Compacter trie, reduce the number of allocations.
authorFlorent Bruneau <florent.bruneau@polytechnique.org>
Wed, 10 Sep 2008 22:24:11 +0000 (00:24 +0200)
committerFlorent Bruneau <florent.bruneau@polytechnique.org>
Wed, 10 Sep 2008 22:24:11 +0000 (00:24 +0200)
Signed-off-by: Florent Bruneau <florent.bruneau@polytechnique.org>
common/trie.c
common/tst-trie.c

index 8504128..3cc093a 100644 (file)
@@ -39,9 +39,8 @@
 typedef struct trie_entry_t trie_entry_t;
 
 struct trie_entry_t {
-    char *c;
+    int  c_offset;
     int  c_len;
-    bool c_own;
 
     int* children;
     int children_len;
@@ -51,14 +50,18 @@ struct trie_entry_t {
 };
 
 struct trie_t {
-    trie_entry_tentries;
+    trie_entry_t *entries;
     int entries_len;
     int entries_size;
 
+    char *c;
+    int  c_len;
+    int  c_size;
+
     bool locked;
 };
 
-trie_t *trie_new()
+trie_t *trie_new(void)
 {
     return p_new(trie_t, 1);
 }
@@ -68,26 +71,24 @@ void trie_delete(trie_t **trie)
     if (*trie) {
         for (int i = 0 ; i < (*trie)->entries_len ; ++i) {
             trie_entry_t *entry = &(*trie)->entries[i];
-            if (entry->c_own) {
-                p_delete(&entry->c);
-            } else {
-                entry->c = NULL;
-            }
             p_delete(&(entry->children));
         }
         p_delete(&(*trie)->entries);
+        p_delete(&(*trie)->c);
         p_delete(trie);
     }
 }
 
 /** Check that the given entry is a prefix for the given key.
  */
-static inline bool trie_entry_c_match(const trie_entry_t* entry,
+static inline bool trie_entry_c_match(const trie_t *trie,
+                                      const trie_entry_t *entry,
                                       const char *key, int *pos)
 {
+    const char *c = trie->c + entry->c_offset;
     int i = 0;
     for (i = 0 ; i < entry->c_len ; ++i) {
-        if (key[i] != entry->c[i]) {
+        if (key[i] != c[i]) {
             if (pos) {
                 *pos = i;
             }
@@ -100,6 +101,17 @@ static inline bool trie_entry_c_match(const trie_entry_t* entry,
     return true;
 }
 
+static inline bool trie_entry_match(const trie_t *trie,
+                                    const trie_entry_t *entry, const char *key)
+{
+    return !!(strcmp(trie->c + entry->c_offset, key) == 0);
+}
+
+static inline bool trie_entry_is_leaf(const trie_entry_t *entry)
+{
+    return entry->children_len == 0;
+}
+
 /** Lookup for a child of entry matching the given entry at the given pos.
  * Only the first character of the children is taken into account in the
  * lookup. The current entry is assumed to match the key.
@@ -115,12 +127,13 @@ static inline trie_entry_t* trie_entry_child(const trie_t *trie,
     while (start < end) {
         int mid = (start + end) / 2;
         trie_entry_t* child = &trie->entries[entry->children[mid]];
+        const char c2 = trie->c[child->c_offset];
 
         if (child->c_len) {
-            if (child->c[0] == c) {
+            if (c2 == c) {
                 return child;
             }
-            if (c < child->c[0]) {
+            if (c < c2) {
                 end = mid;
             } else {
                 start = mid + 1;
@@ -132,16 +145,22 @@ static inline trie_entry_t* trie_entry_child(const trie_t *trie,
     return NULL;
 }
 
+#define GROW(Buffer, Added, Len, Size)                  \
+  do {                                                  \
+      const int required_size = (Len) + (Added);        \
+      int next_size = (Size);                           \
+      if (next_size >= required_size) {                 \
+          break;                                        \
+      }                                                 \
+      do {                                              \
+          next_size = p_alloc_nr(next_size);            \
+      } while (next_size < required_size);              \
+      p_allocgrow(&(Buffer), next_size, &(Size));       \
+  } while(0)
+
 static inline void trie_grow(trie_t *trie, int delta)
 {
-    int next_size = trie->entries_size;
-    if (next_size > trie->entries_len + delta) {
-        return;
-    }
-    do {
-        next_size = p_alloc_nr(next_size);
-    } while (trie->entries_len + delta > next_size);
-    p_allocgrow(&trie->entries, next_size, &trie->entries_size);
+    GROW(trie->entries, delta, trie->entries_len, trie->entries_size);
 }
 
 static inline int trie_entry_new(trie_t *trie)
@@ -153,31 +172,34 @@ static inline int trie_entry_new(trie_t *trie)
 static inline int trie_add_leaf(trie_t *trie, const char *key)
 {
     trie_entry_t *entry;
+    int len = m_strlen(key) + 1;
     entry = &trie->entries[trie_entry_new(trie)];
-    entry->c     = strdup(key); /* don't use m_strdup
-                                   since m_strdup("") == NULL */
-    entry->c_len = m_strlen(key) + 1;
-    entry->c_own = true;
+    GROW(trie->c, len, trie->c_len, trie->c_size);
+    memcpy(trie->c + trie->c_len, key, len);
+    entry->c_offset = trie->c_len;
+    entry->c_len    = len;
+    trie->c_len    += len;
     return trie->entries_len - 1;
 }
 
 static inline void trie_entry_insert_child(trie_t *trie, trie_entry_t *entry,
                                            int pchild)
 {
-    const char c = trie->entries[pchild].c[0];
+    const char c = trie->c[trie->entries[pchild].c_offset];
     int start = 0;
     int end   = entry->children_len;
 
     p_allocgrow(&entry->children, entry->children_len + 1, &entry->children_size);
     while (start < end) {
         int mid = (start + end) / 2;
-        trie_entry_t* child = &trie->entries[entry->children[mid]];
+        const trie_entry_t* child = &trie->entries[entry->children[mid]];
+        const char c2 = trie->c[child->c_offset];
 
         if (child->c_len) {
-            if (child->c[0] == c) {
+            if (c2 == c) {
                 abort();
             }
-            if (c < child->c[0]) {
+            if (c < c2) {
                 end = mid;
             } else {
                 start = mid + 1;
@@ -198,17 +220,14 @@ static inline void trie_entry_split(trie_t *trie, trie_entry_t *entry, int pos)
     trie_entry_t *child;
     child    = &trie->entries[trie_entry_new(trie)];
     if (pos == 0) {
-        child->c     = entry->c;
-        child->c_len = entry->c_len;
-        child->c_own = entry->c_own;
-        entry->c     = NULL;
-        entry->c_len = 0;
-        entry->c_own = false;
+        child->c_offset = entry->c_offset;
+        child->c_len    = entry->c_len;
+        entry->c_offset = 0;
+        entry->c_len    = 0;
     } else {
-        child->c     = entry->c + pos;
-        child->c_len = entry->c_len - pos;
-        child->c_own = false;
-        entry->c_len = pos;
+        child->c_offset = entry->c_offset + pos;
+        child->c_len    = entry->c_len - pos;
+        entry->c_len    = pos;
     }
     child->children      = entry->children;
     child->children_len  = entry->children_len;
@@ -228,8 +247,8 @@ void trie_insert(trie_t *trie, const char* key)
         trie_entry_t *current = trie->entries;
         while (true) {
             int pos = 0;
-            if (trie_entry_c_match(current, key, &pos)) {
-                if (current->c_len && current->c[current->c_len - 1] == '\0') {
+            if (trie_entry_c_match(trie, current, key, &pos)) {
+                if (trie_entry_is_leaf(current)) {
                     return;
                 }
                 trie_entry_t *next = NULL;
@@ -260,10 +279,9 @@ bool trie_lookup(const trie_t *trie, const char *key)
         trie_entry_t *current = trie->entries;
         while (true) {
             int pos = 0;
-            if (trie_entry_c_match(current, key, &pos)) {
-                if (current->c_len && current->c[current->c_len - 1] == '\0') {
-                    return true;
-                }
+            if (trie_entry_is_leaf(current)) {
+                return trie_entry_match(trie, current, key);
+            } else if (trie_entry_c_match(trie, current, key, &pos)) {
                 key += pos;
                 current = trie_entry_child(trie, current, key);
                 if (current == NULL) {
@@ -283,15 +301,21 @@ bool trie_lookup(const trie_t *trie, const char *key)
 static inline void trie_entry_inspect(const trie_t *trie,
                                       const trie_entry_t *entry, int level)
 {
+    static int c_sum = 0;
+    static int nodes = 0;
+
+    ++nodes;
+    c_sum += entry->c_len;
     for (int i = 0 ; i < level ; ++i) {
         fputs("  ", stdout);
     }
-    if (entry->c == NULL) {
+    if (entry->c_len == 0) {
         fputs("(nil)", stdout);
     } else {
+        const char *c = trie->c + entry->c_offset;
         for (int i = 0 ; i < entry->c_len ; ++i) {
-            if (entry->c[i]) {
-                printf("%c ", entry->c[i]);
+            if (c[i]) {
+                printf("%c ", c[i]);
             } else {
                 fputs("\\0 ", stdout);
             }
@@ -301,6 +325,9 @@ static inline void trie_entry_inspect(const trie_t *trie,
     for (int i = 0 ; i < entry->children_len ; ++i) {
         trie_entry_inspect(trie, &trie->entries[entry->children[i]], level + 1);
     }
+    if (level == 0) {
+        printf("Mean char per node: %d\n", c_sum / nodes);
+    }
 }
 
 void trie_inspect(const trie_t *trie)
index b4b064e..d2ccc14 100644 (file)
@@ -90,7 +90,7 @@ static trie_t *create_trie_from_file(const char *file)
             p = eol - BUFSIZ;
         }
         int i = 0;
-#if 0
+#if 1
         for (const char *s = eol - 1 ; s >= p ; --s) {
             line[i++] = ascii_tolower(*s);
         }