t4015: avoid git as a pipe input
[git] / hashmap.h
1 #ifndef HASHMAP_H
2 #define HASHMAP_H
3
4 /*
5  * Generic implementation of hash-based key-value mappings.
6  *
7  * An example that maps long to a string:
8  * For the sake of the example this allows to lookup exact values, too
9  * (i.e. it is operated as a set, the value is part of the key)
10  * -------------------------------------
11  *
12  * struct hashmap map;
13  * struct long2string {
14  *     struct hashmap_entry ent; // must be the first member!
15  *     long key;
16  *     char value[FLEX_ARRAY];   // be careful with allocating on stack!
17  * };
18  *
19  * #define COMPARE_VALUE 1
20  *
21  * static int long2string_cmp(const void *hashmap_cmp_fn_data,
22  *                            const struct long2string *e1,
23  *                            const struct long2string *e2,
24  *                            const void *keydata)
25  * {
26  *     const char *string = keydata;
27  *     unsigned flags = *(unsigned *)hashmap_cmp_fn_data;
28  *
29  *     if (flags & COMPARE_VALUE)
30  *         return e1->key != e2->key ||
31  *                  strcmp(e1->value, string ? string : e2->value);
32  *     else
33  *         return e1->key != e2->key;
34  * }
35  *
36  * int main(int argc, char **argv)
37  * {
38  *     long key;
39  *     char value[255], action[32];
40  *     unsigned flags = 0;
41  *
42  *     hashmap_init(&map, (hashmap_cmp_fn) long2string_cmp, &flags, 0);
43  *
44  *     while (scanf("%s %ld %s", action, &key, value)) {
45  *
46  *         if (!strcmp("add", action)) {
47  *             struct long2string *e;
48  *             FLEX_ALLOC_STR(e, value, value);
49  *             hashmap_entry_init(e, memhash(&key, sizeof(long)));
50  *             e->key = key;
51  *             hashmap_add(&map, e);
52  *         }
53  *
54  *         if (!strcmp("print_all_by_key", action)) {
55  *             struct long2string k, *e;
56  *             hashmap_entry_init(&k, memhash(&key, sizeof(long)));
57  *             k.key = key;
58  *
59  *             flags &= ~COMPARE_VALUE;
60  *             e = hashmap_get(&map, &k, NULL);
61  *             if (e) {
62  *                 printf("first: %ld %s\n", e->key, e->value);
63  *                 while ((e = hashmap_get_next(&map, e)))
64  *                     printf("found more: %ld %s\n", e->key, e->value);
65  *             }
66  *         }
67  *
68  *         if (!strcmp("has_exact_match", action)) {
69  *             struct long2string *e;
70  *             FLEX_ALLOC_STR(e, value, value);
71  *             hashmap_entry_init(e, memhash(&key, sizeof(long)));
72  *             e->key = key;
73  *
74  *             flags |= COMPARE_VALUE;
75  *             printf("%sfound\n", hashmap_get(&map, e, NULL) ? "" : "not ");
76  *             free(e);
77  *         }
78  *
79  *         if (!strcmp("has_exact_match_no_heap_alloc", action)) {
80  *             struct long2string k;
81  *             hashmap_entry_init(&k, memhash(&key, sizeof(long)));
82  *             k.key = key;
83  *
84  *             flags |= COMPARE_VALUE;
85  *             printf("%sfound\n", hashmap_get(&map, &k, value) ? "" : "not ");
86  *         }
87  *
88  *         if (!strcmp("end", action)) {
89  *             hashmap_free(&map, 1);
90  *             break;
91  *         }
92  *     }
93  *
94  *     return 0;
95  * }
96  */
97
98 /*
99  * Ready-to-use hash functions for strings, using the FNV-1 algorithm (see
100  * http://www.isthe.com/chongo/tech/comp/fnv).
101  * `strhash` and `strihash` take 0-terminated strings, while `memhash` and
102  * `memihash` operate on arbitrary-length memory.
103  * `strihash` and `memihash` are case insensitive versions.
104  * `memihash_cont` is a variant of `memihash` that allows a computation to be
105  * continued with another chunk of data.
106  */
107 extern unsigned int strhash(const char *buf);
108 extern unsigned int strihash(const char *buf);
109 extern unsigned int memhash(const void *buf, size_t len);
110 extern unsigned int memihash(const void *buf, size_t len);
111 extern unsigned int memihash_cont(unsigned int hash_seed, const void *buf, size_t len);
112
113 /*
114  * Converts a cryptographic hash (e.g. SHA-1) into an int-sized hash code
115  * for use in hash tables. Cryptographic hashes are supposed to have
116  * uniform distribution, so in contrast to `memhash()`, this just copies
117  * the first `sizeof(int)` bytes without shuffling any bits. Note that
118  * the results will be different on big-endian and little-endian
119  * platforms, so they should not be stored or transferred over the net.
120  */
121 static inline unsigned int sha1hash(const unsigned char *sha1)
122 {
123         /*
124          * Equivalent to 'return *(unsigned int *)sha1;', but safe on
125          * platforms that don't support unaligned reads.
126          */
127         unsigned int hash;
128         memcpy(&hash, sha1, sizeof(hash));
129         return hash;
130 }
131
132 /*
133  * struct hashmap_entry is an opaque structure representing an entry in the
134  * hash table, which must be used as first member of user data structures.
135  * Ideally it should be followed by an int-sized member to prevent unused
136  * memory on 64-bit systems due to alignment.
137  */
138 struct hashmap_entry {
139         /*
140          * next points to the next entry in case of collisions (i.e. if
141          * multiple entries map to the same bucket)
142          */
143         struct hashmap_entry *next;
144
145         /* entry's hash code */
146         unsigned int hash;
147 };
148
149 /*
150  * User-supplied function to test two hashmap entries for equality. Shall
151  * return 0 if the entries are equal.
152  *
153  * This function is always called with non-NULL `entry` and `entry_or_key`
154  * parameters that have the same hash code.
155  *
156  * When looking up an entry, the `key` and `keydata` parameters to hashmap_get
157  * and hashmap_remove are always passed as second `entry_or_key` and third
158  * argument `keydata`, respectively. Otherwise, `keydata` is NULL.
159  *
160  * When it is too expensive to allocate a user entry (either because it is
161  * large or varialbe sized, such that it is not on the stack), then the
162  * relevant data to check for equality should be passed via `keydata`.
163  * In this case `key` can be a stripped down version of the user key data
164  * or even just a hashmap_entry having the correct hash.
165  *
166  * The `hashmap_cmp_fn_data` entry is the pointer given in the init function.
167  */
168 typedef int (*hashmap_cmp_fn)(const void *hashmap_cmp_fn_data,
169                               const void *entry, const void *entry_or_key,
170                               const void *keydata);
171
172 /*
173  * struct hashmap is the hash table structure. Members can be used as follows,
174  * but should not be modified directly.
175  */
176 struct hashmap {
177         struct hashmap_entry **table;
178
179         /* Stores the comparison function specified in `hashmap_init()`. */
180         hashmap_cmp_fn cmpfn;
181         const void *cmpfn_data;
182
183         /* total number of entries (0 means the hashmap is empty) */
184         unsigned int private_size; /* use hashmap_get_size() */
185
186         /*
187          * tablesize is the allocated size of the hash table. A non-0 value
188          * indicates that the hashmap is initialized. It may also be useful
189          * for statistical purposes (i.e. `size / tablesize` is the current
190          * load factor).
191          */
192         unsigned int tablesize;
193
194         unsigned int grow_at;
195         unsigned int shrink_at;
196
197         unsigned int do_count_items : 1;
198 };
199
200 /* hashmap functions */
201
202 /*
203  * Initializes a hashmap structure.
204  *
205  * `map` is the hashmap to initialize.
206  *
207  * The `equals_function` can be specified to compare two entries for equality.
208  * If NULL, entries are considered equal if their hash codes are equal.
209  *
210  * The `equals_function_data` parameter can be used to provide additional data
211  * (a callback cookie) that will be passed to `equals_function` each time it
212  * is called. This allows a single `equals_function` to implement multiple
213  * comparison functions.
214  *
215  * If the total number of entries is known in advance, the `initial_size`
216  * parameter may be used to preallocate a sufficiently large table and thus
217  * prevent expensive resizing. If 0, the table is dynamically resized.
218  */
219 extern void hashmap_init(struct hashmap *map,
220                          hashmap_cmp_fn equals_function,
221                          const void *equals_function_data,
222                          size_t initial_size);
223
224 /*
225  * Frees a hashmap structure and allocated memory.
226  *
227  * If `free_entries` is true, each hashmap_entry in the map is freed as well
228  * using stdlibs free().
229  */
230 extern void hashmap_free(struct hashmap *map, int free_entries);
231
232 /* hashmap_entry functions */
233
234 /*
235  * Initializes a hashmap_entry structure.
236  *
237  * `entry` points to the entry to initialize.
238  * `hash` is the hash code of the entry.
239  *
240  * The hashmap_entry structure does not hold references to external resources,
241  * and it is safe to just discard it once you are done with it (i.e. if
242  * your structure was allocated with xmalloc(), you can just free(3) it,
243  * and if it is on stack, you can just let it go out of scope).
244  */
245 static inline void hashmap_entry_init(void *entry, unsigned int hash)
246 {
247         struct hashmap_entry *e = entry;
248         e->hash = hash;
249         e->next = NULL;
250 }
251
252 /*
253  * Return the number of items in the map.
254  */
255 static inline unsigned int hashmap_get_size(struct hashmap *map)
256 {
257         if (map->do_count_items)
258                 return map->private_size;
259
260         BUG("hashmap_get_size: size not set");
261         return 0;
262 }
263
264 /*
265  * Returns the hashmap entry for the specified key, or NULL if not found.
266  *
267  * `map` is the hashmap structure.
268  *
269  * `key` is a user data structure that starts with hashmap_entry that has at
270  * least been initialized with the proper hash code (via `hashmap_entry_init`).
271  *
272  * `keydata` is a data structure that holds just enough information to check
273  * for equality to a given entry.
274  *
275  * If the key data is variable-sized (e.g. a FLEX_ARRAY string) or quite large,
276  * it is undesirable to create a full-fledged entry structure on the heap and
277  * copy all the key data into the structure.
278  *
279  * In this case, the `keydata` parameter can be used to pass
280  * variable-sized key data directly to the comparison function, and the `key`
281  * parameter can be a stripped-down, fixed size entry structure allocated on the
282  * stack.
283  *
284  * If an entry with matching hash code is found, `key` and `keydata` are passed
285  * to `hashmap_cmp_fn` to decide whether the entry matches the key.
286  */
287 extern void *hashmap_get(const struct hashmap *map, const void *key,
288                          const void *keydata);
289
290 /*
291  * Returns the hashmap entry for the specified hash code and key data,
292  * or NULL if not found.
293  *
294  * `map` is the hashmap structure.
295  * `hash` is the hash code of the entry to look up.
296  *
297  * If an entry with matching hash code is found, `keydata` is passed to
298  * `hashmap_cmp_fn` to decide whether the entry matches the key. The
299  * `entry_or_key` parameter of `hashmap_cmp_fn` points to a hashmap_entry
300  * structure that should not be used in the comparison.
301  */
302 static inline void *hashmap_get_from_hash(const struct hashmap *map,
303                                           unsigned int hash,
304                                           const void *keydata)
305 {
306         struct hashmap_entry key;
307         hashmap_entry_init(&key, hash);
308         return hashmap_get(map, &key, keydata);
309 }
310
311 /*
312  * Returns the next equal hashmap entry, or NULL if not found. This can be
313  * used to iterate over duplicate entries (see `hashmap_add`).
314  *
315  * `map` is the hashmap structure.
316  * `entry` is the hashmap_entry to start the search from, obtained via a previous
317  * call to `hashmap_get` or `hashmap_get_next`.
318  */
319 extern void *hashmap_get_next(const struct hashmap *map, const void *entry);
320
321 /*
322  * Adds a hashmap entry. This allows to add duplicate entries (i.e.
323  * separate values with the same key according to hashmap_cmp_fn).
324  *
325  * `map` is the hashmap structure.
326  * `entry` is the entry to add.
327  */
328 extern void hashmap_add(struct hashmap *map, void *entry);
329
330 /*
331  * Adds or replaces a hashmap entry. If the hashmap contains duplicate
332  * entries equal to the specified entry, only one of them will be replaced.
333  *
334  * `map` is the hashmap structure.
335  * `entry` is the entry to add or replace.
336  * Returns the replaced entry, or NULL if not found (i.e. the entry was added).
337  */
338 extern void *hashmap_put(struct hashmap *map, void *entry);
339
340 /*
341  * Removes a hashmap entry matching the specified key. If the hashmap contains
342  * duplicate entries equal to the specified key, only one of them will be
343  * removed. Returns the removed entry, or NULL if not found.
344  *
345  * Argument explanation is the same as in `hashmap_get`.
346  */
347 extern void *hashmap_remove(struct hashmap *map, const void *key,
348                 const void *keydata);
349
350 /*
351  * Returns the `bucket` an entry is stored in.
352  * Useful for multithreaded read access.
353  */
354 int hashmap_bucket(const struct hashmap *map, unsigned int hash);
355
356 /*
357  * Used to iterate over all entries of a hashmap. Note that it is
358  * not safe to add or remove entries to the hashmap while
359  * iterating.
360  */
361 struct hashmap_iter {
362         struct hashmap *map;
363         struct hashmap_entry *next;
364         unsigned int tablepos;
365 };
366
367 /* Initializes a `hashmap_iter` structure. */
368 extern void hashmap_iter_init(struct hashmap *map, struct hashmap_iter *iter);
369
370 /* Returns the next hashmap_entry, or NULL if there are no more entries. */
371 extern void *hashmap_iter_next(struct hashmap_iter *iter);
372
373 /* Initializes the iterator and returns the first entry, if any. */
374 static inline void *hashmap_iter_first(struct hashmap *map,
375                 struct hashmap_iter *iter)
376 {
377         hashmap_iter_init(map, iter);
378         return hashmap_iter_next(iter);
379 }
380
381 /*
382  * Disable item counting and automatic rehashing when adding/removing items.
383  *
384  * Normally, the hashmap keeps track of the number of items in the map
385  * and uses it to dynamically resize it.  This (both the counting and
386  * the resizing) can cause problems when the map is being used by
387  * threaded callers (because the hashmap code does not know about the
388  * locking strategy used by the threaded callers and therefore, does
389  * not know how to protect the "private_size" counter).
390  */
391 static inline void hashmap_disable_item_counting(struct hashmap *map)
392 {
393         map->do_count_items = 0;
394 }
395
396 /*
397  * Re-enable item couting when adding/removing items.
398  * If counting is currently disabled, it will force count them.
399  * It WILL NOT automatically rehash them.
400  */
401 static inline void hashmap_enable_item_counting(struct hashmap *map)
402 {
403         unsigned int n = 0;
404         struct hashmap_iter iter;
405
406         if (map->do_count_items)
407                 return;
408
409         hashmap_iter_init(map, &iter);
410         while (hashmap_iter_next(&iter))
411                 n++;
412
413         map->do_count_items = 1;
414         map->private_size = n;
415 }
416
417 /* String interning */
418
419 /*
420  * Returns the unique, interned version of the specified string or data,
421  * similar to the `String.intern` API in Java and .NET, respectively.
422  * Interned strings remain valid for the entire lifetime of the process.
423  *
424  * Can be used as `[x]strdup()` or `xmemdupz` replacement, except that interned
425  * strings / data must not be modified or freed.
426  *
427  * Interned strings are best used for short strings with high probability of
428  * duplicates.
429  *
430  * Uses a hashmap to store the pool of interned strings.
431  */
432 extern const void *memintern(const void *data, size_t len);
433 static inline const char *strintern(const char *string)
434 {
435         return memintern(string, strlen(string));
436 }
437
438 #endif