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 1.8  1995-10-04 16:57:19  adam
   8  * Key input and merge sort in one pass.
   9  *
  10  * Revision 1.7  1995/10/02  15:18:52  adam
  11  * New member in recRetrieveCtrl: diagnostic.
  12  *
  13  * Revision 1.6  1995/09/29  15:51:56  adam
  14  * First work on multi-way read.
  15  *
  16  * Revision 1.5  1995/09/29  14:01:43  adam
  17  * Bug fixes.
  18  *
  19  * Revision 1.4  1995/09/28  14:22:57  adam
  20  * Sort uses smaller temporary files.
  21  *
  22  * Revision 1.3  1995/09/06  16:11:17  adam
  23  * Option: only one word key per file.
  24  *
  25  * Revision 1.2  1995/09/04  12:33:42  adam
  26  * Various cleanup. YAZ util used instead.
  27  *
  28  * Revision 1.1  1995/09/04  09:10:37  adam
  29  * More work on index add/del/update.
  30  * Merge sort implemented.
  31  * Initial work on z39 server.
  32  *
  33  */
  34
  35 #include <fcntl.h>
  36 #include <unistd.h>
  37 #include <stdlib.h>
  38 #include <string.h>
  39 #include <stdio.h>
  40 #include <ctype.h>
  41 #include <assert.h>
  42
  43 #include "index.h"
  44
  45 #define KEY_SIZE (1+sizeof(struct it_key))
  46 #define INP_NAME_MAX 8192
  47 #define INP_BUF_START 60000
  48 #define INP_BUF_ADD  400000
  49
  50 static int no_diffs   = 0;
  51 static int no_updates = 0;
  52 static int no_insertions = 0;
  53 static int no_iterations = 0;
  54
  55 static int read_one (FILE *inf, char *name, char *key)
  56 {
  57     int c;
  58     int i = 0;
  59     do
  60     {
  61         if ((c=getc(inf)) == EOF)
  62             return 0;
  63         name[i++] = c;
  64     } while (c);
  65     for (i = 0; i<KEY_SIZE; i++)
  66         ((char *)key)[i] = getc (inf);
  67     ++no_iterations;
  68     return 1;
  69 }
  70
  71 static int inp (Dict dict, ISAM isam, const char *name)
  72 {
  73     FILE *inf;
  74     char *info;
  75     char next_name[INP_NAME_MAX+1];
  76     char cur_name[INP_NAME_MAX+1];
  77     int key_buf_size = INP_BUF_START;
  78     int key_buf_ptr;
  79     char *next_key;
  80     char *key_buf;
  81     int more;
  82
  83     next_key = xmalloc (KEY_SIZE);
  84     key_buf = xmalloc (key_buf_size * (KEY_SIZE));
  85     if (!(inf = fopen (name, "r")))
  86     {
  87         logf (LOG_FATAL|LOG_ERRNO, "cannot open `%s'", name);
  88         exit (1);
  89     }
  90     more = read_one (inf, cur_name, key_buf);
  91     while (more)                   /* EOF ? */
  92     {
  93         int nmemb;
  94         key_buf_ptr = KEY_SIZE;
  95         while (1)
  96         {
  97             if (!(more = read_one (inf, next_name, next_key)))
  98                 break;
  99             if (*next_name && strcmp (next_name, cur_name))
 100                 break;
 101             memcpy (key_buf + key_buf_ptr, next_key, KEY_SIZE);
 102             key_buf_ptr += KEY_SIZE;
 103             if (key_buf_ptr+KEY_SIZE >= key_buf_size)
 104             {
 105                 char *new_key_buf;
 106                 new_key_buf = xmalloc (key_buf_size + INP_BUF_ADD);
 107                 memcpy (new_key_buf, key_buf, key_buf_size);
 108                 key_buf_size += INP_BUF_ADD;
 109                 xfree (key_buf);
 110                 key_buf = new_key_buf;
 111             }
 112         }
 113         no_diffs++;
 114         nmemb = key_buf_ptr / KEY_SIZE;
 115         assert (nmemb*KEY_SIZE == key_buf_ptr);
 116         if ((info = dict_lookup (dict, cur_name)))
 117         {
 118             ISAM_P isam_p, isam_p2;
 119             logf (LOG_DEBUG, "updating %s", cur_name);
 120             no_updates++;
 121             memcpy (&isam_p, info+1, sizeof(ISAM_P));
 122             isam_p2 = is_merge (isam, isam_p, nmemb, key_buf);
 123             if (isam_p2 != isam_p)
 124                 dict_insert (dict, cur_name, sizeof(ISAM_P), &isam_p2);
 125         }
 126         else
 127         {
 128             ISAM_P isam_p;
 129             logf (LOG_DEBUG, "inserting %s", cur_name);
 130             no_insertions++;
 131             isam_p = is_merge (isam, 0, nmemb, key_buf);
 132             dict_insert (dict, cur_name, sizeof(ISAM_P), &isam_p);
 133         }
 134         memcpy (key_buf, next_key, KEY_SIZE);
 135         strcpy (cur_name, next_name);
 136     }
 137     fclose (inf);
 138     return 0;
 139 }
 140
 141 void key_input (const char *dict_fname, const char *isam_fname,
 142                 const char *key_fname, int cache)
 143 {
 144     Dict dict;
 145     ISAM isam;
 146
 147     dict = dict_open (dict_fname, cache, 1);
 148     if (!dict)
 149     {
 150         logf (LOG_FATAL, "dict_open fail of `%s'", dict_fname);
 151         exit (1);
 152     }
 153     isam = is_open (isam_fname, key_compare, 1, sizeof(struct it_key));
 154     if (!isam)
 155     {
 156         logf (LOG_FATAL, "is_open fail of `%s'", isam_fname);
 157         exit (1);
 158     }
 159     inp (dict, isam, key_fname);
 160     dict_close (dict);
 161     is_close (isam);
 162     logf (LOG_LOG, "Iterations . . .%7d", no_iterations);
 163     logf (LOG_LOG, "Distinct words .%7d", no_diffs);
 164     logf (LOG_LOG, "Updates. . . . .%7d", no_updates);
 165     logf (LOG_LOG, "Insertions . . .%7d", no_insertions);
 166 }
 167
 168
 169 struct key_file {
 170     int   no;            /* file no */
 171     off_t offset;        /* file offset */
 172     unsigned char *buf;  /* buffer block */
 173     size_t buf_size;     /* number of read bytes in block */
 174     size_t chunk;        /* number of bytes allocated */
 175     size_t buf_ptr;      /* current position in buffer */
 176     char *prev_name;     /* last word read */
 177 };
 178
 179 void key_file_chunk_read (struct key_file *f)
 180 {
 181     int nr = 0, r, fd;
 182     char fname[256];
 183     sprintf (fname, TEMP_FNAME, f->no);
 184     fd = open (fname, O_RDONLY);
 185     if (fd == -1)
 186     {
 187         logf (LOG_FATAL|LOG_ERRNO, "cannot open %s", fname);
 188         exit (1);
 189     }
 190     logf (LOG_LOG, "reading chunk from %s", fname);
 191     if (lseek (fd, f->offset, SEEK_SET) == -1)
 192     {
 193         logf (LOG_FATAL|LOG_ERRNO, "cannot seek %s", fname);
 194         exit (1);
 195     }
 196     while (f->chunk - nr > 0)
 197     {
 198         r = read (fd, f->buf + nr, f->chunk - nr);
 199         if (r <= 0)
 200             break;
 201         nr += r;
 202     }
 203     if (r == -1)
 204     {
 205         logf (LOG_FATAL|LOG_ERRNO, "read of %s", fname);
 206         exit (1);
 207     }
 208     f->buf_size = nr;
 209     f->buf_ptr = 0;
 210     close (fd);
 211 }
 212
 213 struct key_file *key_file_init (int no, int chunk)
 214 {
 215     struct key_file *f;
 216
 217     f = xmalloc (sizeof(*f));
 218     f->no = no;
 219     f->chunk = chunk;
 220     f->offset = 0;
 221     f->buf = xmalloc (f->chunk);
 222     f->prev_name = xmalloc (256);
 223     *f->prev_name = '\0';
 224     key_file_chunk_read (f);
 225     return f;
 226 }
 227
 228 int key_file_getc (struct key_file *f)
 229 {
 230     if (f->buf_ptr < f->buf_size)
 231         return f->buf[(f->buf_ptr)++];
 232     if (f->buf_size < f->chunk)
 233         return EOF;
 234     f->offset += f->buf_size;
 235     key_file_chunk_read (f);
 236     if (f->buf_ptr < f->buf_size)
 237         return f->buf[(f->buf_ptr)++];
 238     else
 239         return EOF;
 240 }
 241
 242 int key_file_read (struct key_file *f, char *key)
 243 {
 244     int i, j, c;
 245
 246     c = key_file_getc (f);
 247     if (c == 0)
 248     {
 249         strcpy (key, f->prev_name);
 250         i = 1+strlen (key);
 251     }
 252     else if (c == EOF)
 253         return 0;
 254     else
 255     {
 256         i = 0;
 257         key[i++] = c;
 258         while ((key[i++] = key_file_getc (f)))
 259             ;
 260         strcpy (f->prev_name, key);
 261     }
 262     for (j = KEY_SIZE; --j >= 0; )
 263         key[i++] = key_file_getc (f);
 264     return i;
 265 }
 266
 267 struct heap_info {
 268     struct {
 269         struct key_file **file;
 270         char   **buf;
 271     } info;
 272     int    heapnum;
 273     int    *ptr;
 274     int    (*cmp)(const void *p1, const void *p2);
 275 };
 276
 277 struct heap_info *key_heap_init (int nkeys,
 278                                  int (*cmp)(const void *p1, const void *p2))
 279 {
 280     struct heap_info *hi;
 281     int i;
 282
 283     hi = xmalloc (sizeof(*hi));
 284     hi->info.file = xmalloc (sizeof(*hi->info.file) * (1+nkeys));
 285     hi->info.buf = xmalloc (sizeof(*hi->info.buf) * (1+nkeys));
 286     hi->heapnum = 0;
 287     hi->ptr = xmalloc (sizeof(*hi->ptr) * (1+nkeys));
 288     hi->cmp = cmp;
 289     for (i = 0; i<= nkeys; i++)
 290     {
 291         hi->ptr[i] = i;
 292         hi->info.buf[i] = xmalloc (512);
 293     }
 294     return hi;
 295 }
 296
 297 static void key_heap_swap (struct heap_info *hi, int i1, int i2)
 298 {
 299     int swap;
 300
 301     swap = hi->ptr[i1];
 302     hi->ptr[i1] = hi->ptr[i2];
 303     hi->ptr[i2] = swap;
 304 }
 305
 306
 307 static void key_heap_delete (struct heap_info *hi)
 308 {
 309     int cur = 1, child = 2;
 310
 311     assert (hi->heapnum > 0);
 312
 313 #if 1
 314     key_heap_swap (hi, 1, hi->heapnum);
 315     hi->heapnum--;
 316 #else
 317     hi->ptr[1] = hi->ptr[hi->heapnum--];
 318 #endif
 319     while (child <= hi->heapnum) {
 320         if (child < hi->heapnum &&
 321             (*hi->cmp)(&hi->info.buf[hi->ptr[child]],
 322                        &hi->info.buf[hi->ptr[child+1]]) > 0)
 323             child++;
 324         if ((*hi->cmp)(&hi->info.buf[hi->ptr[cur]],
 325                        &hi->info.buf[hi->ptr[child]]) > 0)
 326         {
 327             key_heap_swap (hi, cur, child);
 328             cur = child;
 329             child = 2*cur;
 330         }
 331         else
 332             break;
 333     }
 334 }
 335
 336 static void key_heap_insert (struct heap_info *hi, const char *buf, int nbytes,
 337                              struct key_file *kf)
 338 {
 339     int cur, parent;
 340
 341     cur = ++(hi->heapnum);
 342     memcpy (hi->info.buf[hi->ptr[cur]], buf, nbytes);
 343     hi->info.file[hi->ptr[cur]] = kf;
 344
 345     parent = cur/2;
 346     while (parent && (*hi->cmp)(&hi->info.buf[hi->ptr[parent]],
 347                                 &hi->info.buf[hi->ptr[cur]]) > 0)
 348     {
 349         key_heap_swap (hi, cur, parent);
 350         cur = parent;
 351         parent = cur/2;
 352     }
 353 }
 354
 355 static int heap_read_one (struct heap_info *hi, char *name, char *key)
 356 {
 357     int n, r;
 358     char rbuf[512];
 359     struct key_file *kf;
 360
 361     if (!hi->heapnum)
 362         return 0;
 363     n = hi->ptr[1];
 364     strcpy (name, hi->info.buf[n]);
 365     kf = hi->info.file[n];
 366     r = strlen(name);
 367     memcpy (key, hi->info.buf[n] + r+1, KEY_SIZE);
 368     key_heap_delete (hi);
 369     if ((r = key_file_read (kf, rbuf)))
 370         key_heap_insert (hi, rbuf, r, kf);
 371     no_iterations++;
 372     return 1;
 373 }
 374
 375 int heap_inp (Dict dict, ISAM isam, struct heap_info *hi)
 376 {
 377     char *info;
 378     char next_name[INP_NAME_MAX+1];
 379     char cur_name[INP_NAME_MAX+1];
 380     int key_buf_size = INP_BUF_START;
 381     int key_buf_ptr;
 382     char *next_key;
 383     char *key_buf;
 384     int more;
 385
 386     next_key = xmalloc (KEY_SIZE);
 387     key_buf = xmalloc (key_buf_size * (KEY_SIZE));
 388     more = heap_read_one (hi, cur_name, key_buf);
 389     while (more)                   /* EOF ? */
 390     {
 391         int nmemb;
 392         key_buf_ptr = KEY_SIZE;
 393         while (1)
 394         {
 395             if (!(more = heap_read_one (hi, next_name, next_key)))
 396                 break;
 397             if (*next_name && strcmp (next_name, cur_name))
 398                 break;
 399             memcpy (key_buf + key_buf_ptr, next_key, KEY_SIZE);
 400             key_buf_ptr += KEY_SIZE;
 401             if (key_buf_ptr+KEY_SIZE >= key_buf_size)
 402             {
 403                 char *new_key_buf;
 404                 new_key_buf = xmalloc (key_buf_size + INP_BUF_ADD);
 405                 memcpy (new_key_buf, key_buf, key_buf_size);
 406                 key_buf_size += INP_BUF_ADD;
 407                 xfree (key_buf);
 408                 key_buf = new_key_buf;
 409             }
 410         }
 411         no_diffs++;
 412         nmemb = key_buf_ptr / KEY_SIZE;
 413         assert (nmemb*KEY_SIZE == key_buf_ptr);
 414         if ((info = dict_lookup (dict, cur_name)))
 415         {
 416             ISAM_P isam_p, isam_p2;
 417             logf (LOG_DEBUG, "updating %s", cur_name);
 418             no_updates++;
 419             memcpy (&isam_p, info+1, sizeof(ISAM_P));
 420             isam_p2 = is_merge (isam, isam_p, nmemb, key_buf);
 421             if (isam_p2 != isam_p)
 422                 dict_insert (dict, cur_name, sizeof(ISAM_P), &isam_p2);
 423         }
 424         else
 425         {
 426             ISAM_P isam_p;
 427             logf (LOG_DEBUG, "inserting %s", cur_name);
 428             no_insertions++;
 429             isam_p = is_merge (isam, 0, nmemb, key_buf);
 430             dict_insert (dict, cur_name, sizeof(ISAM_P), &isam_p);
 431         }
 432         memcpy (key_buf, next_key, KEY_SIZE);
 433         strcpy (cur_name, next_name);
 434     }
 435     return 0;
 436 }
 437
 438 void key_input2 (const char *dict_fname, const char *isam_fname,
 439                  int nkeys, int cache)
 440 {
 441     Dict dict;
 442     ISAM isam;
 443     struct key_file **kf;
 444     char rbuf[1024];
 445     int i, r;
 446     struct heap_info *hi;
 447
 448     dict = dict_open (dict_fname, cache, 1);
 449     if (!dict)
 450     {
 451         logf (LOG_FATAL, "dict_open fail of `%s'", dict_fname);
 452         exit (1);
 453     }
 454     isam = is_open (isam_fname, key_compare, 1, sizeof(struct it_key));
 455     if (!isam)
 456     {
 457         logf (LOG_FATAL, "is_open fail of `%s'", isam_fname);
 458         exit (1);
 459     }
 460
 461     kf = xmalloc ((1+nkeys) * sizeof(*kf));
 462     for (i = 1; i<=nkeys; i++)
 463         kf[i] = key_file_init (i, 32768);
 464
 465     hi = key_heap_init (nkeys, key_qsort_compare);
 466     for (i = 1; i<=nkeys; i++)
 467         if ((r = key_file_read (kf[i], rbuf)))
 468             key_heap_insert (hi, rbuf, r, kf[i]);
 469     heap_inp (dict, isam, hi);
 470
 471     dict_close (dict);
 472     is_close (isam);
 473
 474     logf (LOG_LOG, "Iterations . . .%7d", no_iterations);
 475     logf (LOG_LOG, "Distinct words .%7d", no_diffs);
 476     logf (LOG_LOG, "Updates. . . . .%7d", no_updates);
 477     logf (LOG_LOG, "Insertions . . .%7d", no_insertions);
 478 }
 479
 480