common/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 <sys/mman.h>
  37
  38 #include "str.h"
  39 #include "trie.h"
  40
  41 typedef struct trie_entry_t trie_entry_t;
  42
  43 struct trie_entry_t {
  44     int  c_offset;
  45     int  c_len;
  46
  47     int children_offset;
  48     int children_len;
  49 };
  50
  51 struct trie_t {
  52     trie_entry_t *entries;
  53     int entries_len;
  54     int entries_size;
  55
  56     char *c;
  57     int  c_len;
  58     int  c_size;
  59
  60     char **keys;
  61     int  keys_len;
  62     int  keys_size;
  63
  64     bool locked;
  65 };
  66
  67 trie_t *trie_new(void)
  68 {
  69     return p_new(trie_t, 1);
  70 }
  71
  72 static inline void trie_cleanup_build_data(trie_t *trie)
  73 {
  74     for (int i = 0 ; i < trie->keys_len ; ++i) {
  75         p_delete(&trie->keys[i]);
  76     }
  77     p_delete(&trie->keys);
  78     trie->keys_len = trie->keys_size = 0;
  79 }
  80
  81 void trie_delete(trie_t **trie)
  82 {
  83     if (*trie) {
  84         trie_cleanup_build_data(*trie);
  85         p_delete(&(*trie)->entries);
  86         p_delete(&(*trie)->c);
  87         p_delete(trie);
  88     }
  89 }
  90
  91 /** Check that the given entry is a prefix for the given key.
  92  */
  93 static inline bool trie_entry_c_match(const trie_t *trie,
  94                                       const trie_entry_t *entry,
  95                                       const char *key, int *pos)
  96 {
  97     const char *c = trie->c + entry->c_offset;
  98     int i = 0;
  99     for (i = 0 ; i < entry->c_len ; ++i) {
 100         if (key[i] != c[i]) {
 101             if (pos) {
 102                 *pos = i;
 103             }
 104             return false;
 105         }
 106     }
 107     if (pos) {
 108         *pos = i;
 109     }
 110     return true;
 111 }
 112
 113 static inline bool trie_entry_match(const trie_t *trie,
 114                                     const trie_entry_t *entry, const char *key)
 115 {
 116     return !!(strcmp(trie->c + entry->c_offset, key) == 0);
 117 }
 118
 119 static inline bool trie_entry_is_leaf(const trie_entry_t *entry)
 120 {
 121     return entry->children_len == 0;
 122 }
 123
 124 /** Lookup for a child of entry matching the given entry at the given pos.
 125  * Only the first character of the children is taken into account in the
 126  * lookup. The current entry is assumed to match the key.
 127  */
 128 static inline trie_entry_t* trie_entry_child(const trie_t *trie,
 129                                              const trie_entry_t* entry,
 130                                              const char *key)
 131 {
 132     int start = entry->children_offset;
 133     int end   = start + entry->children_len;
 134     const char c = *key;
 135
 136     while (start < end) {
 137         int mid = (start + end) / 2;
 138         trie_entry_t* child = &trie->entries[mid];
 139         const char c2 = trie->c[child->c_offset];
 140
 141         if (child->c_len) {
 142             if (c2 == c) {
 143                 return child;
 144             }
 145             if (c < c2) {
 146                 end = mid;
 147             } else {
 148                 start = mid + 1;
 149             }
 150         } else {
 151             abort();
 152         }
 153     }
 154     return NULL;
 155 }
 156
 157 #define GROW(Buffer, Added, Len, Size)                  \
 158   do {                                                  \
 159       const int required_size = (Len) + (Added);        \
 160       int next_size = (Size);                           \
 161       if (next_size >= required_size) {                 \
 162           break;                                        \
 163       }                                                 \
 164       do {                                              \
 165           next_size = p_alloc_nr(next_size);            \
 166       } while (next_size < required_size);              \
 167       p_allocgrow(&(Buffer), next_size, &(Size));       \
 168   } while(0)
 169
 170 static inline void trie_grow(trie_t *trie, int delta)
 171 {
 172     GROW(trie->entries, delta, trie->entries_len, trie->entries_size);
 173 }
 174
 175 static inline int trie_entry_new(trie_t *trie)
 176 {
 177     memset(trie->entries + trie->entries_len, 0, sizeof(trie_entry_t));
 178     return trie->entries_len++;
 179 }
 180
 181 static inline int trie_add_leaf(trie_t *trie, const char *key)
 182 {
 183     trie_entry_t *entry;
 184     int len = m_strlen(key) + 1;
 185     entry = &trie->entries[trie_entry_new(trie)];
 186     GROW(trie->c, len, trie->c_len, trie->c_size);
 187     memcpy(trie->c + trie->c_len, key, len);
 188     entry->c_offset = trie->c_len;
 189     entry->c_len    = len;
 190     trie->c_len    += len;
 191     return trie->entries_len - 1;
 192 }
 193
 194 static inline void trie_entry_insert_child(trie_t *trie, trie_entry_t *entry,
 195                                            int pchild)
 196 {
 197     if (entry->children_len == 0) {
 198         entry->children_offset = pchild;
 199         entry->children_len    = 1;
 200     } else {
 201         if (entry->children_offset + entry->children_len != pchild) {
 202             trie_inspect(trie);
 203             printf("Inserting child %d while offset is %d[%d]\n",
 204                    pchild, entry->children_offset, entry->children_len);
 205             abort();
 206         }
 207         ++entry->children_len;
 208     }
 209 }
 210
 211 static inline void trie_entry_split(trie_t *trie, trie_entry_t *entry, int pos)
 212 {
 213     trie_entry_t *child;
 214     child    = &trie->entries[trie_entry_new(trie)];
 215     if (pos == 0) {
 216         child->c_offset = entry->c_offset;
 217         child->c_len    = entry->c_len;
 218         entry->c_offset = 0;
 219         entry->c_len    = 0;
 220     } else {
 221         child->c_offset = entry->c_offset + pos;
 222         child->c_len    = entry->c_len - pos;
 223         entry->c_len    = pos;
 224     }
 225     child->children_offset = entry->children_offset;
 226     child->children_len    = entry->children_len;
 227     entry->children_offset = trie->entries_len - 1;
 228     entry->children_len    = 1;
 229 }
 230
 231 void trie_insert(trie_t *trie, const char* key)
 232 {
 233     GROW(trie->keys, 1, trie->keys_len, trie->keys_size);
 234     trie->keys[trie->keys_len++] = strdup(key);
 235 }
 236
 237
 238 static inline void trie_compile_aux(trie_t *trie, int id,
 239                                     int first_key, int last_key, int offset,
 240                                     int initial_diff)
 241 {
 242     int forks[256];
 243     int fork_pos = 0;
 244     char current = '\0';
 245
 246     for (int off_diff = initial_diff ; fork_pos == 0 ; ++off_diff, ++offset) {
 247         current = trie->keys[first_key][offset];
 248         for (int i = first_key + 1 ; i < last_key ; ++i) {
 249             if (trie->keys[i][offset] != current) {
 250                 trie_grow(trie, 2);
 251                 if (fork_pos == 0) {
 252                     trie_entry_split(trie, &trie->entries[id], off_diff);
 253                 }
 254                 trie_entry_insert_child(trie, &trie->entries[id],
 255                                         trie_add_leaf(trie, trie->keys[i] +
 256                                                       offset));
 257                 forks[fork_pos++] = i;
 258                 current = trie->keys[i][offset];
 259             }
 260         }
 261     }
 262     forks[fork_pos] = last_key;
 263
 264     const int children_len = trie->entries[id].children_len;
 265     for (int i = 0 ; i < children_len ; ++i) {
 266         int child = trie->entries[id].children_offset + i;
 267         if (forks[i] - 1 > first_key) {
 268             trie_compile_aux(trie, child, first_key, forks[i], offset, 1);
 269         }
 270         first_key = forks[i];
 271     }
 272 }
 273
 274
 275 static inline void trie_shrink(trie_t *trie)
 276 {
 277     p_shrink(&trie->entries, trie->entries_len, &trie->entries_size);
 278     p_shrink(&trie->c, trie->c_len, &trie->c_size);
 279 }
 280
 281 static inline void trie_lock(trie_t *trie)
 282 {
 283     if (mlock(trie->entries, sizeof(trie_entry_t) * trie->entries_len) != 0) {
 284         UNIXERR("mlock");
 285         return;
 286     }
 287     if (mlock(trie->c, trie->c_len) != 0) {
 288         UNIXERR("mlock");
 289         munlock(trie->entries, sizeof(trie_entry_t) * trie->entries_len);
 290         return;
 291     }
 292     trie->locked = true;
 293 }
 294
 295 typedef char *str_t;
 296
 297 void trie_compile(trie_t *trie, bool memlock)
 298 {
 299     {
 300 #       define QSORT_TYPE str_t
 301 #       define QSORT_BASE trie->keys
 302 #       define QSORT_NELT trie->keys_len
 303 #       define QSORT_LT(a,b) strcmp(*a, *b) < 0
 304 #       include "qsort.c"
 305     }
 306
 307     trie_grow(trie, trie->keys_len);
 308     trie_compile_aux(trie, trie_add_leaf(trie, trie->keys[0]),
 309                      0, trie->keys_len, 0, 0);
 310     trie_cleanup_build_data(trie);
 311     trie_shrink(trie);
 312     if (memlock) {
 313         trie_lock(trie);
 314     }
 315 }
 316
 317 bool trie_lookup(const trie_t *trie, const char *key)
 318 {
 319     if (trie->entries_len == 0) {
 320         return false;
 321     } else {
 322         trie_entry_t *current = trie->entries;
 323         while (true) {
 324             int pos = 0;
 325             if (trie_entry_is_leaf(current)) {
 326                 return trie_entry_match(trie, current, key);
 327             } else if (trie_entry_c_match(trie, current, key, &pos)) {
 328                 key += pos;
 329                 current = trie_entry_child(trie, current, key);
 330                 if (current == NULL) {
 331                     return false;
 332                 }
 333             } else {
 334                 return false;
 335             }
 336         }
 337     }
 338 }
 339
 340
 341 /* Debug {{{1
 342  */
 343
 344 static inline void trie_entry_inspect(const trie_t *trie,
 345                                       const trie_entry_t *entry, int level)
 346 {
 347     static int c_sum = 0;
 348     static int nodes = 0;
 349
 350     ++nodes;
 351     c_sum += entry->c_len;
 352     for (int i = 0 ; i < level ; ++i) {
 353         fputs("  ", stdout);
 354     }
 355     if (entry->c_len == 0) {
 356         fputs("(nil)", stdout);
 357     } else {
 358         const char *c = trie->c + entry->c_offset;
 359         printf("(%d) ", entry->c_len);
 360         for (int i = 0 ; i < entry->c_len ; ++i) {
 361             if (c[i]) {
 362                 printf("%c ", c[i]);
 363             } else {
 364                 fputs("\\0 ", stdout);
 365             }
 366         }
 367     }
 368     fputs("\n", stdout);
 369     for (int i = entry->children_offset ;
 370           i < entry->children_offset + entry->children_len ; ++i) {
 371         trie_entry_inspect(trie, &trie->entries[i], level + 1);
 372     }
 373     if (level == 0) {
 374         printf("Mean char per node: %d\n", c_sum / nodes);
 375     }
 376 }
 377
 378 void trie_inspect(const trie_t *trie)
 379 {
 380     trie_entry_inspect(trie, trie->entries, 0);
 381 }