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