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 1.13  1996-02-05 12:30:00  adam
   8  * Logging reduced a bit.
   9  * The remaining running time is estimated during register merge.
  10  *
  11  * Revision 1.12  1995/12/06  17:49:19  adam
  12  * Uses dict_delete now.
  13  *
  14  * Revision 1.11  1995/12/06  16:06:43  adam
  15  * Better diagnostics. Work on 'real' dictionary deletion.
  16  *
  17  * Revision 1.10  1995/12/06  12:41:22  adam
  18  * New command 'stat' for the index program.
  19  * Filenames can be read from stdin by specifying '-'.
  20  * Bug fix/enhancement of the transformation from terms to regular
  21  * expressons in the search engine.
  22  *
  23  * Revision 1.9  1995/10/10  12:24:39  adam
  24  * Temporary sort files are compressed.
  25  *
  26  * Revision 1.8  1995/10/04  16:57:19  adam
  27  * Key input and merge sort in one pass.
  28  *
  29  * Revision 1.7  1995/10/02  15:18:52  adam
  30  * New member in recRetrieveCtrl: diagnostic.
  31  *
  32  * Revision 1.6  1995/09/29  15:51:56  adam
  33  * First work on multi-way read.
  34  *
  35  * Revision 1.5  1995/09/29  14:01:43  adam
  36  * Bug fixes.
  37  *
  38  * Revision 1.4  1995/09/28  14:22:57  adam
  39  * Sort uses smaller temporary files.
  40  *
  41  * Revision 1.3  1995/09/06  16:11:17  adam
  42  * Option: only one word key per file.
  43  *
  44  * Revision 1.2  1995/09/04  12:33:42  adam
  45  * Various cleanup. YAZ util used instead.
  46  *
  47  * Revision 1.1  1995/09/04  09:10:37  adam
  48  * More work on index add/del/update.
  49  * Merge sort implemented.
  50  * Initial work on z39 server.
  51  *
  52  */
  53
  54 #include <fcntl.h>
  55 #include <unistd.h>
  56 #include <stdlib.h>
  57 #include <time.h>
  58 #include <string.h>
  59 #include <stdio.h>
  60 #include <ctype.h>
  61 #include <assert.h>
  62
  63 #include "index.h"
  64
  65 #define KEY_SIZE (1+sizeof(struct it_key))
  66 #define INP_NAME_MAX 8192
  67 #define INP_BUF_START 60000
  68 #define INP_BUF_ADD  400000
  69
  70 static int no_diffs   = 0;
  71 static int no_updates = 0;
  72 static int no_deletions = 0;
  73 static int no_insertions = 0;
  74 static int no_iterations = 0;
  75
  76 struct key_file {
  77     int   no;            /* file no */
  78     off_t offset;        /* file offset */
  79     unsigned char *buf;  /* buffer block */
  80     size_t buf_size;     /* number of read bytes in block */
  81     size_t chunk;        /* number of bytes allocated */
  82     size_t buf_ptr;      /* current position in buffer */
  83     char *prev_name;     /* last word read */
  84     int   sysno;         /* last sysno */
  85     int   seqno;         /* last seqno */
  86     off_t length;        /* length of file */
  87                          /* handler invoked in each read */
  88     void (*readHandler)(struct key_file *keyp, void *rinfo);
  89     void *readInfo;
  90 };
  91
  92 void getFnameTmp (char *fname, int no)
  93 {
  94     sprintf (fname, TEMP_FNAME, no);
  95 }
  96
  97 void key_file_chunk_read (struct key_file *f)
  98 {
  99     int nr = 0, r, fd;
 100     char fname[256];
 101     getFnameTmp (fname, f->no);
 102     fd = open (fname, O_RDONLY);
 103     if (fd == -1)
 104     {
 105         logf (LOG_FATAL|LOG_ERRNO, "cannot open %s", fname);
 106         exit (1);
 107     }
 108     if (!f->length)
 109     {
 110         if ((f->length = lseek (fd, 0L, SEEK_END)) == (off_t) -1)
 111         {
 112             logf (LOG_FATAL|LOG_ERRNO, "cannot seek %s", fname);
 113             exit (1);
 114         }
 115     }
 116     if (lseek (fd, f->offset, SEEK_SET) == -1)
 117     {
 118         logf (LOG_FATAL|LOG_ERRNO, "cannot seek %s", fname);
 119         exit (1);
 120     }
 121     while (f->chunk - nr > 0)
 122     {
 123         r = read (fd, f->buf + nr, f->chunk - nr);
 124         if (r <= 0)
 125             break;
 126         nr += r;
 127     }
 128     if (r == -1)
 129     {
 130         logf (LOG_FATAL|LOG_ERRNO, "read of %s", fname);
 131         exit (1);
 132     }
 133     f->buf_size = nr;
 134     f->buf_ptr = 0;
 135     if (f->readHandler)
 136         (*f->readHandler)(f, f->readInfo);
 137     close (fd);
 138 }
 139
 140 struct key_file *key_file_init (int no, int chunk)
 141 {
 142     struct key_file *f;
 143
 144     f = xmalloc (sizeof(*f));
 145     f->sysno = 0;
 146     f->seqno = 0;
 147     f->no = no;
 148     f->chunk = chunk;
 149     f->offset = 0;
 150     f->length = 0;
 151     f->readHandler = NULL;
 152     f->buf = xmalloc (f->chunk);
 153     f->prev_name = xmalloc (256);
 154     *f->prev_name = '\0';
 155     key_file_chunk_read (f);
 156     return f;
 157 }
 158
 159 int key_file_getc (struct key_file *f)
 160 {
 161     if (f->buf_ptr < f->buf_size)
 162         return f->buf[(f->buf_ptr)++];
 163     if (f->buf_size < f->chunk)
 164         return EOF;
 165     f->offset += f->buf_size;
 166     key_file_chunk_read (f);
 167     if (f->buf_ptr < f->buf_size)
 168         return f->buf[(f->buf_ptr)++];
 169     else
 170         return EOF;
 171 }
 172
 173 int key_file_decode (struct key_file *f)
 174 {
 175     int c, d;
 176
 177     c = key_file_getc (f);
 178     switch (c & 192)
 179     {
 180     case 0:
 181         d = c;
 182         break;
 183     case 64:
 184         d = ((c&63) << 8) + (key_file_getc (f) & 0xff);
 185         break;
 186     case 128:
 187         d = ((c&63) << 8) + (key_file_getc (f) & 0xff);
 188         d = (d << 8) + (key_file_getc (f) & 0xff);
 189         break;
 190     case 192:
 191         d = ((c&63) << 8) + (key_file_getc (f) & 0xff);
 192         d = (d << 8) + (key_file_getc (f) & 0xff);
 193         d = (d << 8) + (key_file_getc (f) & 0xff);
 194         break;
 195     }
 196     return d;
 197 }
 198
 199 int key_file_read (struct key_file *f, char *key)
 200 {
 201     int i, d, c;
 202     struct it_key itkey;
 203
 204     c = key_file_getc (f);
 205     if (c == 0)
 206     {
 207         strcpy (key, f->prev_name);
 208         i = 1+strlen (key);
 209     }
 210     else if (c == EOF)
 211         return 0;
 212     else
 213     {
 214         i = 0;
 215         key[i++] = c;
 216         while ((key[i++] = key_file_getc (f)))
 217             ;
 218         strcpy (f->prev_name, key);
 219         f->sysno = 0;
 220     }
 221     d = key_file_decode (f);
 222     key[i++] = d & 1;
 223     d = d >> 1;
 224     itkey.sysno = d + f->sysno;
 225     if (d)
 226     {
 227         f->sysno = itkey.sysno;
 228         f->seqno = 0;
 229     }
 230     d = key_file_decode (f);
 231     itkey.seqno = d + f->seqno;
 232     f->seqno = itkey.seqno;
 233     memcpy (key + i, &itkey, sizeof(struct it_key));
 234     return i + sizeof (struct it_key);
 235 }
 236
 237 struct heap_info {
 238     struct {
 239         struct key_file **file;
 240         char   **buf;
 241     } info;
 242     int    heapnum;
 243     int    *ptr;
 244     int    (*cmp)(const void *p1, const void *p2);
 245 };
 246
 247 struct heap_info *key_heap_init (int nkeys,
 248                                  int (*cmp)(const void *p1, const void *p2))
 249 {
 250     struct heap_info *hi;
 251     int i;
 252
 253     hi = xmalloc (sizeof(*hi));
 254     hi->info.file = xmalloc (sizeof(*hi->info.file) * (1+nkeys));
 255     hi->info.buf = xmalloc (sizeof(*hi->info.buf) * (1+nkeys));
 256     hi->heapnum = 0;
 257     hi->ptr = xmalloc (sizeof(*hi->ptr) * (1+nkeys));
 258     hi->cmp = cmp;
 259     for (i = 0; i<= nkeys; i++)
 260     {
 261         hi->ptr[i] = i;
 262         hi->info.buf[i] = xmalloc (512);
 263     }
 264     return hi;
 265 }
 266
 267 static void key_heap_swap (struct heap_info *hi, int i1, int i2)
 268 {
 269     int swap;
 270
 271     swap = hi->ptr[i1];
 272     hi->ptr[i1] = hi->ptr[i2];
 273     hi->ptr[i2] = swap;
 274 }
 275
 276
 277 static void key_heap_delete (struct heap_info *hi)
 278 {
 279     int cur = 1, child = 2;
 280
 281     assert (hi->heapnum > 0);
 282
 283     key_heap_swap (hi, 1, hi->heapnum);
 284     hi->heapnum--;
 285     while (child <= hi->heapnum) {
 286         if (child < hi->heapnum &&
 287             (*hi->cmp)(&hi->info.buf[hi->ptr[child]],
 288                        &hi->info.buf[hi->ptr[child+1]]) > 0)
 289             child++;
 290         if ((*hi->cmp)(&hi->info.buf[hi->ptr[cur]],
 291                        &hi->info.buf[hi->ptr[child]]) > 0)
 292         {
 293             key_heap_swap (hi, cur, child);
 294             cur = child;
 295             child = 2*cur;
 296         }
 297         else
 298             break;
 299     }
 300 }
 301
 302 static void key_heap_insert (struct heap_info *hi, const char *buf, int nbytes,
 303                              struct key_file *kf)
 304 {
 305     int cur, parent;
 306
 307     cur = ++(hi->heapnum);
 308     memcpy (hi->info.buf[hi->ptr[cur]], buf, nbytes);
 309     hi->info.file[hi->ptr[cur]] = kf;
 310
 311     parent = cur/2;
 312     while (parent && (*hi->cmp)(&hi->info.buf[hi->ptr[parent]],
 313                                 &hi->info.buf[hi->ptr[cur]]) > 0)
 314     {
 315         key_heap_swap (hi, cur, parent);
 316         cur = parent;
 317         parent = cur/2;
 318     }
 319 }
 320
 321 static int heap_read_one (struct heap_info *hi, char *name, char *key)
 322 {
 323     int n, r;
 324     char rbuf[512];
 325     struct key_file *kf;
 326
 327     if (!hi->heapnum)
 328         return 0;
 329     n = hi->ptr[1];
 330     strcpy (name, hi->info.buf[n]);
 331     kf = hi->info.file[n];
 332     r = strlen(name);
 333     memcpy (key, hi->info.buf[n] + r+1, KEY_SIZE);
 334     key_heap_delete (hi);
 335     if ((r = key_file_read (kf, rbuf)))
 336         key_heap_insert (hi, rbuf, r, kf);
 337     no_iterations++;
 338     return 1;
 339 }
 340
 341 int heap_inp (Dict dict, ISAM isam, struct heap_info *hi)
 342 {
 343     char *info;
 344     char next_name[INP_NAME_MAX+1];
 345     char cur_name[INP_NAME_MAX+1];
 346     int key_buf_size = INP_BUF_START;
 347     int key_buf_ptr;
 348     char *next_key;
 349     char *key_buf;
 350     int more;
 351
 352     next_key = xmalloc (KEY_SIZE);
 353     key_buf = xmalloc (key_buf_size * (KEY_SIZE));
 354     more = heap_read_one (hi, cur_name, key_buf);
 355     while (more)                   /* EOF ? */
 356     {
 357         int nmemb;
 358         key_buf_ptr = KEY_SIZE;
 359         while (1)
 360         {
 361             if (!(more = heap_read_one (hi, next_name, next_key)))
 362                 break;
 363             if (*next_name && strcmp (next_name, cur_name))
 364                 break;
 365             memcpy (key_buf + key_buf_ptr, next_key, KEY_SIZE);
 366             key_buf_ptr += KEY_SIZE;
 367             if (key_buf_ptr+KEY_SIZE >= key_buf_size)
 368             {
 369                 char *new_key_buf;
 370                 new_key_buf = xmalloc (key_buf_size + INP_BUF_ADD);
 371                 memcpy (new_key_buf, key_buf, key_buf_size);
 372                 key_buf_size += INP_BUF_ADD;
 373                 xfree (key_buf);
 374                 key_buf = new_key_buf;
 375             }
 376         }
 377         no_diffs++;
 378         nmemb = key_buf_ptr / KEY_SIZE;
 379         assert (nmemb*KEY_SIZE == key_buf_ptr);
 380         if ((info = dict_lookup (dict, cur_name)))
 381         {
 382             ISAM_P isam_p, isam_p2;
 383             logf (LOG_DEBUG, "updating %s", cur_name);
 384             memcpy (&isam_p, info+1, sizeof(ISAM_P));
 385             isam_p2 = is_merge (isam, isam_p, nmemb, key_buf);
 386             if (!isam_p2)
 387             {
 388                 no_deletions++;
 389                 if (!dict_delete (dict, cur_name))
 390                     abort ();
 391             }
 392             else
 393             {
 394                 no_updates++;
 395                 if (isam_p2 != isam_p)
 396                     dict_insert (dict, cur_name, sizeof(ISAM_P), &isam_p2);
 397             }
 398         }
 399         else
 400         {
 401             ISAM_P isam_p;
 402             logf (LOG_DEBUG, "inserting %s", cur_name);
 403             no_insertions++;
 404             isam_p = is_merge (isam, 0, nmemb, key_buf);
 405             dict_insert (dict, cur_name, sizeof(ISAM_P), &isam_p);
 406         }
 407         memcpy (key_buf, next_key, KEY_SIZE);
 408         strcpy (cur_name, next_name);
 409     }
 410     return 0;
 411 }
 412
 413 struct progressInfo {
 414     time_t   startTime;
 415     time_t   lastTime;
 416     off_t    totalBytes;
 417     off_t    totalOffset;
 418 };
 419
 420 void progressFunc (struct key_file *keyp, void *info)
 421 {
 422     struct progressInfo *p = info;
 423     time_t now, remaining;
 424
 425     if (keyp->buf_size <= 0 || p->totalBytes <= 0)
 426         return ;
 427     p->totalOffset += keyp->buf_size;
 428     time (&now);
 429
 430     if (now < p->lastTime+10)
 431         return ;
 432     p->lastTime = now;
 433     remaining = (now - p->startTime)*
 434         ((double) p->totalBytes/p->totalOffset - 1.0);
 435     if (remaining <= 130)
 436         logf (LOG_LOG, "Merge %2.1f%% completed; %ld seconds remaining",
 437                (100.0*p->totalOffset) / p->totalBytes, (long) remaining);
 438     else
 439         logf (LOG_LOG, "Merge %2.1f%% completed; %ld minutes remaining",
 440                 (100.0*p->totalOffset) / p->totalBytes, (long) remaining/60);
 441 }
 442
 443 void key_input (const char *dict_fname, const char *isam_fname,
 444                 int nkeys, int cache)
 445
 446 {
 447     Dict dict;
 448     ISAM isam;
 449     struct key_file **kf;
 450     char rbuf[1024];
 451     int i, r;
 452     struct heap_info *hi;
 453     struct progressInfo progressInfo;
 454
 455     dict = dict_open (dict_fname, cache, 1);
 456     if (!dict)
 457     {
 458         logf (LOG_FATAL, "dict_open fail of `%s'", dict_fname);
 459         exit (1);
 460     }
 461     isam = is_open (isam_fname, key_compare, 1, sizeof(struct it_key));
 462     if (!isam)
 463     {
 464         logf (LOG_FATAL, "is_open fail of `%s'", isam_fname);
 465         exit (1);
 466     }
 467
 468     kf = xmalloc ((1+nkeys) * sizeof(*kf));
 469     progressInfo.totalBytes = 0;
 470     progressInfo.totalOffset = 0;
 471     time (&progressInfo.startTime);
 472     time (&progressInfo.lastTime);
 473     for (i = 1; i<=nkeys; i++)
 474     {
 475         kf[i] = key_file_init (i, 32768);
 476         kf[i]->readHandler = progressFunc;
 477         kf[i]->readInfo = &progressInfo;
 478         progressInfo.totalBytes += kf[i]->length;
 479         progressInfo.totalOffset += kf[i]->buf_size;
 480     }
 481     hi = key_heap_init (nkeys, key_qsort_compare);
 482     for (i = 1; i<=nkeys; i++)
 483         if ((r = key_file_read (kf[i], rbuf)))
 484             key_heap_insert (hi, rbuf, r, kf[i]);
 485     heap_inp (dict, isam, hi);
 486
 487     dict_close (dict);
 488     is_close (isam);
 489
 490     for (i = 1; i<=nkeys; i++)
 491     {
 492         getFnameTmp (rbuf, i);
 493         unlink (rbuf);
 494     }
 495     logf (LOG_LOG, "Iterations . . .%7d", no_iterations);
 496     logf (LOG_LOG, "Distinct words .%7d", no_diffs);
 497     logf (LOG_LOG, "Updates. . . . .%7d", no_updates);
 498     logf (LOG_LOG, "Deletions. . . .%7d", no_deletions);
 499     logf (LOG_LOG, "Insertions . . .%7d", no_insertions);
 500 }
 501
 502