1*06f32e7eSjoerg //===- MultiOnDiskHashTable.h - Merged set of hash tables -------*- C++ -*-===//
2*06f32e7eSjoerg //
3*06f32e7eSjoerg // Part of the LLVM Project, under the Apache License v2.0 with LLVM Exceptions.
4*06f32e7eSjoerg // See https://llvm.org/LICENSE.txt for license information.
5*06f32e7eSjoerg // SPDX-License-Identifier: Apache-2.0 WITH LLVM-exception
6*06f32e7eSjoerg //
7*06f32e7eSjoerg //===----------------------------------------------------------------------===//
8*06f32e7eSjoerg //
9*06f32e7eSjoerg //  This file provides a hash table data structure suitable for incremental and
10*06f32e7eSjoerg //  distributed storage across a set of files.
11*06f32e7eSjoerg //
12*06f32e7eSjoerg //  Multiple hash tables from different files are implicitly merged to improve
13*06f32e7eSjoerg //  performance, and on reload the merged table will override those from other
14*06f32e7eSjoerg //  files.
15*06f32e7eSjoerg //
16*06f32e7eSjoerg //===----------------------------------------------------------------------===//
17*06f32e7eSjoerg 
18*06f32e7eSjoerg #ifndef LLVM_CLANG_LIB_SERIALIZATION_MULTIONDISKHASHTABLE_H
19*06f32e7eSjoerg #define LLVM_CLANG_LIB_SERIALIZATION_MULTIONDISKHASHTABLE_H
20*06f32e7eSjoerg 
21*06f32e7eSjoerg #include "llvm/ADT/DenseMap.h"
22*06f32e7eSjoerg #include "llvm/ADT/DenseSet.h"
23*06f32e7eSjoerg #include "llvm/ADT/PointerUnion.h"
24*06f32e7eSjoerg #include "llvm/ADT/STLExtras.h"
25*06f32e7eSjoerg #include "llvm/ADT/SmallVector.h"
26*06f32e7eSjoerg #include "llvm/ADT/TinyPtrVector.h"
27*06f32e7eSjoerg #include "llvm/ADT/iterator_range.h"
28*06f32e7eSjoerg #include "llvm/Support/Endian.h"
29*06f32e7eSjoerg #include "llvm/Support/EndianStream.h"
30*06f32e7eSjoerg #include "llvm/Support/OnDiskHashTable.h"
31*06f32e7eSjoerg #include "llvm/Support/raw_ostream.h"
32*06f32e7eSjoerg #include <algorithm>
33*06f32e7eSjoerg #include <cstdint>
34*06f32e7eSjoerg #include <vector>
35*06f32e7eSjoerg 
36*06f32e7eSjoerg namespace clang {
37*06f32e7eSjoerg namespace serialization {
38*06f32e7eSjoerg 
39*06f32e7eSjoerg /// A collection of on-disk hash tables, merged when relevant for performance.
40*06f32e7eSjoerg template<typename Info> class MultiOnDiskHashTable {
41*06f32e7eSjoerg public:
42*06f32e7eSjoerg   /// A handle to a file, used when overriding tables.
43*06f32e7eSjoerg   using file_type = typename Info::file_type;
44*06f32e7eSjoerg 
45*06f32e7eSjoerg   /// A pointer to an on-disk representation of the hash table.
46*06f32e7eSjoerg   using storage_type = const unsigned char *;
47*06f32e7eSjoerg 
48*06f32e7eSjoerg   using external_key_type = typename Info::external_key_type;
49*06f32e7eSjoerg   using internal_key_type = typename Info::internal_key_type;
50*06f32e7eSjoerg   using data_type = typename Info::data_type;
51*06f32e7eSjoerg   using data_type_builder = typename Info::data_type_builder;
52*06f32e7eSjoerg   using hash_value_type = unsigned;
53*06f32e7eSjoerg 
54*06f32e7eSjoerg private:
55*06f32e7eSjoerg   /// The generator is permitted to read our merged table.
56*06f32e7eSjoerg   template<typename ReaderInfo, typename WriterInfo>
57*06f32e7eSjoerg   friend class MultiOnDiskHashTableGenerator;
58*06f32e7eSjoerg 
59*06f32e7eSjoerg   /// A hash table stored on disk.
60*06f32e7eSjoerg   struct OnDiskTable {
61*06f32e7eSjoerg     using HashTable = llvm::OnDiskIterableChainedHashTable<Info>;
62*06f32e7eSjoerg 
63*06f32e7eSjoerg     file_type File;
64*06f32e7eSjoerg     HashTable Table;
65*06f32e7eSjoerg 
OnDiskTableOnDiskTable66*06f32e7eSjoerg     OnDiskTable(file_type File, unsigned NumBuckets, unsigned NumEntries,
67*06f32e7eSjoerg                 storage_type Buckets, storage_type Payload, storage_type Base,
68*06f32e7eSjoerg                 const Info &InfoObj)
69*06f32e7eSjoerg         : File(File),
70*06f32e7eSjoerg           Table(NumBuckets, NumEntries, Buckets, Payload, Base, InfoObj) {}
71*06f32e7eSjoerg   };
72*06f32e7eSjoerg 
73*06f32e7eSjoerg   struct MergedTable {
74*06f32e7eSjoerg     std::vector<file_type> Files;
75*06f32e7eSjoerg     llvm::DenseMap<internal_key_type, data_type> Data;
76*06f32e7eSjoerg   };
77*06f32e7eSjoerg 
78*06f32e7eSjoerg   using Table = llvm::PointerUnion<OnDiskTable *, MergedTable *>;
79*06f32e7eSjoerg   using TableVector = llvm::TinyPtrVector<void *>;
80*06f32e7eSjoerg 
81*06f32e7eSjoerg   /// The current set of on-disk and merged tables.
82*06f32e7eSjoerg   /// We manually store the opaque value of the Table because TinyPtrVector
83*06f32e7eSjoerg   /// can't cope with holding a PointerUnion directly.
84*06f32e7eSjoerg   /// There can be at most one MergedTable in this vector, and if present,
85*06f32e7eSjoerg   /// it is the first table.
86*06f32e7eSjoerg   TableVector Tables;
87*06f32e7eSjoerg 
88*06f32e7eSjoerg   /// Files corresponding to overridden tables that we've not yet
89*06f32e7eSjoerg   /// discarded.
90*06f32e7eSjoerg   llvm::TinyPtrVector<file_type> PendingOverrides;
91*06f32e7eSjoerg 
92*06f32e7eSjoerg   struct AsOnDiskTable {
93*06f32e7eSjoerg     using result_type = OnDiskTable *;
94*06f32e7eSjoerg 
operatorAsOnDiskTable95*06f32e7eSjoerg     result_type operator()(void *P) const {
96*06f32e7eSjoerg       return Table::getFromOpaqueValue(P).template get<OnDiskTable *>();
97*06f32e7eSjoerg     }
98*06f32e7eSjoerg   };
99*06f32e7eSjoerg 
100*06f32e7eSjoerg   using table_iterator =
101*06f32e7eSjoerg       llvm::mapped_iterator<TableVector::iterator, AsOnDiskTable>;
102*06f32e7eSjoerg   using table_range = llvm::iterator_range<table_iterator>;
103*06f32e7eSjoerg 
104*06f32e7eSjoerg   /// The current set of on-disk tables.
tables()105*06f32e7eSjoerg   table_range tables() {
106*06f32e7eSjoerg     auto Begin = Tables.begin(), End = Tables.end();
107*06f32e7eSjoerg     if (getMergedTable())
108*06f32e7eSjoerg       ++Begin;
109*06f32e7eSjoerg     return llvm::make_range(llvm::map_iterator(Begin, AsOnDiskTable()),
110*06f32e7eSjoerg                             llvm::map_iterator(End, AsOnDiskTable()));
111*06f32e7eSjoerg   }
112*06f32e7eSjoerg 
getMergedTable()113*06f32e7eSjoerg   MergedTable *getMergedTable() const {
114*06f32e7eSjoerg     // If we already have a merged table, it's the first one.
115*06f32e7eSjoerg     return Tables.empty() ? nullptr : Table::getFromOpaqueValue(*Tables.begin())
116*06f32e7eSjoerg                                           .template dyn_cast<MergedTable*>();
117*06f32e7eSjoerg   }
118*06f32e7eSjoerg 
119*06f32e7eSjoerg   /// Delete all our current on-disk tables.
clear()120*06f32e7eSjoerg   void clear() {
121*06f32e7eSjoerg     for (auto *T : tables())
122*06f32e7eSjoerg       delete T;
123*06f32e7eSjoerg     if (auto *M = getMergedTable())
124*06f32e7eSjoerg       delete M;
125*06f32e7eSjoerg     Tables.clear();
126*06f32e7eSjoerg   }
127*06f32e7eSjoerg 
removeOverriddenTables()128*06f32e7eSjoerg   void removeOverriddenTables() {
129*06f32e7eSjoerg     llvm::DenseSet<file_type> Files;
130*06f32e7eSjoerg     Files.insert(PendingOverrides.begin(), PendingOverrides.end());
131*06f32e7eSjoerg     // Explicitly capture Files to work around an MSVC 2015 rejects-valid bug.
132*06f32e7eSjoerg     auto ShouldRemove = [&Files](void *T) -> bool {
133*06f32e7eSjoerg       auto *ODT = Table::getFromOpaqueValue(T).template get<OnDiskTable *>();
134*06f32e7eSjoerg       bool Remove = Files.count(ODT->File);
135*06f32e7eSjoerg       if (Remove)
136*06f32e7eSjoerg         delete ODT;
137*06f32e7eSjoerg       return Remove;
138*06f32e7eSjoerg     };
139*06f32e7eSjoerg     Tables.erase(std::remove_if(tables().begin().getCurrent(), Tables.end(),
140*06f32e7eSjoerg                                 ShouldRemove),
141*06f32e7eSjoerg                  Tables.end());
142*06f32e7eSjoerg     PendingOverrides.clear();
143*06f32e7eSjoerg   }
144*06f32e7eSjoerg 
condense()145*06f32e7eSjoerg   void condense() {
146*06f32e7eSjoerg     MergedTable *Merged = getMergedTable();
147*06f32e7eSjoerg     if (!Merged)
148*06f32e7eSjoerg       Merged = new MergedTable;
149*06f32e7eSjoerg 
150*06f32e7eSjoerg     // Read in all the tables and merge them together.
151*06f32e7eSjoerg     // FIXME: Be smarter about which tables we merge.
152*06f32e7eSjoerg     for (auto *ODT : tables()) {
153*06f32e7eSjoerg       auto &HT = ODT->Table;
154*06f32e7eSjoerg       Info &InfoObj = HT.getInfoObj();
155*06f32e7eSjoerg 
156*06f32e7eSjoerg       for (auto I = HT.data_begin(), E = HT.data_end(); I != E; ++I) {
157*06f32e7eSjoerg         auto *LocalPtr = I.getItem();
158*06f32e7eSjoerg 
159*06f32e7eSjoerg         // FIXME: Don't rely on the OnDiskHashTable format here.
160*06f32e7eSjoerg         auto L = InfoObj.ReadKeyDataLength(LocalPtr);
161*06f32e7eSjoerg         const internal_key_type &Key = InfoObj.ReadKey(LocalPtr, L.first);
162*06f32e7eSjoerg         data_type_builder ValueBuilder(Merged->Data[Key]);
163*06f32e7eSjoerg         InfoObj.ReadDataInto(Key, LocalPtr + L.first, L.second,
164*06f32e7eSjoerg                              ValueBuilder);
165*06f32e7eSjoerg       }
166*06f32e7eSjoerg 
167*06f32e7eSjoerg       Merged->Files.push_back(ODT->File);
168*06f32e7eSjoerg       delete ODT;
169*06f32e7eSjoerg     }
170*06f32e7eSjoerg 
171*06f32e7eSjoerg     Tables.clear();
172*06f32e7eSjoerg     Tables.push_back(Table(Merged).getOpaqueValue());
173*06f32e7eSjoerg   }
174*06f32e7eSjoerg 
175*06f32e7eSjoerg public:
176*06f32e7eSjoerg   MultiOnDiskHashTable() = default;
177*06f32e7eSjoerg 
MultiOnDiskHashTable(MultiOnDiskHashTable && O)178*06f32e7eSjoerg   MultiOnDiskHashTable(MultiOnDiskHashTable &&O)
179*06f32e7eSjoerg       : Tables(std::move(O.Tables)),
180*06f32e7eSjoerg         PendingOverrides(std::move(O.PendingOverrides)) {
181*06f32e7eSjoerg     O.Tables.clear();
182*06f32e7eSjoerg   }
183*06f32e7eSjoerg 
184*06f32e7eSjoerg   MultiOnDiskHashTable &operator=(MultiOnDiskHashTable &&O) {
185*06f32e7eSjoerg     if (&O == this)
186*06f32e7eSjoerg       return *this;
187*06f32e7eSjoerg     clear();
188*06f32e7eSjoerg     Tables = std::move(O.Tables);
189*06f32e7eSjoerg     O.Tables.clear();
190*06f32e7eSjoerg     PendingOverrides = std::move(O.PendingOverrides);
191*06f32e7eSjoerg     return *this;
192*06f32e7eSjoerg   }
193*06f32e7eSjoerg 
~MultiOnDiskHashTable()194*06f32e7eSjoerg   ~MultiOnDiskHashTable() { clear(); }
195*06f32e7eSjoerg 
196*06f32e7eSjoerg   /// Add the table \p Data loaded from file \p File.
197*06f32e7eSjoerg   void add(file_type File, storage_type Data, Info InfoObj = Info()) {
198*06f32e7eSjoerg     using namespace llvm::support;
199*06f32e7eSjoerg 
200*06f32e7eSjoerg     storage_type Ptr = Data;
201*06f32e7eSjoerg 
202*06f32e7eSjoerg     uint32_t BucketOffset = endian::readNext<uint32_t, little, unaligned>(Ptr);
203*06f32e7eSjoerg 
204*06f32e7eSjoerg     // Read the list of overridden files.
205*06f32e7eSjoerg     uint32_t NumFiles = endian::readNext<uint32_t, little, unaligned>(Ptr);
206*06f32e7eSjoerg     // FIXME: Add a reserve() to TinyPtrVector so that we don't need to make
207*06f32e7eSjoerg     // an additional copy.
208*06f32e7eSjoerg     llvm::SmallVector<file_type, 16> OverriddenFiles;
209*06f32e7eSjoerg     OverriddenFiles.reserve(NumFiles);
210*06f32e7eSjoerg     for (/**/; NumFiles != 0; --NumFiles)
211*06f32e7eSjoerg       OverriddenFiles.push_back(InfoObj.ReadFileRef(Ptr));
212*06f32e7eSjoerg     PendingOverrides.insert(PendingOverrides.end(), OverriddenFiles.begin(),
213*06f32e7eSjoerg                             OverriddenFiles.end());
214*06f32e7eSjoerg 
215*06f32e7eSjoerg     // Read the OnDiskChainedHashTable header.
216*06f32e7eSjoerg     storage_type Buckets = Data + BucketOffset;
217*06f32e7eSjoerg     auto NumBucketsAndEntries =
218*06f32e7eSjoerg         OnDiskTable::HashTable::readNumBucketsAndEntries(Buckets);
219*06f32e7eSjoerg 
220*06f32e7eSjoerg     // Register the table.
221*06f32e7eSjoerg     Table NewTable = new OnDiskTable(File, NumBucketsAndEntries.first,
222*06f32e7eSjoerg                                      NumBucketsAndEntries.second,
223*06f32e7eSjoerg                                      Buckets, Ptr, Data, std::move(InfoObj));
224*06f32e7eSjoerg     Tables.push_back(NewTable.getOpaqueValue());
225*06f32e7eSjoerg   }
226*06f32e7eSjoerg 
227*06f32e7eSjoerg   /// Find and read the lookup results for \p EKey.
find(const external_key_type & EKey)228*06f32e7eSjoerg   data_type find(const external_key_type &EKey) {
229*06f32e7eSjoerg     data_type Result;
230*06f32e7eSjoerg 
231*06f32e7eSjoerg     if (!PendingOverrides.empty())
232*06f32e7eSjoerg       removeOverriddenTables();
233*06f32e7eSjoerg 
234*06f32e7eSjoerg     if (Tables.size() > static_cast<unsigned>(Info::MaxTables))
235*06f32e7eSjoerg       condense();
236*06f32e7eSjoerg 
237*06f32e7eSjoerg     internal_key_type Key = Info::GetInternalKey(EKey);
238*06f32e7eSjoerg     auto KeyHash = Info::ComputeHash(Key);
239*06f32e7eSjoerg 
240*06f32e7eSjoerg     if (MergedTable *M = getMergedTable()) {
241*06f32e7eSjoerg       auto It = M->Data.find(Key);
242*06f32e7eSjoerg       if (It != M->Data.end())
243*06f32e7eSjoerg         Result = It->second;
244*06f32e7eSjoerg     }
245*06f32e7eSjoerg 
246*06f32e7eSjoerg     data_type_builder ResultBuilder(Result);
247*06f32e7eSjoerg 
248*06f32e7eSjoerg     for (auto *ODT : tables()) {
249*06f32e7eSjoerg       auto &HT = ODT->Table;
250*06f32e7eSjoerg       auto It = HT.find_hashed(Key, KeyHash);
251*06f32e7eSjoerg       if (It != HT.end())
252*06f32e7eSjoerg         HT.getInfoObj().ReadDataInto(Key, It.getDataPtr(), It.getDataLen(),
253*06f32e7eSjoerg                                      ResultBuilder);
254*06f32e7eSjoerg     }
255*06f32e7eSjoerg 
256*06f32e7eSjoerg     return Result;
257*06f32e7eSjoerg   }
258*06f32e7eSjoerg 
259*06f32e7eSjoerg   /// Read all the lookup results into a single value. This only makes
260*06f32e7eSjoerg   /// sense if merging values across keys is meaningful.
findAll()261*06f32e7eSjoerg   data_type findAll() {
262*06f32e7eSjoerg     data_type Result;
263*06f32e7eSjoerg     data_type_builder ResultBuilder(Result);
264*06f32e7eSjoerg 
265*06f32e7eSjoerg     if (!PendingOverrides.empty())
266*06f32e7eSjoerg       removeOverriddenTables();
267*06f32e7eSjoerg 
268*06f32e7eSjoerg     if (MergedTable *M = getMergedTable()) {
269*06f32e7eSjoerg       for (auto &KV : M->Data)
270*06f32e7eSjoerg         Info::MergeDataInto(KV.second, ResultBuilder);
271*06f32e7eSjoerg     }
272*06f32e7eSjoerg 
273*06f32e7eSjoerg     for (auto *ODT : tables()) {
274*06f32e7eSjoerg       auto &HT = ODT->Table;
275*06f32e7eSjoerg       Info &InfoObj = HT.getInfoObj();
276*06f32e7eSjoerg       for (auto I = HT.data_begin(), E = HT.data_end(); I != E; ++I) {
277*06f32e7eSjoerg         auto *LocalPtr = I.getItem();
278*06f32e7eSjoerg 
279*06f32e7eSjoerg         // FIXME: Don't rely on the OnDiskHashTable format here.
280*06f32e7eSjoerg         auto L = InfoObj.ReadKeyDataLength(LocalPtr);
281*06f32e7eSjoerg         const internal_key_type &Key = InfoObj.ReadKey(LocalPtr, L.first);
282*06f32e7eSjoerg         InfoObj.ReadDataInto(Key, LocalPtr + L.first, L.second, ResultBuilder);
283*06f32e7eSjoerg       }
284*06f32e7eSjoerg     }
285*06f32e7eSjoerg 
286*06f32e7eSjoerg     return Result;
287*06f32e7eSjoerg   }
288*06f32e7eSjoerg };
289*06f32e7eSjoerg 
290*06f32e7eSjoerg /// Writer for the on-disk hash table.
291*06f32e7eSjoerg template<typename ReaderInfo, typename WriterInfo>
292*06f32e7eSjoerg class MultiOnDiskHashTableGenerator {
293*06f32e7eSjoerg   using BaseTable = MultiOnDiskHashTable<ReaderInfo>;
294*06f32e7eSjoerg   using Generator = llvm::OnDiskChainedHashTableGenerator<WriterInfo>;
295*06f32e7eSjoerg 
296*06f32e7eSjoerg   Generator Gen;
297*06f32e7eSjoerg 
298*06f32e7eSjoerg public:
MultiOnDiskHashTableGenerator()299*06f32e7eSjoerg   MultiOnDiskHashTableGenerator() : Gen() {}
300*06f32e7eSjoerg 
insert(typename WriterInfo::key_type_ref Key,typename WriterInfo::data_type_ref Data,WriterInfo & Info)301*06f32e7eSjoerg   void insert(typename WriterInfo::key_type_ref Key,
302*06f32e7eSjoerg               typename WriterInfo::data_type_ref Data, WriterInfo &Info) {
303*06f32e7eSjoerg     Gen.insert(Key, Data, Info);
304*06f32e7eSjoerg   }
305*06f32e7eSjoerg 
emit(llvm::SmallVectorImpl<char> & Out,WriterInfo & Info,const BaseTable * Base)306*06f32e7eSjoerg   void emit(llvm::SmallVectorImpl<char> &Out, WriterInfo &Info,
307*06f32e7eSjoerg             const BaseTable *Base) {
308*06f32e7eSjoerg     using namespace llvm::support;
309*06f32e7eSjoerg 
310*06f32e7eSjoerg     llvm::raw_svector_ostream OutStream(Out);
311*06f32e7eSjoerg 
312*06f32e7eSjoerg     // Write our header information.
313*06f32e7eSjoerg     {
314*06f32e7eSjoerg       endian::Writer Writer(OutStream, little);
315*06f32e7eSjoerg 
316*06f32e7eSjoerg       // Reserve four bytes for the bucket offset.
317*06f32e7eSjoerg       Writer.write<uint32_t>(0);
318*06f32e7eSjoerg 
319*06f32e7eSjoerg       if (auto *Merged = Base ? Base->getMergedTable() : nullptr) {
320*06f32e7eSjoerg         // Write list of overridden files.
321*06f32e7eSjoerg         Writer.write<uint32_t>(Merged->Files.size());
322*06f32e7eSjoerg         for (const auto &F : Merged->Files)
323*06f32e7eSjoerg           Info.EmitFileRef(OutStream, F);
324*06f32e7eSjoerg 
325*06f32e7eSjoerg         // Add all merged entries from Base to the generator.
326*06f32e7eSjoerg         for (auto &KV : Merged->Data) {
327*06f32e7eSjoerg           if (!Gen.contains(KV.first, Info))
328*06f32e7eSjoerg             Gen.insert(KV.first, Info.ImportData(KV.second), Info);
329*06f32e7eSjoerg         }
330*06f32e7eSjoerg       } else {
331*06f32e7eSjoerg         Writer.write<uint32_t>(0);
332*06f32e7eSjoerg       }
333*06f32e7eSjoerg     }
334*06f32e7eSjoerg 
335*06f32e7eSjoerg     // Write the table itself.
336*06f32e7eSjoerg     uint32_t BucketOffset = Gen.Emit(OutStream, Info);
337*06f32e7eSjoerg 
338*06f32e7eSjoerg     // Replace the first four bytes with the bucket offset.
339*06f32e7eSjoerg     endian::write32le(Out.data(), BucketOffset);
340*06f32e7eSjoerg   }
341*06f32e7eSjoerg };
342*06f32e7eSjoerg 
343*06f32e7eSjoerg } // namespace serialization
344*06f32e7eSjoerg } // namespace clang
345*06f32e7eSjoerg 
346*06f32e7eSjoerg #endif // LLVM_CLANG_LIB_SERIALIZATION_MULTIONDISKHASHTABLE_H
347