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