index/kinput.c

   1 /*
   2  * Copyright (C) 1994-1995, Index Data I/S
   3  * All rights reserved.
   4  * Sebastian Hammer, Adam Dickmeiss
   5  *
   6  * $Log: kinput.c,v $
   7  * Revision 1.10  1995-12-06 12:41:22  adam
   8  * New command 'stat' for the index program.
   9  * Filenames can be read from stdin by specifying '-'.
  10  * Bug fix/enhancement of the transformation from terms to regular
  11  * expressons in the search engine.
  12  *
  13  * Revision 1.9  1995/10/10  12:24:39  adam
  14  * Temporary sort files are compressed.
  15  *
  16  * Revision 1.8  1995/10/04  16:57:19  adam
  17  * Key input and merge sort in one pass.
  18  *
  19  * Revision 1.7  1995/10/02  15:18:52  adam
  20  * New member in recRetrieveCtrl: diagnostic.
  21  *
  22  * Revision 1.6  1995/09/29  15:51:56  adam
  23  * First work on multi-way read.
  24  *
  25  * Revision 1.5  1995/09/29  14:01:43  adam
  26  * Bug fixes.
  27  *
  28  * Revision 1.4  1995/09/28  14:22:57  adam
  29  * Sort uses smaller temporary files.
  30  *
  31  * Revision 1.3  1995/09/06  16:11:17  adam
  32  * Option: only one word key per file.
  33  *
  34  * Revision 1.2  1995/09/04  12:33:42  adam
  35  * Various cleanup. YAZ util used instead.
  36  *
  37  * Revision 1.1  1995/09/04  09:10:37  adam
  38  * More work on index add/del/update.
  39  * Merge sort implemented.
  40  * Initial work on z39 server.
  41  *
  42  */
  43
  44 #include <fcntl.h>
  45 #include <unistd.h>
  46 #include <stdlib.h>
  47 #include <string.h>
  48 #include <stdio.h>
  49 #include <ctype.h>
  50 #include <assert.h>
  51
  52 #include "index.h"
  53
  54 #define KEY_SIZE (1+sizeof(struct it_key))
  55 #define INP_NAME_MAX 8192
  56 #define INP_BUF_START 60000
  57 #define INP_BUF_ADD  400000
  58
  59 static int no_diffs   = 0;
  60 static int no_updates = 0;
  61 static int no_insertions = 0;
  62 static int no_iterations = 0;
  63
  64 struct key_file {
  65     int   no;            /* file no */
  66     off_t offset;        /* file offset */
  67     unsigned char *buf;  /* buffer block */
  68     size_t buf_size;     /* number of read bytes in block */
  69     size_t chunk;        /* number of bytes allocated */
  70     size_t buf_ptr;      /* current position in buffer */
  71     char *prev_name;     /* last word read */
  72     int   sysno;         /* last sysno */
  73     int   seqno;         /* last seqno */
  74 };
  75
  76 void key_file_chunk_read (struct key_file *f)
  77 {
  78     int nr = 0, r, fd;
  79     char fname[256];
  80     sprintf (fname, TEMP_FNAME, f->no);
  81     fd = open (fname, O_RDONLY);
  82     if (fd == -1)
  83     {
  84         logf (LOG_FATAL|LOG_ERRNO, "cannot open %s", fname);
  85         exit (1);
  86     }
  87     logf (LOG_LOG, "reading chunk from %s", fname);
  88     if (lseek (fd, f->offset, SEEK_SET) == -1)
  89     {
  90         logf (LOG_FATAL|LOG_ERRNO, "cannot seek %s", fname);
  91         exit (1);
  92     }
  93     while (f->chunk - nr > 0)
  94     {
  95         r = read (fd, f->buf + nr, f->chunk - nr);
  96         if (r <= 0)
  97             break;
  98         nr += r;
  99     }
 100     if (r == -1)
 101     {
 102         logf (LOG_FATAL|LOG_ERRNO, "read of %s", fname);
 103         exit (1);
 104     }
 105     f->buf_size = nr;
 106     f->buf_ptr = 0;
 107     close (fd);
 108 }
 109
 110 struct key_file *key_file_init (int no, int chunk)
 111 {
 112     struct key_file *f;
 113
 114     f = xmalloc (sizeof(*f));
 115     f->sysno = 0;
 116     f->seqno = 0;
 117     f->no = no;
 118     f->chunk = chunk;
 119     f->offset = 0;
 120     f->buf = xmalloc (f->chunk);
 121     f->prev_name = xmalloc (256);
 122     *f->prev_name = '\0';
 123     key_file_chunk_read (f);
 124     return f;
 125 }
 126
 127 int key_file_getc (struct key_file *f)
 128 {
 129     if (f->buf_ptr < f->buf_size)
 130         return f->buf[(f->buf_ptr)++];
 131     if (f->buf_size < f->chunk)
 132         return EOF;
 133     f->offset += f->buf_size;
 134     key_file_chunk_read (f);
 135     if (f->buf_ptr < f->buf_size)
 136         return f->buf[(f->buf_ptr)++];
 137     else
 138         return EOF;
 139 }
 140
 141 int key_file_decode (struct key_file *f)
 142 {
 143     int c, d;
 144
 145     c = key_file_getc (f);
 146     switch (c & 192)
 147     {
 148     case 0:
 149         d = c;
 150         break;
 151     case 64:
 152         d = ((c&63) << 8) + (key_file_getc (f) & 0xff);
 153         break;
 154     case 128:
 155         d = ((c&63) << 8) + (key_file_getc (f) & 0xff);
 156         d = (d << 8) + (key_file_getc (f) & 0xff);
 157         break;
 158     case 192:
 159         d = ((c&63) << 8) + (key_file_getc (f) & 0xff);
 160         d = (d << 8) + (key_file_getc (f) & 0xff);
 161         d = (d << 8) + (key_file_getc (f) & 0xff);
 162         break;
 163     }
 164     return d;
 165 }
 166
 167 int key_file_read (struct key_file *f, char *key)
 168 {
 169     int i, d, c;
 170     struct it_key itkey;
 171
 172     c = key_file_getc (f);
 173     if (c == 0)
 174     {
 175         strcpy (key, f->prev_name);
 176         i = 1+strlen (key);
 177     }
 178     else if (c == EOF)
 179         return 0;
 180     else
 181     {
 182         i = 0;
 183         key[i++] = c;
 184         while ((key[i++] = key_file_getc (f)))
 185             ;
 186         strcpy (f->prev_name, key);
 187         f->sysno = 0;
 188     }
 189     d = key_file_decode (f);
 190     key[i++] = d & 1;
 191     d = d >> 1;
 192     itkey.sysno = d + f->sysno;
 193     if (d)
 194     {
 195         f->sysno = itkey.sysno;
 196         f->seqno = 0;
 197     }
 198     d = key_file_decode (f);
 199     itkey.seqno = d + f->seqno;
 200     f->seqno = itkey.seqno;
 201     memcpy (key + i, &itkey, sizeof(struct it_key));
 202     return i + sizeof (struct it_key);
 203 }
 204
 205 struct heap_info {
 206     struct {
 207         struct key_file **file;
 208         char   **buf;
 209     } info;
 210     int    heapnum;
 211     int    *ptr;
 212     int    (*cmp)(const void *p1, const void *p2);
 213 };
 214
 215 struct heap_info *key_heap_init (int nkeys,
 216                                  int (*cmp)(const void *p1, const void *p2))
 217 {
 218     struct heap_info *hi;
 219     int i;
 220
 221     hi = xmalloc (sizeof(*hi));
 222     hi->info.file = xmalloc (sizeof(*hi->info.file) * (1+nkeys));
 223     hi->info.buf = xmalloc (sizeof(*hi->info.buf) * (1+nkeys));
 224     hi->heapnum = 0;
 225     hi->ptr = xmalloc (sizeof(*hi->ptr) * (1+nkeys));
 226     hi->cmp = cmp;
 227     for (i = 0; i<= nkeys; i++)
 228     {
 229         hi->ptr[i] = i;
 230         hi->info.buf[i] = xmalloc (512);
 231     }
 232     return hi;
 233 }
 234
 235 static void key_heap_swap (struct heap_info *hi, int i1, int i2)
 236 {
 237     int swap;
 238
 239     swap = hi->ptr[i1];
 240     hi->ptr[i1] = hi->ptr[i2];
 241     hi->ptr[i2] = swap;
 242 }
 243
 244
 245 static void key_heap_delete (struct heap_info *hi)
 246 {
 247     int cur = 1, child = 2;
 248
 249     assert (hi->heapnum > 0);
 250
 251     key_heap_swap (hi, 1, hi->heapnum);
 252     hi->heapnum--;
 253     while (child <= hi->heapnum) {
 254         if (child < hi->heapnum &&
 255             (*hi->cmp)(&hi->info.buf[hi->ptr[child]],
 256                        &hi->info.buf[hi->ptr[child+1]]) > 0)
 257             child++;
 258         if ((*hi->cmp)(&hi->info.buf[hi->ptr[cur]],
 259                        &hi->info.buf[hi->ptr[child]]) > 0)
 260         {
 261             key_heap_swap (hi, cur, child);
 262             cur = child;
 263             child = 2*cur;
 264         }
 265         else
 266             break;
 267     }
 268 }
 269
 270 static void key_heap_insert (struct heap_info *hi, const char *buf, int nbytes,
 271                              struct key_file *kf)
 272 {
 273     int cur, parent;
 274
 275     cur = ++(hi->heapnum);
 276     memcpy (hi->info.buf[hi->ptr[cur]], buf, nbytes);
 277     hi->info.file[hi->ptr[cur]] = kf;
 278
 279     parent = cur/2;
 280     while (parent && (*hi->cmp)(&hi->info.buf[hi->ptr[parent]],
 281                                 &hi->info.buf[hi->ptr[cur]]) > 0)
 282     {
 283         key_heap_swap (hi, cur, parent);
 284         cur = parent;
 285         parent = cur/2;
 286     }
 287 }
 288
 289 static int heap_read_one (struct heap_info *hi, char *name, char *key)
 290 {
 291     int n, r;
 292     char rbuf[512];
 293     struct key_file *kf;
 294
 295     if (!hi->heapnum)
 296         return 0;
 297     n = hi->ptr[1];
 298     strcpy (name, hi->info.buf[n]);
 299     kf = hi->info.file[n];
 300     r = strlen(name);
 301     memcpy (key, hi->info.buf[n] + r+1, KEY_SIZE);
 302     key_heap_delete (hi);
 303     if ((r = key_file_read (kf, rbuf)))
 304         key_heap_insert (hi, rbuf, r, kf);
 305     no_iterations++;
 306     return 1;
 307 }
 308
 309 int heap_inp (Dict dict, ISAM isam, struct heap_info *hi)
 310 {
 311     char *info;
 312     char next_name[INP_NAME_MAX+1];
 313     char cur_name[INP_NAME_MAX+1];
 314     int key_buf_size = INP_BUF_START;
 315     int key_buf_ptr;
 316     char *next_key;
 317     char *key_buf;
 318     int more;
 319
 320     next_key = xmalloc (KEY_SIZE);
 321     key_buf = xmalloc (key_buf_size * (KEY_SIZE));
 322     more = heap_read_one (hi, cur_name, key_buf);
 323     while (more)                   /* EOF ? */
 324     {
 325         int nmemb;
 326         key_buf_ptr = KEY_SIZE;
 327         while (1)
 328         {
 329             if (!(more = heap_read_one (hi, next_name, next_key)))
 330                 break;
 331             if (*next_name && strcmp (next_name, cur_name))
 332                 break;
 333             memcpy (key_buf + key_buf_ptr, next_key, KEY_SIZE);
 334             key_buf_ptr += KEY_SIZE;
 335             if (key_buf_ptr+KEY_SIZE >= key_buf_size)
 336             {
 337                 char *new_key_buf;
 338                 new_key_buf = xmalloc (key_buf_size + INP_BUF_ADD);
 339                 memcpy (new_key_buf, key_buf, key_buf_size);
 340                 key_buf_size += INP_BUF_ADD;
 341                 xfree (key_buf);
 342                 key_buf = new_key_buf;
 343             }
 344         }
 345         no_diffs++;
 346         nmemb = key_buf_ptr / KEY_SIZE;
 347         assert (nmemb*KEY_SIZE == key_buf_ptr);
 348         if ((info = dict_lookup (dict, cur_name)))
 349         {
 350             ISAM_P isam_p, isam_p2;
 351             logf (LOG_DEBUG, "updating %s", cur_name);
 352             no_updates++;
 353             memcpy (&isam_p, info+1, sizeof(ISAM_P));
 354             isam_p2 = is_merge (isam, isam_p, nmemb, key_buf);
 355             if (isam_p2 != isam_p)
 356                 dict_insert (dict, cur_name, sizeof(ISAM_P), &isam_p2);
 357         }
 358         else
 359         {
 360             ISAM_P isam_p;
 361             logf (LOG_DEBUG, "inserting %s", cur_name);
 362             no_insertions++;
 363             isam_p = is_merge (isam, 0, nmemb, key_buf);
 364             dict_insert (dict, cur_name, sizeof(ISAM_P), &isam_p);
 365         }
 366         memcpy (key_buf, next_key, KEY_SIZE);
 367         strcpy (cur_name, next_name);
 368     }
 369     return 0;
 370 }
 371
 372 void key_input (const char *dict_fname, const char *isam_fname,
 373                 int nkeys, int cache)
 374
 375 {
 376     Dict dict;
 377     ISAM isam;
 378     struct key_file **kf;
 379     char rbuf[1024];
 380     int i, r;
 381     struct heap_info *hi;
 382
 383     dict = dict_open (dict_fname, cache, 1);
 384     if (!dict)
 385     {
 386         logf (LOG_FATAL, "dict_open fail of `%s'", dict_fname);
 387         exit (1);
 388     }
 389     isam = is_open (isam_fname, key_compare, 1, sizeof(struct it_key));
 390     if (!isam)
 391     {
 392         logf (LOG_FATAL, "is_open fail of `%s'", isam_fname);
 393         exit (1);
 394     }
 395
 396     kf = xmalloc ((1+nkeys) * sizeof(*kf));
 397     for (i = 1; i<=nkeys; i++)
 398         kf[i] = key_file_init (i, 32768);
 399
 400     hi = key_heap_init (nkeys, key_qsort_compare);
 401     for (i = 1; i<=nkeys; i++)
 402         if ((r = key_file_read (kf[i], rbuf)))
 403             key_heap_insert (hi, rbuf, r, kf[i]);
 404     heap_inp (dict, isam, hi);
 405
 406     dict_close (dict);
 407     is_close (isam);
 408
 409     logf (LOG_LOG, "Iterations . . .%7d", no_iterations);
 410     logf (LOG_LOG, "Distinct words .%7d", no_diffs);
 411     logf (LOG_LOG, "Updates. . . . .%7d", no_updates);
 412     logf (LOG_LOG, "Insertions . . .%7d", no_insertions);
 413 }
 414
 415