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 #include <zstd.h>
  14
  15 #include "vp4.h"
  16
  17 #define P4NENC_BOUND(n) ((n+127)/128+(n+32)*sizeof(uint32_t))
  18
  19 using namespace std;
  20 using namespace std::chrono;
  21
  22 #define dprintf(...)
  23 //#define dprintf(...) fprintf(stderr, __VA_ARGS__);
  24
  25 static inline uint32_t read_unigram(const string &s, size_t idx)
  26 {
  27         if (idx < s.size()) {
  28                 return (unsigned char)s[idx];
  29         } else {
  30                 return 0;
  31         }
  32 }
  33
  34 static inline uint32_t read_trigram(const string &s, size_t start)
  35 {
  36         return read_unigram(s, start) |
  37                 (read_unigram(s, start + 1) << 8) |
  38                 (read_unigram(s, start + 2) << 16);
  39 }
  40
  41 bool has_access(const char *filename, unordered_map<string, bool> *access_rx_cache)
  42 {
  43         const char *end = strchr(filename + 1, '/');
  44         while (end != nullptr) {
  45                 string parent_path(filename, end);
  46                 auto it = access_rx_cache->find(parent_path);
  47                 bool ok;
  48                 if (it == access_rx_cache->end()) {
  49                         ok = access(parent_path.c_str(), R_OK | X_OK) == 0;
  50                         access_rx_cache->emplace(move(parent_path), ok);
  51                 } else {
  52                         ok = it->second;
  53                 }
  54                 if (!ok) {
  55                         return false;
  56                 }
  57                 end = strchr(end + 1, '/');
  58         }
  59
  60 #if 0
  61         // Check for rx first in the cache; if that isn't true, check R_OK uncached.
  62         // This is roughly the same thing as mlocate does.
  63         auto it = access_rx_cache->find(filename);
  64         if (it != access_rx_cache->end() && it->second) {
  65                 return true;
  66         }
  67
  68         return access(filename, R_OK) == 0;
  69 #endif
  70         return true;
  71 }
  72
  73 struct Trigram {
  74         uint32_t trgm;
  75         uint32_t num_docids;
  76         uint64_t offset;
  77 };
  78
  79 class Corpus {
  80 public:
  81         Corpus(int fd);
  82         ~Corpus();
  83         const Trigram *find_trigram(uint32_t trgm) const;
  84         const unsigned char *get_compressed_posting_list(const Trigram *trigram) const;
  85         string_view get_compressed_filename_block(uint32_t docid) const;
  86
  87 private:
  88         const int fd;
  89         off_t len;
  90         const char *data;
  91         const uint64_t *filename_offsets;
  92         const Trigram *trgm_begin, *trgm_end;
  93 };
  94
  95 Corpus::Corpus(int fd)
  96         : fd(fd)
  97 {
  98         len = lseek(fd, 0, SEEK_END);
  99         if (len == -1) {
 100                 perror("lseek");
 101                 exit(1);
 102         }
 103         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
 109         uint64_t num_trigrams = *(const uint64_t *)data;
 110         uint64_t filename_index_offset = *(const uint64_t *)(data + sizeof(uint64_t));
 111         filename_offsets = (const uint64_t *)(data + filename_index_offset);
 112
 113         trgm_begin = (Trigram *)(data + sizeof(uint64_t) * 2);
 114         trgm_end = trgm_begin + num_trigrams;
 115 }
 116
 117 Corpus::~Corpus()
 118 {
 119         munmap((void *)data, len);
 120         close(fd);
 121 }
 122
 123 const Trigram *Corpus::find_trigram(uint32_t trgm) const
 124 {
 125         const Trigram *trgmptr = lower_bound(trgm_begin, trgm_end, trgm, [](const Trigram &trgm, uint32_t t) {
 126                 return trgm.trgm < t;
 127         });
 128         if (trgmptr == trgm_end || trgmptr->trgm != trgm) {
 129                 return nullptr;
 130         }
 131         return trgmptr;
 132 }
 133
 134 const unsigned char *Corpus::get_compressed_posting_list(const Trigram *trgmptr) const
 135 {
 136         return reinterpret_cast<const unsigned char *>(data + trgmptr->offset);
 137 }
 138
 139 string_view Corpus::get_compressed_filename_block(uint32_t docid) const
 140 {
 141         const char *compressed = (const char *)(data + filename_offsets[docid]);
 142         size_t compressed_size = filename_offsets[docid + 1] - filename_offsets[docid];  // Allowed we have a sentinel block at the end.
 143         return {compressed, compressed_size};
 144 }
 145
 146 size_t scan_docid(const string &needle, uint32_t docid, const Corpus &corpus, unordered_map<string, bool> *access_rx_cache)
 147 {
 148         string_view compressed = corpus.get_compressed_filename_block(docid);
 149         size_t matched = 0;
 150
 151         string block;
 152         block.resize(ZSTD_getFrameContentSize(compressed.data(), compressed.size()) + 1);
 153
 154         ZSTD_decompress(&block[0], block.size(), compressed.data(), compressed.size());
 155         block[block.size() - 1] = '\0';
 156
 157         for (const char *filename = block.data();
 158                         filename != block.data() + block.size();
 159                         filename += strlen(filename) + 1) {
 160                 if (strstr(filename, needle.c_str()) == nullptr) {
 161                         continue;
 162                 }
 163                 if (has_access(filename, access_rx_cache)) {
 164                         ++matched;
 165                         printf("%s\n", filename);
 166                 }
 167         }
 168         return matched;
 169 }
 170
 171 void do_search_file(const string &needle, const char *filename)
 172 {
 173         int fd = open(filename, O_RDONLY);
 174         if (fd == -1) {
 175                 perror(filename);
 176                 exit(1);
 177         }
 178
 179         // Drop privileges.
 180         if (setgid(getgid()) != 0) {
 181                 perror("setgid");
 182                 exit(EXIT_FAILURE);
 183         }
 184
 185         //steady_clock::time_point start = steady_clock::now();
 186         if (access("/", R_OK | X_OK)) {
 187                 // We can't find anything, no need to bother...
 188                 return;
 189         }
 190
 191         Corpus corpus(fd);
 192
 193         vector<const Trigram *> trigrams;
 194         for (size_t i = 0; i < needle.size() - 2; ++i) {
 195                 uint32_t trgm = read_trigram(needle, i);
 196                 const Trigram *trgmptr = corpus.find_trigram(trgm);
 197                 if (trgmptr == nullptr) {
 198                         dprintf("trigram %06x isn't found, we abort the search\n", trgm);
 199                         return;
 200                 }
 201                 trigrams.push_back(trgmptr);
 202         }
 203         sort(trigrams.begin(), trigrams.end());
 204         {
 205                 auto last = unique(trigrams.begin(), trigrams.end());
 206                 trigrams.erase(last, trigrams.end());
 207         }
 208         sort(trigrams.begin(), trigrams.end(), [&](const Trigram *a, const Trigram *b) {
 209                 return a->num_docids < b->num_docids;
 210         });
 211
 212         vector<uint32_t> in1, in2, out;
 213         for (const Trigram *trgmptr : trigrams) {
 214                 //uint32_t trgm = trgmptr->trgm;
 215                 size_t num = trgmptr->num_docids;
 216                 const unsigned char *pldata = corpus.get_compressed_posting_list(trgmptr);
 217                 if (in1.empty()) {
 218                         in1.resize(num + 128);
 219                         p4nd1dec128v32(const_cast<unsigned char *>(pldata), num, &in1[0]);
 220                         in1.resize(num);
 221                         dprintf("trigram '%c%c%c' decoded to %zu entries\n", trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num);
 222                 } else {
 223                         if (num > in1.size() * 100) {
 224                                 dprintf("trigram '%c%c%c' has %zu entries, ignoring the rest (will weed out false positives later)\n",
 225                                         trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num);
 226                                 break;
 227                         }
 228
 229                         if (in2.size() < num + 128) {
 230                                 in2.resize(num + 128);
 231                         }
 232                         p4nd1dec128v32(const_cast<unsigned char *>(pldata), num, &in2[0]);
 233
 234                         out.clear();
 235                         set_intersection(in1.begin(), in1.end(), in2.begin(), in2.begin() + num, back_inserter(out));
 236                         swap(in1, out);
 237                         dprintf("trigram '%c%c%c' decoded to %zu entries, %zu left\n", trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num, in1.size());
 238                         if (in1.empty()) {
 239                                 dprintf("no matches (intersection list is empty)\n");
 240                                 break;
 241                         }
 242                 }
 243         }
 244         steady_clock::time_point end = steady_clock::now();
 245
 246         dprintf("Intersection took %.1f ms. Doing final verification and printing:\n",
 247                 1e3 * duration<float>(end - start).count());
 248
 249         unordered_map<string, bool> access_rx_cache;
 250
 251         int matched = 0;
 252         for (uint32_t docid : in1) {
 253                 matched += scan_docid(needle, docid, corpus, &access_rx_cache);
 254         }
 255         end = steady_clock::now();
 256         dprintf("Done in %.1f ms, found %d matches.\n",
 257                 1e3 * duration<float>(end - start).count(), matched);
 258 }
 259
 260 int main(int argc, char **argv)
 261 {
 262         //do_search_file(argv[1], "all.trgm");
 263         do_search_file(argv[1], "/var/lib/mlocate/plocate.db");
 264 }