        for path, cache_val in sorted(self._cache.items(), key=inode_order):
 
129
            abspath = osutils.pathjoin(self.root, path)
 
130
            fp = self._fingerprint(abspath)
 
131
            self.stat_count += 1
 
132
 
 
133
            if not fp or cache_val[1] != fp:
 
134
                # not here or not a regular file anymore
 
135
                self.removed_count += 1
 
136
                self.needs_write = True
 
137
                del self._cache[path]
 
138
 
 
139
    def get_sha1(self, path, stat_value=None):
 
140
        """Return the sha1 of a file.
 
141
        """
 
142
        abspath = osutils.pathjoin(self.root, path)
 
143
        self.stat_count += 1
 
144
        file_fp = self._fingerprint(abspath, stat_value)
 
145
 
 
146
        if not file_fp:
 
147
            # not a regular file or not existing
 
148
            if path in self._cache:
 
149
                self.removed_count += 1
 
150
                self.needs_write = True
 
151
                del self._cache[path]
 
152
            return None
 
153
 
 
154
        if path in self._cache:
 
155
            cache_sha1, cache_fp = self._cache[path]
 
156
        else:
 
157
            cache_sha1, cache_fp = None, None
 
158
 
 
159
        if cache_fp == file_fp:
 
160
            self.hit_count += 1
 
161
            return cache_sha1
 
162
 
 
163
        self.miss_count += 1
 
164
 
 
165
        mode = file_fp[FP_MODE_COLUMN]
 
166
        if stat.S_ISREG(mode):
 
167
            if self._filter_provider is None:
 
168
                filters = []
 
169
            else:
 
170
                filters = self._filter_provider(path=path)
 
171
            digest = self._really_sha1_file(abspath, filters)
 
172
        elif stat.S_ISLNK(mode):
 
173
            target = osutils.readlink(abspath)
 
174
            digest = osutils.sha_string(target.encode('UTF-8'))
 
175
        else:
 
176
            raise errors.BzrError("file %r: unknown file stat mode: %o"
 
177
                                  % (abspath, mode))
 
178
 
 
179
        # window of 3 seconds to allow for 2s resolution on windows,
 
180
        # unsynchronized file servers, etc.
 
181
        cutoff = self._cutoff_time()
 
182
        if file_fp[FP_MTIME_COLUMN] >= cutoff \
 
183
                or file_fp[FP_CTIME_COLUMN] >= cutoff:
 
184
            # changed too recently; can't be cached.  we can
 
185
            # return the result and it could possibly be cached
 
186
            # next time.
 
187
            #
 
188
            # the point is that we only want to cache when we are sure that any
 
189
            # subsequent modifications of the file can be detected.  If a
 
190
            # modification neither changes the inode, the device, the size, nor
 
191
            # the mode, then we can only distinguish it by time; therefore we
 
192
            # need to let sufficient time elapse before we may cache this entry
 
193
            # again.  If we didn't do this, then, for example, a very quick 1
 
194
            # byte replacement in the file might go undetected.
 
195
            ## mutter('%r modified too recently; not caching', path)
 
196
            self.danger_count += 1
 
197
            if cache_fp:
 
198
                self.removed_count += 1
 
199
                self.needs_write = True
 
200
                del self._cache[path]
 
201
        else:
 
202
            # mutter('%r added to cache: now=%f, mtime=%d, ctime=%d',
 
203
            ##        path, time.time(), file_fp[FP_MTIME_COLUMN],
 
204
            # file_fp[FP_CTIME_COLUMN])
 
205
            self.update_count += 1
 
206
            self.needs_write = True
 
207
            self._cache[path] = (digest, file_fp)
 
208
        return digest
 
209
 
 
210
    def _really_sha1_file(self, abspath, filters):
 
211
        """Calculate the SHA1 of a file by reading the full text"""
 
212
        return _mod_filters.internal_size_sha_file_byname(abspath, filters)[1]
 
213
 
 
214
    def write(self):
 
215
        """Write contents of cache to file."""
 
216
        with atomicfile.AtomicFile(self.cache_file_name(), 'wb',
 
217
                                   new_mode=self._mode) as outf:
 
218
            outf.write(CACHE_HEADER)
 
219
 
 
220
            for path, c in self._cache.items():
 
221
                line_info = [path.encode('utf-8'), b'// ', c[0], b' ']
 
222
                line_info.append(b'%d %d %d %d %d %d' % c[1])
 
223
                line_info.append(b'\n')
 
224
                outf.write(b''.join(line_info))
 
225
            self.needs_write = False
 
226
            # mutter("write hash cache: %s hits=%d misses=%d stat=%d recent=%d updates=%d",
 
227
            #        self.cache_file_name(), self.hit_count, self.miss_count,
 
228
            # self.stat_count,
 
229
            # self.danger_count, self.update_count)
 
230
 
 
231
    def read(self):
 
232
        """Reinstate cache from file.
 
233
 
 
234
        Overwrites existing cache.
 
235
 
 
236
        If the cache file has the wrong version marker, this just clears
 
237
        the cache."""
 
238
        self._cache = {}
 
239
 
 
240
        fn = self.cache_file_name()
 
241
        try:
 
242
            inf = open(fn, 'rb', buffering=65000)
 
243
        except IOError as e:
 
244
            trace.mutter("failed to open %s: %s", fn, str(e))
 
245
            # better write it now so it is valid
 
246
            self.needs_write = True
 
247
            return
 
248
 
 
249
        with inf:
 
250
            hdr = inf.readline()
 
251
            if hdr != CACHE_HEADER:
 
252
                trace.mutter('cache header marker not found at top of %s;'
 
253
                             ' discarding cache', fn)
 
254
                self.needs_write = True
 
255
                return
 
256
 
 
257
            for l in inf:
 
258
                pos = l.index(b'// ')
 
259
                path = l[:pos].decode('utf-8')
 
260
                if path in self._cache:
 
261
                    trace.warning('duplicated path %r in cache' % path)
 
262
                    continue
 
263
 
 
264
                pos += 3
 
265
                fields = l[pos:].split(b' ')
 
266
                if len(fields) != 7:
 
267
                    trace.warning("bad line in hashcache: %r" % l)
 
268
                    continue
 
269
 
 
270
                sha1 = fields[0]
 
271
                if len(sha1) != 40:
 
272
                    trace.warning("bad sha1 in hashcache: %r" % sha1)
 
273
                    continue
 
274
 
 
275
                fp = tuple(map(int, fields[1:]))
 
276
 
 
277
                self._cache[path] = (sha1, fp)
 
278
 
 
279
        self.needs_write = False
 
280
 
 
281
    def _cutoff_time(self):
 
282
        """Return cutoff time.
 
283
 
 
284
        Files modified more recently than this time are at risk of being
 
285
        undetectably modified and so can't be cached.
 
286
        """
 
287
        return int(time.time()) - 3
 
288
 
 
289
    def _fingerprint(self, abspath, stat_value=None):
 
290
        if stat_value is None:
 
291
            try:
 
292
                stat_value = os.lstat(abspath)
 
293
            except OSError:
 
294
                # might be missing, etc
 
295
                return None
 
296
        if stat.S_ISDIR(stat_value.st_mode):
 
297
            return None
 
298
        # we discard any high precision because it's not reliable; perhaps we
 
299
        # could do better on some systems?
 
300
        return (stat_value.st_size, int(stat_value.st_mtime),
 
301
                int(stat_value.st_ctime), stat_value.st_ino,
 
302
                stat_value.st_dev, stat_value.st_mode)