trie.c

   1 /******************************************************************************/
   2 /*          pfixtools: a collection of postfix related tools                  */
   3 /*          ~~~~~~~~~                                                         */
   4 /*  ________________________________________________________________________  */
   5 /*                                                                            */
   6 /*  Redistribution and use in source and binary forms, with or without        */
   7 /*  modification, are permitted provided that the following conditions        */
   8 /*  are met:                                                                  */
   9 /*                                                                            */
  10 /*  1. Redistributions of source code must retain the above copyright         */
  11 /*     notice, this list of conditions and the following disclaimer.          */
  12 /*  2. Redistributions in binary form must reproduce the above copyright      */
  13 /*     notice, this list of conditions and the following disclaimer in the    */
  14 /*     documentation and/or other materials provided with the distribution.   */
  15 /*  3. The names of its contributors may not be used to endorse or promote    */
  16 /*     products derived from this software without specific prior written     */
  17 /*     permission.                                                            */
  18 /*                                                                            */
  19 /*  THIS SOFTWARE IS PROVIDED BY THE REGENTS AND CONTRIBUTORS ``AS IS'' AND   */
  20 /*  ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE     */
  21 /*  IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR        */
  22 /*  PURPOSE ARE DISCLAIMED.  IN NO EVENT SHALL THE REGENTS OR CONTRIBUTORS    */
  23 /*  BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR    */
  24 /*  CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF      */
  25 /*  SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS  */
  26 /*  INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN   */
  27 /*  CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)   */
  28 /*  ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF    */
  29 /*  THE POSSIBILITY OF SUCH DAMAGE.                                           */
  30 /******************************************************************************/
  31
  32 /*
  33  * Copyright © 2008 Florent Bruneau
  34  */
  35
  36 #include "array.h"
  37 #include "str.h"
  38 #include "trie.h"
  39
  40 typedef struct trie_entry_t trie_entry_t;
  41
  42 struct trie_entry_t {
  43     uint32_t c_offset;
  44     uint32_t children_offset;
  45
  46     uint16_t c_len;
  47     uint16_t children_len;
  48 };
  49 #define TRIE_ENTRY_INIT { 0, 0, 0, 0 }
  50 ARRAY(trie_entry_t)
  51
  52 #define str(trie, entry)  array_ptr((trie)->c, (entry)->c_offset)
  53 #define key(trie, id) array_ptr((trie)->keys, array_elt((trie)->keys_offset, (id)))
  54
  55 struct trie_t {
  56     A(trie_entry_t) entries;
  57     A(char)         c;
  58     A(char)         keys;
  59     A(int)          keys_offset;
  60
  61     bool locked;
  62 };
  63
  64 trie_t *trie_new(void)
  65 {
  66     return p_new(trie_t, 1);
  67 }
  68
  69 static inline void trie_cleanup_build_data(trie_t *trie)
  70 {
  71     array_wipe(trie->keys);
  72     array_wipe(trie->keys_offset);
  73 }
  74
  75 void trie_delete(trie_t **trie)
  76 {
  77     if (*trie) {
  78         trie_cleanup_build_data(*trie);
  79         trie_unlock(*trie);
  80         array_wipe((*trie)->entries);
  81         array_wipe((*trie)->c);
  82         p_delete(trie);
  83     }
  84 }
  85
  86 /** Check that the given entry is a prefix for the given key.
  87  */
  88 static inline bool trie_entry_c_match(const trie_t *trie,
  89                                       const trie_entry_t *entry,
  90                                       const char *key)
  91 {
  92     const char *c = str(trie, entry);
  93     int i = 0;
  94     for (i = 0 ; i < entry->c_len ; ++i) {
  95         if (key[i] != c[i]) {
  96             return false;
  97         }
  98     }
  99     return true;
 100 }
 101
 102 static inline bool trie_entry_match(const trie_t *trie,
 103                                     const trie_entry_t *entry, const char *key)
 104 {
 105     return !!(strcmp(str(trie, entry), key) == 0);
 106 }
 107
 108 static inline bool trie_entry_prefix(const trie_t *trie,
 109                                      const trie_entry_t *entry, const char *key)
 110 {
 111     int len = entry->c_len;
 112     if (len > 0 && str(trie, entry)[len -1] == '\0') {
 113         --len;
 114     }
 115     return !!(strncmp(str(trie, entry), key, len) == 0);
 116 }
 117
 118 static inline bool trie_entry_is_leaf(const trie_entry_t *entry)
 119 {
 120     return entry->children_len == 0;
 121 }
 122
 123 /** Lookup for a child of entry matching the given entry at the given pos.
 124  * Only the first character of the children is taken into account in the
 125  * lookup. The current entry is assumed to match the key.
 126  */
 127 static inline const trie_entry_t* trie_entry_child(const trie_t *trie,
 128                                                    const trie_entry_t* entry,
 129                                                    const char *key)
 130 {
 131     uint32_t start = entry->children_offset;
 132     uint32_t end   = start + entry->children_len;
 133     const char c = *key;
 134
 135     while (start < end) {
 136         uint32_t mid = (start + end) >> 1;
 137         const trie_entry_t* child = array_ptr(trie->entries, mid);
 138         const char c2 = str(trie, child)[0];
 139
 140         if (c2 == c) {
 141           return child;
 142         }
 143         if (c < c2) {
 144           end = mid;
 145         } else {
 146           start = mid + 1;
 147         }
 148     }
 149     return NULL;
 150 }
 151
 152 static inline uint32_t trie_entry_new(trie_t *trie)
 153 {
 154     const trie_entry_t e = TRIE_ENTRY_INIT;
 155     array_add(trie->entries, e);
 156     return trie->entries.len - 1;
 157 }
 158
 159 static inline uint32_t trie_add_leaf(trie_t *trie, const char *key)
 160 {
 161     trie_entry_t *entry;
 162     int len = m_strlen(key) + 1;
 163     int id  = trie_entry_new(trie);
 164     entry = array_ptr(trie->entries, id);
 165     entry->c_offset = trie->c.len;
 166     entry->c_len    = len;
 167 #ifdef CHECK_INTEGRITY
 168     for (int i = 0 ; i < len - 1 ; ++i) {
 169         if (key[i] == '\0') {
 170             printf("Found a '\\0' in the string of the leaf\n");
 171             abort();
 172         }
 173     }
 174     if (key[len - 1] != '\0') {
 175       printf("Key does not end with a '\\0'");
 176       abort();
 177     }
 178 #endif
 179     array_append(trie->c, key, len);
 180     return trie->entries.len - 1;
 181 }
 182
 183 static inline void trie_entry_insert_child(trie_t *trie, uint32_t id, uint32_t pchild)
 184 {
 185     trie_entry_t *entry = array_ptr(trie->entries, id);
 186     if (entry->children_len == 0) {
 187         entry->children_offset = pchild;
 188         entry->children_len    = 1;
 189     } else {
 190         if (entry->children_offset + entry->children_len != pchild) {
 191             printf("Inserting child %d while offset is %d[%d]\n",
 192                    pchild, entry->children_offset, entry->children_len);
 193             abort();
 194         }
 195         ++entry->children_len;
 196     }
 197 }
 198
 199 static inline void trie_entry_split(trie_t *trie, uint32_t id, uint16_t pos)
 200 {
 201     trie_entry_t *child;
 202     trie_entry_t *entry;
 203     child    = array_ptr(trie->entries, trie_entry_new(trie));
 204     entry    = array_ptr(trie->entries, id);
 205     if (pos == 0) {
 206         child->c_offset = entry->c_offset;
 207         child->c_len    = entry->c_len;
 208         entry->c_offset = 0;
 209         entry->c_len    = 0;
 210     } else {
 211         assert(pos <= entry->c_len);
 212         child->c_offset = entry->c_offset + pos;
 213         child->c_len    = entry->c_len - pos;
 214         entry->c_len    = pos;
 215     }
 216     child->children_offset = entry->children_offset;
 217     child->children_len    = entry->children_len;
 218     entry->children_offset = trie->entries.len - 1;
 219     entry->children_len    = 1;
 220 }
 221
 222 void trie_insert(trie_t *trie, const char* key)
 223 {
 224     assert(trie->entries.len == 0 && "Trie already compiled");
 225
 226     int len = m_strlen(key) + 1;
 227     array_add(trie->keys_offset, trie->keys.len);
 228     array_append(trie->keys, key, len);
 229 }
 230
 231
 232 static inline void trie_compile_aux(trie_t *trie, uint32_t id,
 233                                     uint32_t first_key, uint32_t last_key,
 234                                     int offset, int initial_diff)
 235 {
 236     uint32_t forks[256];
 237     uint32_t fork_pos = 0;
 238     char current = '\0';
 239
 240 #ifdef CHECK_INTEGRITY
 241     assert(strcmp(key(trie, first_key) + offset, str(trie, entry)) == 0);
 242 #endif
 243
 244     for (int off_diff = initial_diff ; fork_pos == 0 ; ++off_diff, ++offset) {
 245         current = key(trie, first_key)[offset];
 246         for (uint32_t i = first_key + 1 ; i < last_key ; ++i) {
 247             const char *ckey = key(trie, i) + offset;
 248             const char c = *ckey;
 249             if (c != current) {
 250                 array_ensure_capacity_delta(trie->entries, 2);
 251                 if (fork_pos == 0) {
 252                     trie_entry_split(trie, id, off_diff);
 253                 }
 254                 trie_entry_insert_child(trie, id, trie_add_leaf(trie, ckey));
 255                 forks[fork_pos++] = i;
 256                 current = c;
 257             }
 258         }
 259         if (fork_pos == 0 && current == '\0') {
 260             return;
 261         }
 262     }
 263     forks[fork_pos] = last_key;
 264
 265     const uint8_t children_len = array_elt(trie->entries, id).children_len;
 266     for (uint16_t i = 0 ; i < children_len ; ++i) {
 267         int child = array_elt(trie->entries, id).children_offset + i;
 268         if (forks[i] - 1 > first_key) {
 269             trie_compile_aux(trie, child, first_key, forks[i], offset, 1);
 270         }
 271         first_key = forks[i];
 272     }
 273 }
 274
 275 void trie_compile(trie_t *trie, bool memlock)
 276 {
 277     assert(trie->entries.len == 0 && "Trie already compiled");
 278     assert(trie->keys.len != 0 && "Trying to compile an empty trie");
 279     {
 280 #       define QSORT_TYPE int
 281 #       define QSORT_BASE trie->keys_offset.data
 282 #       define QSORT_NELT trie->keys_offset.len
 283 #       define QSORT_LT(a,b) strcmp(trie->keys.data + *a, trie->keys.data + *b) < 0
 284 #       include "qsort.c"
 285     }
 286
 287     array_ensure_capacity(trie->entries, trie->keys_offset.len);
 288     trie_compile_aux(trie, trie_add_leaf(trie, key(trie, 0)),
 289                      0, trie->keys_offset.len, 0, 0);
 290     trie_cleanup_build_data(trie);
 291     array_adjust(trie->entries);
 292     array_adjust(trie->c);
 293     if (memlock) {
 294         trie_lock(trie);
 295     }
 296 }
 297
 298 bool trie_lookup(const trie_t *trie, const char *key)
 299 {
 300     assert(trie->keys.len == 0L && "Can't lookup: trie not compiled");
 301     if (trie->entries.len == 0) {
 302         return false;
 303     } else {
 304         const trie_entry_t *current = array_ptr(trie->entries, 0);
 305         while (true) {
 306             if (trie_entry_is_leaf(current)) {
 307                 return trie_entry_match(trie, current, key);
 308             } else if (trie_entry_c_match(trie, current, key)) {
 309                 key += current->c_len;
 310                 current = trie_entry_child(trie, current, key);
 311                 if (current == NULL) {
 312                     return false;
 313                 }
 314             } else {
 315                 return false;
 316             }
 317         }
 318     }
 319 }
 320
 321 bool trie_prefix(const trie_t *trie, const char *key)
 322 {
 323     assert(trie->keys.len == 0L && "Can't lookup: trie not compiled");
 324     if (trie->entries.len == 0) {
 325         return false;
 326     } else {
 327         const trie_entry_t *current = array_ptr(trie->entries, 0);
 328         while (true) {
 329             if (trie_entry_is_leaf(current)) {
 330                 return trie_entry_prefix(trie, current, key);
 331             } else if (trie_entry_c_match(trie, current, key)) {
 332                 key += current->c_len;
 333                 current = trie_entry_child(trie, current, key);
 334                 if (current == NULL) {
 335                     return false;
 336                 }
 337             } else {
 338                 return false;
 339             }
 340         }
 341     }
 342 }
 343
 344 void trie_lock(trie_t *trie)
 345 {
 346     if (trie->locked) {
 347         return;
 348     }
 349     if (!array_lock(trie->entries)) {
 350         UNIXERR("mlock");
 351     }
 352     if (!array_lock(trie->c)) {
 353         UNIXERR("mlock");
 354     }
 355     if (mlock(trie, sizeof(trie_t)) != 0) {
 356         UNIXERR("mlock");
 357         return;
 358     }
 359     trie->locked = true;
 360 }
 361
 362 void trie_unlock(trie_t *trie)
 363 {
 364     if (!trie->locked) {
 365         return;
 366     }
 367     array_unlock(trie->entries);
 368     array_unlock(trie->c);
 369     munlock(trie, sizeof(trie_t));
 370     trie->locked = false;
 371 }
 372
 373 /* Debug {{{1
 374  */
 375
 376 static inline void trie_entry_inspect(const trie_t *trie, bool show_content,
 377                                       const trie_entry_t *entry, int level)
 378 {
 379     static int max_depth = 0;
 380     static int leaves    = 0;
 381     static int depth_sum = 0;
 382
 383     if (entry == array_ptr(trie->entries, 0)) {
 384       max_depth = 0;
 385       leaves    = 0;
 386       depth_sum = 0;
 387     }
 388     if (trie_entry_is_leaf(entry)) {
 389         if (level > max_depth) {
 390             max_depth = level;
 391         }
 392         ++leaves;
 393         depth_sum += level;
 394     }
 395     if (show_content) {
 396         for (int i = 0 ; i < level ; ++i) {
 397             fputs("  ", stdout);
 398         }
 399         if (entry->c_len == 0) {
 400             fputs("(0)", stdout);
 401         } else {
 402             const char *c = str(trie, entry);
 403             printf("(%d) ", entry->c_len);
 404             for (int i = 0 ; i < entry->c_len ; ++i) {
 405                 if (c[i]) {
 406                     printf("%c ", c[i]);
 407                 } else {
 408                     fputs("\\0 ", stdout);
 409                 }
 410             }
 411         }
 412         fputs("\n", stdout);
 413     }
 414     for (uint32_t i = 0 ; i < entry->children_len ; ++i) {
 415         trie_entry_inspect(trie, show_content,
 416                            array_ptr(trie->entries, entry->children_offset + i),
 417                            level + 1);
 418     }
 419     if (level == 0) {
 420         printf("Average char per node: %d\n", trie->c.len / trie->entries.len);
 421         printf("Number of nodes: %d\n", trie->entries.len);
 422         printf("Number of leaves: %d\n", leaves);
 423         printf("Max depth: %d\n", max_depth);
 424         printf("Average leaf depth: %d\n", depth_sum / leaves);
 425         printf("Memory used: %zd\n", (trie->entries.size * sizeof(trie_entry_t))
 426                                   + (trie->c.size) + sizeof(trie_t));
 427     }
 428 }
 429
 430 void trie_inspect(const trie_t *trie, bool show_content)
 431 {
 432     trie_entry_inspect(trie, show_content, trie->entries.data, 0);
 433 }