Merge branch 'maint'
[git] / xdiff / xprepare.c
1 /*
2  *  LibXDiff by Davide Libenzi ( File Differential Library )
3  *  Copyright (C) 2003  Davide Libenzi
4  *
5  *  This library is free software; you can redistribute it and/or
6  *  modify it under the terms of the GNU Lesser General Public
7  *  License as published by the Free Software Foundation; either
8  *  version 2.1 of the License, or (at your option) any later version.
9  *
10  *  This library is distributed in the hope that it will be useful,
11  *  but WITHOUT ANY WARRANTY; without even the implied warranty of
12  *  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
13  *  Lesser General Public License for more details.
14  *
15  *  You should have received a copy of the GNU Lesser General Public
16  *  License along with this library; if not, write to the Free Software
17  *  Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
18  *
19  *  Davide Libenzi <davidel@xmailserver.org>
20  *
21  */
22
23 #include "xinclude.h"
24
25
26 #define XDL_KPDIS_RUN 4
27 #define XDL_MAX_EQLIMIT 1024
28 #define XDL_SIMSCAN_WINDOW 100
29
30
31 typedef struct s_xdlclass {
32         struct s_xdlclass *next;
33         unsigned long ha;
34         char const *line;
35         long size;
36         long idx;
37 } xdlclass_t;
38
39 typedef struct s_xdlclassifier {
40         unsigned int hbits;
41         long hsize;
42         xdlclass_t **rchash;
43         chastore_t ncha;
44         long count;
45         long flags;
46 } xdlclassifier_t;
47
48
49
50
51 static int xdl_init_classifier(xdlclassifier_t *cf, long size, long flags);
52 static void xdl_free_classifier(xdlclassifier_t *cf);
53 static int xdl_classify_record(xdlclassifier_t *cf, xrecord_t **rhash, unsigned int hbits,
54                                xrecord_t *rec);
55 static int xdl_prepare_ctx(mmfile_t *mf, long narec, xpparam_t const *xpp,
56                            xdlclassifier_t *cf, xdfile_t *xdf);
57 static void xdl_free_ctx(xdfile_t *xdf);
58 static int xdl_clean_mmatch(char const *dis, long i, long s, long e);
59 static int xdl_cleanup_records(xdfile_t *xdf1, xdfile_t *xdf2);
60 static int xdl_trim_ends(xdfile_t *xdf1, xdfile_t *xdf2);
61 static int xdl_optimize_ctxs(xdfile_t *xdf1, xdfile_t *xdf2);
62
63
64
65
66 static int xdl_init_classifier(xdlclassifier_t *cf, long size, long flags) {
67         long i;
68
69         cf->flags = flags;
70
71         cf->hbits = xdl_hashbits((unsigned int) size);
72         cf->hsize = 1 << cf->hbits;
73
74         if (xdl_cha_init(&cf->ncha, sizeof(xdlclass_t), size / 4 + 1) < 0) {
75
76                 return -1;
77         }
78         if (!(cf->rchash = (xdlclass_t **) xdl_malloc(cf->hsize * sizeof(xdlclass_t *)))) {
79
80                 xdl_cha_free(&cf->ncha);
81                 return -1;
82         }
83         for (i = 0; i < cf->hsize; i++)
84                 cf->rchash[i] = NULL;
85
86         cf->count = 0;
87
88         return 0;
89 }
90
91
92 static void xdl_free_classifier(xdlclassifier_t *cf) {
93
94         xdl_free(cf->rchash);
95         xdl_cha_free(&cf->ncha);
96 }
97
98
99 static int xdl_classify_record(xdlclassifier_t *cf, xrecord_t **rhash, unsigned int hbits,
100                                xrecord_t *rec) {
101         long hi;
102         char const *line;
103         xdlclass_t *rcrec;
104
105         line = rec->ptr;
106         hi = (long) XDL_HASHLONG(rec->ha, cf->hbits);
107         for (rcrec = cf->rchash[hi]; rcrec; rcrec = rcrec->next)
108                 if (rcrec->ha == rec->ha &&
109                                 xdl_recmatch(rcrec->line, rcrec->size,
110                                         rec->ptr, rec->size, cf->flags))
111                         break;
112
113         if (!rcrec) {
114                 if (!(rcrec = xdl_cha_alloc(&cf->ncha))) {
115
116                         return -1;
117                 }
118                 rcrec->idx = cf->count++;
119                 rcrec->line = line;
120                 rcrec->size = rec->size;
121                 rcrec->ha = rec->ha;
122                 rcrec->next = cf->rchash[hi];
123                 cf->rchash[hi] = rcrec;
124         }
125
126         rec->ha = (unsigned long) rcrec->idx;
127
128         hi = (long) XDL_HASHLONG(rec->ha, hbits);
129         rec->next = rhash[hi];
130         rhash[hi] = rec;
131
132         return 0;
133 }
134
135
136 static int xdl_prepare_ctx(mmfile_t *mf, long narec, xpparam_t const *xpp,
137                            xdlclassifier_t *cf, xdfile_t *xdf) {
138         unsigned int hbits;
139         long i, nrec, hsize, bsize;
140         unsigned long hav;
141         char const *blk, *cur, *top, *prev;
142         xrecord_t *crec;
143         xrecord_t **recs, **rrecs;
144         xrecord_t **rhash;
145         unsigned long *ha;
146         char *rchg;
147         long *rindex;
148
149         if (xdl_cha_init(&xdf->rcha, sizeof(xrecord_t), narec / 4 + 1) < 0) {
150
151                 return -1;
152         }
153         if (!(recs = (xrecord_t **) xdl_malloc(narec * sizeof(xrecord_t *)))) {
154
155                 xdl_cha_free(&xdf->rcha);
156                 return -1;
157         }
158
159         hbits = xdl_hashbits((unsigned int) narec);
160         hsize = 1 << hbits;
161         if (!(rhash = (xrecord_t **) xdl_malloc(hsize * sizeof(xrecord_t *)))) {
162
163                 xdl_free(recs);
164                 xdl_cha_free(&xdf->rcha);
165                 return -1;
166         }
167         for (i = 0; i < hsize; i++)
168                 rhash[i] = NULL;
169
170         nrec = 0;
171         if ((cur = blk = xdl_mmfile_first(mf, &bsize)) != NULL) {
172                 for (top = blk + bsize;;) {
173                         if (cur >= top) {
174                                 if (!(cur = blk = xdl_mmfile_next(mf, &bsize)))
175                                         break;
176                                 top = blk + bsize;
177                         }
178                         prev = cur;
179                         hav = xdl_hash_record(&cur, top, xpp->flags);
180                         if (nrec >= narec) {
181                                 narec *= 2;
182                                 if (!(rrecs = (xrecord_t **) xdl_realloc(recs, narec * sizeof(xrecord_t *)))) {
183
184                                         xdl_free(rhash);
185                                         xdl_free(recs);
186                                         xdl_cha_free(&xdf->rcha);
187                                         return -1;
188                                 }
189                                 recs = rrecs;
190                         }
191                         if (!(crec = xdl_cha_alloc(&xdf->rcha))) {
192
193                                 xdl_free(rhash);
194                                 xdl_free(recs);
195                                 xdl_cha_free(&xdf->rcha);
196                                 return -1;
197                         }
198                         crec->ptr = prev;
199                         crec->size = (long) (cur - prev);
200                         crec->ha = hav;
201                         recs[nrec++] = crec;
202
203                         if (xdl_classify_record(cf, rhash, hbits, crec) < 0) {
204
205                                 xdl_free(rhash);
206                                 xdl_free(recs);
207                                 xdl_cha_free(&xdf->rcha);
208                                 return -1;
209                         }
210                 }
211         }
212
213         if (!(rchg = (char *) xdl_malloc((nrec + 2) * sizeof(char)))) {
214
215                 xdl_free(rhash);
216                 xdl_free(recs);
217                 xdl_cha_free(&xdf->rcha);
218                 return -1;
219         }
220         memset(rchg, 0, (nrec + 2) * sizeof(char));
221
222         if (!(rindex = (long *) xdl_malloc((nrec + 1) * sizeof(long)))) {
223
224                 xdl_free(rchg);
225                 xdl_free(rhash);
226                 xdl_free(recs);
227                 xdl_cha_free(&xdf->rcha);
228                 return -1;
229         }
230         if (!(ha = (unsigned long *) xdl_malloc((nrec + 1) * sizeof(unsigned long)))) {
231
232                 xdl_free(rindex);
233                 xdl_free(rchg);
234                 xdl_free(rhash);
235                 xdl_free(recs);
236                 xdl_cha_free(&xdf->rcha);
237                 return -1;
238         }
239
240         xdf->nrec = nrec;
241         xdf->recs = recs;
242         xdf->hbits = hbits;
243         xdf->rhash = rhash;
244         xdf->rchg = rchg + 1;
245         xdf->rindex = rindex;
246         xdf->nreff = 0;
247         xdf->ha = ha;
248         xdf->dstart = 0;
249         xdf->dend = nrec - 1;
250
251         return 0;
252 }
253
254
255 static void xdl_free_ctx(xdfile_t *xdf) {
256
257         xdl_free(xdf->rhash);
258         xdl_free(xdf->rindex);
259         xdl_free(xdf->rchg - 1);
260         xdl_free(xdf->ha);
261         xdl_free(xdf->recs);
262         xdl_cha_free(&xdf->rcha);
263 }
264
265
266 int xdl_prepare_env(mmfile_t *mf1, mmfile_t *mf2, xpparam_t const *xpp,
267                     xdfenv_t *xe) {
268         long enl1, enl2;
269         xdlclassifier_t cf;
270
271         enl1 = xdl_guess_lines(mf1) + 1;
272         enl2 = xdl_guess_lines(mf2) + 1;
273
274         if (xdl_init_classifier(&cf, enl1 + enl2 + 1, xpp->flags) < 0) {
275
276                 return -1;
277         }
278
279         if (xdl_prepare_ctx(mf1, enl1, xpp, &cf, &xe->xdf1) < 0) {
280
281                 xdl_free_classifier(&cf);
282                 return -1;
283         }
284         if (xdl_prepare_ctx(mf2, enl2, xpp, &cf, &xe->xdf2) < 0) {
285
286                 xdl_free_ctx(&xe->xdf1);
287                 xdl_free_classifier(&cf);
288                 return -1;
289         }
290
291         xdl_free_classifier(&cf);
292
293         if (!(xpp->flags & XDF_PATIENCE_DIFF) &&
294                         xdl_optimize_ctxs(&xe->xdf1, &xe->xdf2) < 0) {
295
296                 xdl_free_ctx(&xe->xdf2);
297                 xdl_free_ctx(&xe->xdf1);
298                 return -1;
299         }
300
301         return 0;
302 }
303
304
305 void xdl_free_env(xdfenv_t *xe) {
306
307         xdl_free_ctx(&xe->xdf2);
308         xdl_free_ctx(&xe->xdf1);
309 }
310
311
312 static int xdl_clean_mmatch(char const *dis, long i, long s, long e) {
313         long r, rdis0, rpdis0, rdis1, rpdis1;
314
315         /*
316          * Limits the window the is examined during the similar-lines
317          * scan. The loops below stops when dis[i - r] == 1 (line that
318          * has no match), but there are corner cases where the loop
319          * proceed all the way to the extremities by causing huge
320          * performance penalties in case of big files.
321          */
322         if (i - s > XDL_SIMSCAN_WINDOW)
323                 s = i - XDL_SIMSCAN_WINDOW;
324         if (e - i > XDL_SIMSCAN_WINDOW)
325                 e = i + XDL_SIMSCAN_WINDOW;
326
327         /*
328          * Scans the lines before 'i' to find a run of lines that either
329          * have no match (dis[j] == 0) or have multiple matches (dis[j] > 1).
330          * Note that we always call this function with dis[i] > 1, so the
331          * current line (i) is already a multimatch line.
332          */
333         for (r = 1, rdis0 = 0, rpdis0 = 1; (i - r) >= s; r++) {
334                 if (!dis[i - r])
335                         rdis0++;
336                 else if (dis[i - r] == 2)
337                         rpdis0++;
338                 else
339                         break;
340         }
341         /*
342          * If the run before the line 'i' found only multimatch lines, we
343          * return 0 and hence we don't make the current line (i) discarded.
344          * We want to discard multimatch lines only when they appear in the
345          * middle of runs with nomatch lines (dis[j] == 0).
346          */
347         if (rdis0 == 0)
348                 return 0;
349         for (r = 1, rdis1 = 0, rpdis1 = 1; (i + r) <= e; r++) {
350                 if (!dis[i + r])
351                         rdis1++;
352                 else if (dis[i + r] == 2)
353                         rpdis1++;
354                 else
355                         break;
356         }
357         /*
358          * If the run after the line 'i' found only multimatch lines, we
359          * return 0 and hence we don't make the current line (i) discarded.
360          */
361         if (rdis1 == 0)
362                 return 0;
363         rdis1 += rdis0;
364         rpdis1 += rpdis0;
365
366         return rpdis1 * XDL_KPDIS_RUN < (rpdis1 + rdis1);
367 }
368
369
370 /*
371  * Try to reduce the problem complexity, discard records that have no
372  * matches on the other file. Also, lines that have multiple matches
373  * might be potentially discarded if they happear in a run of discardable.
374  */
375 static int xdl_cleanup_records(xdfile_t *xdf1, xdfile_t *xdf2) {
376         long i, nm, rhi, nreff, mlim;
377         unsigned long hav;
378         xrecord_t **recs;
379         xrecord_t *rec;
380         char *dis, *dis1, *dis2;
381
382         if (!(dis = (char *) xdl_malloc(xdf1->nrec + xdf2->nrec + 2))) {
383
384                 return -1;
385         }
386         memset(dis, 0, xdf1->nrec + xdf2->nrec + 2);
387         dis1 = dis;
388         dis2 = dis1 + xdf1->nrec + 1;
389
390         if ((mlim = xdl_bogosqrt(xdf1->nrec)) > XDL_MAX_EQLIMIT)
391                 mlim = XDL_MAX_EQLIMIT;
392         for (i = xdf1->dstart, recs = &xdf1->recs[xdf1->dstart]; i <= xdf1->dend; i++, recs++) {
393                 hav = (*recs)->ha;
394                 rhi = (long) XDL_HASHLONG(hav, xdf2->hbits);
395                 for (nm = 0, rec = xdf2->rhash[rhi]; rec; rec = rec->next)
396                         if (rec->ha == hav && ++nm == mlim)
397                                 break;
398                 dis1[i] = (nm == 0) ? 0: (nm >= mlim) ? 2: 1;
399         }
400
401         if ((mlim = xdl_bogosqrt(xdf2->nrec)) > XDL_MAX_EQLIMIT)
402                 mlim = XDL_MAX_EQLIMIT;
403         for (i = xdf2->dstart, recs = &xdf2->recs[xdf2->dstart]; i <= xdf2->dend; i++, recs++) {
404                 hav = (*recs)->ha;
405                 rhi = (long) XDL_HASHLONG(hav, xdf1->hbits);
406                 for (nm = 0, rec = xdf1->rhash[rhi]; rec; rec = rec->next)
407                         if (rec->ha == hav && ++nm == mlim)
408                                 break;
409                 dis2[i] = (nm == 0) ? 0: (nm >= mlim) ? 2: 1;
410         }
411
412         for (nreff = 0, i = xdf1->dstart, recs = &xdf1->recs[xdf1->dstart];
413              i <= xdf1->dend; i++, recs++) {
414                 if (dis1[i] == 1 ||
415                     (dis1[i] == 2 && !xdl_clean_mmatch(dis1, i, xdf1->dstart, xdf1->dend))) {
416                         xdf1->rindex[nreff] = i;
417                         xdf1->ha[nreff] = (*recs)->ha;
418                         nreff++;
419                 } else
420                         xdf1->rchg[i] = 1;
421         }
422         xdf1->nreff = nreff;
423
424         for (nreff = 0, i = xdf2->dstart, recs = &xdf2->recs[xdf2->dstart];
425              i <= xdf2->dend; i++, recs++) {
426                 if (dis2[i] == 1 ||
427                     (dis2[i] == 2 && !xdl_clean_mmatch(dis2, i, xdf2->dstart, xdf2->dend))) {
428                         xdf2->rindex[nreff] = i;
429                         xdf2->ha[nreff] = (*recs)->ha;
430                         nreff++;
431                 } else
432                         xdf2->rchg[i] = 1;
433         }
434         xdf2->nreff = nreff;
435
436         xdl_free(dis);
437
438         return 0;
439 }
440
441
442 /*
443  * Early trim initial and terminal matching records.
444  */
445 static int xdl_trim_ends(xdfile_t *xdf1, xdfile_t *xdf2) {
446         long i, lim;
447         xrecord_t **recs1, **recs2;
448
449         recs1 = xdf1->recs;
450         recs2 = xdf2->recs;
451         for (i = 0, lim = XDL_MIN(xdf1->nrec, xdf2->nrec); i < lim;
452              i++, recs1++, recs2++)
453                 if ((*recs1)->ha != (*recs2)->ha)
454                         break;
455
456         xdf1->dstart = xdf2->dstart = i;
457
458         recs1 = xdf1->recs + xdf1->nrec - 1;
459         recs2 = xdf2->recs + xdf2->nrec - 1;
460         for (lim -= i, i = 0; i < lim; i++, recs1--, recs2--)
461                 if ((*recs1)->ha != (*recs2)->ha)
462                         break;
463
464         xdf1->dend = xdf1->nrec - i - 1;
465         xdf2->dend = xdf2->nrec - i - 1;
466
467         return 0;
468 }
469
470
471 static int xdl_optimize_ctxs(xdfile_t *xdf1, xdfile_t *xdf2) {
472
473         if (xdl_trim_ends(xdf1, xdf2) < 0 ||
474             xdl_cleanup_records(xdf1, xdf2) < 0) {
475
476                 return -1;
477         }
478
479         return 0;
480 }