git.sesse.net Git - plocate/blob - plocate.cpp

   1 #include <stdio.h>
   2 #include <string.h>
   3 #include <algorithm>
   4 #include <unordered_map>
   5 #include <string>
   6 #include <vector>
   7 #include <chrono>
   8 #include <unistd.h>
   9 #include <fcntl.h>
  10 #include <sys/mman.h>
  11 #include <arpa/inet.h>
  12 #include <endian.h>
  13
  14 #include "vp4.h"
  15
  16 #define P4NENC_BOUND(n) ((n+127)/128+(n+32)*sizeof(uint32_t))
  17
  18 using namespace std;
  19 using namespace std::chrono;
  20
  21 #define dprintf(...)
  22 //#define dprintf(...) fprintf(stderr, __VA_ARGS__);
  23
  24 static inline uint32_t read_unigram(const string &s, size_t idx)
  25 {
  26         if (idx < s.size()) {
  27                 return (unsigned char)s[idx];
  28         } else {
  29                 return 0;
  30         }
  31 }
  32
  33 static inline uint32_t read_trigram(const string &s, size_t start)
  34 {
  35         return read_unigram(s, start) |
  36                 (read_unigram(s, start + 1) << 8) |
  37                 (read_unigram(s, start + 2) << 16);
  38 }
  39
  40 bool has_access(const char *filename, unordered_map<string, bool> *access_rx_cache)
  41 {
  42         const char *end = strchr(filename + 1, '/');
  43         while (end != nullptr) {
  44                 string parent_path(filename, end);
  45                 auto it = access_rx_cache->find(parent_path);
  46                 bool ok;
  47                 if (it == access_rx_cache->end()) {
  48                         ok = access(parent_path.c_str(), R_OK | X_OK) == 0;
  49                         access_rx_cache->emplace(move(parent_path), ok);
  50                 } else {
  51                         ok = it->second;
  52                 }
  53                 if (!ok) {
  54                         return false;
  55                 }
  56                 end = strchr(end + 1, '/');
  57         }
  58
  59 #if 0
  60         // Check for rx first in the cache; if that isn't true, check R_OK uncached.
  61         // This is roughly the same thing as mlocate does.
  62         auto it = access_rx_cache->find(filename);
  63         if (it != access_rx_cache->end() && it->second) {
  64                 return true;
  65         }
  66
  67         return access(filename, R_OK) == 0;
  68 #endif
  69         return true;
  70 }
  71
  72 struct Trigram {
  73         uint32_t trgm;
  74         uint32_t num_docids;
  75         uint64_t offset;
  76 };
  77
  78 void do_search_file(const string &needle, const char *filename)
  79 {
  80         int fd = open(filename, O_RDONLY);
  81         if (fd == -1) {
  82                 perror(filename);
  83                 exit(1);
  84         }
  85
  86         // Drop privileges.
  87         if (setgid(getgid()) != 0) {
  88                 perror("setgid");
  89                 exit(EXIT_FAILURE);
  90         }
  91
  92         //steady_clock::time_point start = steady_clock::now();
  93         if (access("/", R_OK | X_OK)) {
  94                 // We can't find anything, no need to bother...
  95                 return;
  96         }
  97
  98         off_t len = lseek(fd, 0, SEEK_END);
  99         if (len == -1) {
 100                 perror("lseek");
 101                 exit(1);
 102         }
 103         const char *data = (char *)mmap(nullptr, len, PROT_READ, MAP_SHARED, fd, /*offset=*/0);
 104         if (data == MAP_FAILED) {
 105                 perror("mmap");
 106                 exit(1);
 107         }
 108         uint64_t num_trigrams = *(const uint64_t *)data;
 109         uint64_t filename_index_offset = *(const uint64_t *)(data + sizeof(uint64_t));
 110
 111         const Trigram *trgm_begin = (Trigram *)(data + sizeof(uint64_t) * 2);
 112         const Trigram *trgm_end = trgm_begin + num_trigrams;
 113
 114         vector<const Trigram *> trigrams;
 115         for (size_t i = 0; i < needle.size() - 2; ++i) {
 116                 uint32_t trgm = read_trigram(needle, i);
 117                 const Trigram *trgmptr = lower_bound(trgm_begin, trgm_end, trgm, [](const Trigram &trgm, uint32_t t) {
 118                         return trgm.trgm < t;
 119                 });
 120                 if (trgmptr == trgm_end || trgmptr->trgm != trgm) {
 121                         dprintf("trigram %06x isn't found, we abort the search\n", trgm);
 122                         munmap((void *)data, len);
 123                         close(fd);
 124                         return;
 125                 }
 126                 trigrams.push_back(trgmptr);
 127         }
 128         sort(trigrams.begin(), trigrams.end());
 129         {
 130                 auto last = unique(trigrams.begin(), trigrams.end());
 131                 trigrams.erase(last, trigrams.end());
 132         }
 133         sort(trigrams.begin(), trigrams.end(), [&](const Trigram *a, const Trigram *b) {
 134                 return a->num_docids < b->num_docids;
 135         });
 136
 137         vector<uint32_t> in1, in2, out;
 138         for (const Trigram *trgmptr : trigrams) {
 139                 //uint32_t trgm = trgmptr->trgm;
 140                 size_t num = trgmptr->num_docids;
 141                 unsigned char *pldata = (unsigned char *)(data + trgmptr->offset);
 142                 if (in1.empty()) {
 143                         in1.resize(num + 128);
 144                         p4nd1dec128v32((unsigned char *)pldata, num, &in1[0]);
 145                         in1.resize(num);
 146                         dprintf("trigram '%c%c%c' decoded to %zu entries\n", trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num);
 147                 } else {
 148                         if (num > in1.size() * 100) {
 149                                 dprintf("trigram '%c%c%c' has %zu entries, ignoring the rest (will weed out false positives later)\n",
 150                                         trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num);
 151                                 break;
 152                         }
 153
 154                         if (in2.size() < num + 128) {
 155                                 in2.resize(num + 128);
 156                         }
 157                         p4nd1dec128v32((unsigned char *)pldata, num, &in2[0]);
 158
 159                         out.clear();
 160                         set_intersection(in1.begin(), in1.end(), in2.begin(), in2.begin() + num, back_inserter(out));
 161                         swap(in1, out);
 162                         dprintf("trigram '%c%c%c' decoded to %zu entries, %zu left\n", trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num, in1.size());
 163                         if (in1.empty()) {
 164                                 dprintf("no matches (intersection list is empty)\n");
 165                                 break;
 166                         }
 167                 }
 168         }
 169         steady_clock::time_point end = steady_clock::now();
 170
 171         dprintf("Intersection took %.1f ms. Doing final verification and printing:\n",
 172                 1e3 * duration<float>(end - start).count());
 173
 174         unordered_map<string, bool> access_rx_cache;
 175
 176         const uint64_t *filename_offsets = (const uint64_t *)(data + filename_index_offset);
 177         int matched = 0;
 178         for (uint32_t docid : in1) {
 179                 const char *filename = (const char *)(data + filename_offsets[docid]);
 180                 if (strstr(filename, needle.c_str()) == nullptr) {
 181                         continue;
 182                 }
 183                 if (has_access(filename, &access_rx_cache)) {
 184                         ++matched;
 185                         printf("%s\n", filename);
 186                 }
 187         }
 188         end = steady_clock::now();
 189         dprintf("Done in %.1f ms, found %d matches.\n",
 190                 1e3 * duration<float>(end - start).count(), matched);
 191
 192         munmap((void *)data, len);
 193         close(fd);
 194 }
 195
 196 int main(int argc, char **argv)
 197 {
 198         //do_search_file(argv[1], "all.trgm");
 199         do_search_file(argv[1], "/var/lib/mlocate/plocate.db");
 200 }