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