]> mj.ucw.cz Git - libucw.git/commitdiff
Next version of the sorter -- both presorting and unifying works.
authorMartin Mares <mj@ucw.cz>
Sun, 4 Feb 2001 20:08:14 +0000 (20:08 +0000)
committerMartin Mares <mj@ucw.cz>
Sun, 4 Feb 2001 20:08:14 +0000 (20:08 +0000)
sort-test now does just `sort -u' and it's about 30% slower than its
GNU counterpart, probably due to extra copies of sorting keys by our
buffered I/O layer. Fortunately, a typical case will be long data with
short keys where we should be efficient as we can use bbcopy().

lib/sort-test.c
lib/sorter.h

index 2f61b1528d783b71fe27172bd276d381f38ccdc7..0ce1acf46bde57e35024ca99dd0b2b48a0fafb70 100644 (file)
@@ -8,13 +8,15 @@
 #include <string.h>
 
 struct key {
-  char line[1024];
+  char line[4096];
 };
 
 #define SORT_KEY struct key
 #define SORT_PREFIX(x) s_##x
+#define SORT_PRESORT
 #define SORT_INPUT_FILE
 #define SORT_OUTPUT_FILE
+#define SORT_UNIFY
 
 static inline int
 s_compare(struct key *a, struct key *b)
@@ -34,6 +36,41 @@ s_copy_data(struct fastbuf *src UNUSED, struct fastbuf *dest, struct key *k)
   bputsn(dest, k->line);
 }
 
+static inline byte *
+s_fetch_item(struct fastbuf *src UNUSED, struct key *k, byte *limit UNUSED)
+{
+  byte *end = (byte *) k->line + strlen(k->line) + 1;
+#if 0                                  /* Testing splits */
+  uns r = random_max(10000);
+  if (end + r <= limit)
+    return end + r;
+  else
+    return NULL;
+#else
+  return end;
+#endif
+}
+
+static inline void
+s_store_item(struct fastbuf *f, struct key *k)
+{
+  s_copy_data(NULL, f, k);
+}
+
+#ifdef SORT_UNIFY
+static inline void
+s_merge_data(struct fastbuf *src1, struct fastbuf *src2, struct fastbuf *dest, struct key *k1, struct key *k2)
+{
+  s_copy_data(NULL, dest, k1);
+}
+
+static inline struct key *
+s_merge_items(struct key *a, struct key *b)
+{
+  return a;
+}
+#endif
+
 #include "lib/sorter.h"
 
 int
index 0ed5e04d1f13fd6a59e51640b2d6c935e9dc4675..be2e80a33b12dade3daffafc9683626998d7b5c0 100644 (file)
@@ -24,7 +24,7 @@
  *  SORT_INPUT_FBPAIR  input is a pair of fastbuf streams
  *                     (not supported by the presorter)
  *  SORT_OUTPUT_FILE   output is a file with this name
- *  SORT_OUTPUT_FB     output is a fastbuf stream
+ *  SORT_OUTPUT_FB     output is a temporary fastbuf stream
  *
  *  You also need to define some (usually inline) functions which
  *  are called by the sorter to process your data:
@@ -41,7 +41,7 @@
  *                     write just fetched key k to dest and merge data from
  *                     two records with the same key (k1 and k2 are key occurences
  *                     in the corresponding streams).
- *  char * PREFIX_fetch_item(struct fastbuf *f, SORT_KEY *k, char *limit)
+ *  byte * PREFIX_fetch_item(struct fastbuf *f, SORT_KEY *k, byte *limit)
  *                     [used only with SORT_PRESORT]
  *                     fetch data belonging to a just fetched key and store
  *                     them to memory following the key, but not over limit.
@@ -83,6 +83,7 @@ struct fastbuf *sorter_open_tmp(void);
 #include "lib/fastbuf.h"
 #include <unistd.h>
 #include <fcntl.h>
+#include <string.h>
 
 #if !defined(SORT_KEY) || !defined(SORT_PREFIX)
 #error Some of the mandatory configuration macros are missing.
@@ -97,6 +98,17 @@ struct fastbuf *sorter_open_tmp(void);
 #define LESS <=
 #endif
 
+static struct fastbuf *
+P(flush_out)(struct fastbuf *out)
+{
+  if (out)
+    {
+      bflush(out);
+      bsetpos(out, 0);
+    }
+  return out;
+}
+
 static void
 P(pass)(struct fastbuf **fb1, struct fastbuf **fb2)
 {
@@ -175,21 +187,165 @@ P(pass)(struct fastbuf **fb1, struct fastbuf **fb2)
     log(L_INFO, "Pass %d: %d runs, %d+%d KB", sorter_pass_counter, run_count,
        (out1 ? (int)((btell(out1) + 1023) / 1024) : 0),
        (out2 ? (int)((btell(out2) + 1023) / 1024) : 0));
-  if (out1)                            /* FIXME: What about empty output? */
+  *fb1 = P(flush_out)(out1);
+  *fb2 = P(flush_out)(out2);
+  sorter_pass_counter++;
+}
+
+#ifdef SORT_PRESORT
+
+#define SORT_NODE struct P(presort_node)
+
+SORT_NODE {
+  SORT_NODE *next;
+  SORT_KEY key;
+};
+
+static SORT_NODE *
+P(mergesort)(SORT_NODE *x)
+{
+  SORT_NODE *f1, **l1, *f2, **l2, **l;
+
+  l1 = &f1;
+  l2 = &f2;
+  while (x)
     {
-      bflush(out1);
-      bsetpos(out1, 0);
+      *l1 = x;
+      l1 = &x->next;
+      x = x->next;
+      if (!x)
+       break;
+      *l2 = x;
+      l2 = &x->next;
+      x = x->next;
     }
-  if (out2)
+  *l1 = *l2 = NULL;
+
+  if (f1 && f1->next)
+    f1 = P(mergesort)(f1);
+  if (f2 && f2->next)
+    f2 = P(mergesort)(f2);
+  l = &x;
+  while (f1 && f2)
     {
-      bflush(out2);
-      bsetpos(out2, 0);
+      if (P(compare)(&f1->key, &f2->key) <= 0)
+       {
+         *l = f1;
+         l = &f1->next;
+         f1 = f1->next;
+       }
+      else
+       {
+         *l = f2;
+         l = &f2->next;
+         f2 = f2->next;
+       }
     }
-  *fb1 = out1;
-  *fb2 = out2;
-  sorter_pass_counter++;
+  *l = f1 ? : f2;
+  return x;
 }
 
+static void
+P(presort)(struct fastbuf **fb1, struct fastbuf **fb2)
+{
+  struct fastbuf *in = *fb1;
+  struct fastbuf *out1 = NULL;
+  struct fastbuf *out2 = NULL;
+  struct fastbuf *tbuf;
+  byte *buffer, *bufend, *current;
+  SORT_NODE *first, **last, *this, *leftover;
+  int cont = 1;
+  uns run_count = 0;
+  uns giant_count = 0;
+  uns split_count = 0;
+
+  ASSERT(!*fb2);
+  if (sorter_presort_bufsize < 2*sizeof(SORT_NODE))
+    die("PresortBuffer set too low");
+  buffer = xmalloc(sorter_presort_bufsize);
+  bufend = buffer + sorter_presort_bufsize;
+  leftover = NULL;
+  while (cont)
+    {
+      SWAP(out1, out2, tbuf);
+      if (!out1)
+       out1 = sorter_open_tmp();
+      current = buffer;
+      last = &first;
+      if (leftover)
+       {
+         memmove(buffer, leftover, sizeof(SORT_NODE));
+         this = leftover = (SORT_NODE *) buffer;
+         split_count++;
+         goto get_data;
+       }
+      for(;;)
+       {
+         current = (byte *) ALIGN((addr_int_t) current, CPU_STRUCT_ALIGN);
+         if (current + sizeof(*this) > bufend)
+           break;
+         this = (SORT_NODE *) current;
+         cont = P(fetch_key)(in, &this->key);
+         if (!cont)
+           break;
+       get_data:
+         current = P(fetch_item)(in, &this->key, bufend);
+         if (!current)
+           {
+             if (leftover)             /* Single node too large */
+               {
+                 P(copy_data)(in, out1, &leftover->key);
+                 leftover = NULL;
+                 run_count++;
+                 giant_count++;
+               }
+             else                      /* Node will be left over to the next phase */
+               leftover = this;
+             break;
+           }
+         *last = this;
+         last = &this->next;
+         leftover = NULL;
+       }
+      *last = NULL;
+      if (!first)
+       continue;
+
+      first = P(mergesort)(first);
+      run_count++;
+      while (first)
+       {
+#ifdef SORT_UNIFY
+         SORT_NODE *second = first->next;
+         if (second && !P(compare)(&first->key, &second->key))
+           {
+             SORT_KEY *n = P(merge_items)(&first->key, &second->key);
+             if (n == &first->key)
+               first->next = second->next;
+             else if (n)
+               first = first->next;
+             else
+               first = second->next;
+             continue;
+           }
+#endif
+         P(store_item)(out1, &first->key);
+         first = first->next;
+       }
+    }
+
+  bclose(in);
+  if (sorter_trace)
+    log(L_INFO, "Pass 0: %d runs (%d giants, %d splits), %d+%d KB",
+       run_count, giant_count, split_count,
+       (out1 ? (int)((btell(out1) + 1023) / 1024) : 0),
+       (out2 ? (int)((btell(out2) + 1023) / 1024) : 0));
+  *fb1 = P(flush_out)(out1);
+  *fb2 = P(flush_out)(out2);
+}
+
+#endif         /* SORT_PRESORT */
+
 static
 #ifdef SORT_OUTPUT_FB
 struct fastbuf *
@@ -225,21 +381,27 @@ struct fastbuf *fb1, struct fastbuf *fb2
 #endif
 
   sorter_pass_counter = 1;
-  do P(pass)(&fb1, &fb2); while (fb1 && fb2);
+#ifdef SORT_PRESORT
+  P(presort)(&fb1, &fb2);
+  if (fb2)
+#endif
+    do P(pass)(&fb1, &fb2); while (fb1 && fb2);
   if (!fb1)
-    fb1 = fb2;
-  fb1->is_temp_file = 0;
+    fb1 = sorter_open_tmp();
 
 #ifdef SORT_OUTPUT_FB
   return fb1;
 #else
+  fb1->is_temp_file = 0;
   if (rename(fb1->name, outname) < 0)
     die("rename(%s,%s): %m", fb1->name, outname);
+  bclose(fb1);
 #endif
 }
 
 #undef P
 #undef LESS
 #undef SWAP
+#undef SORT_NODE
 
 #endif         /* !SORT_DECLARE_ONLY */