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 size_t scan_docid(const string &needle, uint32_t docid, const char *data, const uint64_t *filename_offsets, unordered_map<string, bool> *access_rx_cache)
  80 {
  81         const char *compressed = (const char *)(data + filename_offsets[docid]);
  82         size_t compressed_size = filename_offsets[docid + 1] - filename_offsets[docid];  // Allowed we have a sentinel block at the end.
  83         size_t matched = 0;
  84
  85         string block;
  86         block.resize(ZSTD_getFrameContentSize(compressed, compressed_size) + 1);
  87
  88         ZSTD_decompress(&block[0], block.size(), compressed, compressed_size);
  89         block[block.size() - 1] = '\0';
  90
  91         for (const char *filename = block.data();
  92                         filename != block.data() + block.size();
  93                         filename += strlen(filename) + 1) {
  94                 if (strstr(filename, needle.c_str()) == nullptr) {
  95                         continue;
  96                 }
  97                 if (has_access(filename, access_rx_cache)) {
  98                         ++matched;
  99                         printf("%s\n", filename);
 100                 }
 101         }
 102         return matched;
 103 }
 104
 105 void do_search_file(const string &needle, const char *filename)
 106 {
 107         int fd = open(filename, O_RDONLY);
 108         if (fd == -1) {
 109                 perror(filename);
 110                 exit(1);
 111         }
 112
 113         // Drop privileges.
 114         if (setgid(getgid()) != 0) {
 115                 perror("setgid");
 116                 exit(EXIT_FAILURE);
 117         }
 118
 119         //steady_clock::time_point start = steady_clock::now();
 120         if (access("/", R_OK | X_OK)) {
 121                 // We can't find anything, no need to bother...
 122                 return;
 123         }
 124
 125         off_t len = lseek(fd, 0, SEEK_END);
 126         if (len == -1) {
 127                 perror("lseek");
 128                 exit(1);
 129         }
 130         const char *data = (char *)mmap(nullptr, len, PROT_READ, MAP_SHARED, fd, /*offset=*/0);
 131         if (data == MAP_FAILED) {
 132                 perror("mmap");
 133                 exit(1);
 134         }
 135         uint64_t num_trigrams = *(const uint64_t *)data;
 136         uint64_t filename_index_offset = *(const uint64_t *)(data + sizeof(uint64_t));
 137
 138         const Trigram *trgm_begin = (Trigram *)(data + sizeof(uint64_t) * 2);
 139         const Trigram *trgm_end = trgm_begin + num_trigrams;
 140
 141         vector<const Trigram *> trigrams;
 142         for (size_t i = 0; i < needle.size() - 2; ++i) {
 143                 uint32_t trgm = read_trigram(needle, i);
 144                 const Trigram *trgmptr = lower_bound(trgm_begin, trgm_end, trgm, [](const Trigram &trgm, uint32_t t) {
 145                         return trgm.trgm < t;
 146                 });
 147                 if (trgmptr == trgm_end || trgmptr->trgm != trgm) {
 148                         dprintf("trigram %06x isn't found, we abort the search\n", trgm);
 149                         munmap((void *)data, len);
 150                         close(fd);
 151                         return;
 152                 }
 153                 trigrams.push_back(trgmptr);
 154         }
 155         sort(trigrams.begin(), trigrams.end());
 156         {
 157                 auto last = unique(trigrams.begin(), trigrams.end());
 158                 trigrams.erase(last, trigrams.end());
 159         }
 160         sort(trigrams.begin(), trigrams.end(), [&](const Trigram *a, const Trigram *b) {
 161                 return a->num_docids < b->num_docids;
 162         });
 163
 164         vector<uint32_t> in1, in2, out;
 165         for (const Trigram *trgmptr : trigrams) {
 166                 //uint32_t trgm = trgmptr->trgm;
 167                 size_t num = trgmptr->num_docids;
 168                 unsigned char *pldata = (unsigned char *)(data + trgmptr->offset);
 169                 if (in1.empty()) {
 170                         in1.resize(num + 128);
 171                         p4nd1dec128v32((unsigned char *)pldata, num, &in1[0]);
 172                         in1.resize(num);
 173                         dprintf("trigram '%c%c%c' decoded to %zu entries\n", trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num);
 174                 } else {
 175                         if (num > in1.size() * 100) {
 176                                 dprintf("trigram '%c%c%c' has %zu entries, ignoring the rest (will weed out false positives later)\n",
 177                                         trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num);
 178                                 break;
 179                         }
 180
 181                         if (in2.size() < num + 128) {
 182                                 in2.resize(num + 128);
 183                         }
 184                         p4nd1dec128v32((unsigned char *)pldata, num, &in2[0]);
 185
 186                         out.clear();
 187                         set_intersection(in1.begin(), in1.end(), in2.begin(), in2.begin() + num, back_inserter(out));
 188                         swap(in1, out);
 189                         dprintf("trigram '%c%c%c' decoded to %zu entries, %zu left\n", trgm & 0xff, (trgm >> 8) & 0xff, (trgm >> 16) & 0xff, num, in1.size());
 190                         if (in1.empty()) {
 191                                 dprintf("no matches (intersection list is empty)\n");
 192                                 break;
 193                         }
 194                 }
 195         }
 196         steady_clock::time_point end = steady_clock::now();
 197
 198         dprintf("Intersection took %.1f ms. Doing final verification and printing:\n",
 199                 1e3 * duration<float>(end - start).count());
 200
 201         unordered_map<string, bool> access_rx_cache;
 202
 203         const uint64_t *filename_offsets = (const uint64_t *)(data + filename_index_offset);
 204         int matched = 0;
 205         for (uint32_t docid : in1) {
 206                 matched += scan_docid(needle, docid, data, filename_offsets, &access_rx_cache);
 207         }
 208         end = steady_clock::now();
 209         dprintf("Done in %.1f ms, found %d matches.\n",
 210                 1e3 * duration<float>(end - start).count(), matched);
 211
 212         munmap((void *)data, len);
 213         close(fd);
 214 }
 215
 216 int main(int argc, char **argv)
 217 {
 218         //do_search_file(argv[1], "all.trgm");
 219         do_search_file(argv[1], "/var/lib/mlocate/plocate.db");
 220 }