Branch data Line data Source code
1 : : #include "graph.h"
2 : : #include "chm.h"
3 : : #include "cmph_structs.h"
4 : : #include "chm_structs.h"
5 : : #include "hash.h"
6 : : #include "bitbool.h"
7 : :
8 : : #include <math.h>
9 : : #include <stdlib.h>
10 : : #include <stdio.h>
11 : : #include <assert.h>
12 : : #include <string.h>
13 : : #include <errno.h>
14 : :
15 : : //#define DEBUG
16 : : #include "debug.h"
17 : :
18 : : static int chm_gen_edges(cmph_config_t *mph);
19 : : static void chm_traverse(chm_config_data_t *chm, cmph_uint8 *visited, cmph_uint32 v);
20 : :
21 : 10 : chm_config_data_t *chm_config_new(void)
22 : : {
23 : 10 : chm_config_data_t *chm = NULL;
24 : 10 : chm = (chm_config_data_t *)malloc(sizeof(chm_config_data_t));
25 : 10 : assert(chm);
26 : 10 : memset(chm, 0, sizeof(chm_config_data_t));
27 : 10 : chm->hashfuncs[0] = CMPH_HASH_JENKINS;
28 : 10 : chm->hashfuncs[1] = CMPH_HASH_JENKINS;
29 : 10 : chm->g = NULL;
30 : 10 : chm->graph = NULL;
31 : 10 : chm->hashes = NULL;
32 : 10 : return chm;
33 : : }
34 : 10 : void chm_config_destroy(cmph_config_t *mph)
35 : : {
36 : 10 : chm_config_data_t *data = (chm_config_data_t *)mph->data;
37 : : DEBUGP("Destroying algorithm dependent data\n");
38 : 10 : free(data);
39 : 10 : }
40 : :
41 : 0 : void chm_config_set_hashfuncs(cmph_config_t *mph, CMPH_HASH *hashfuncs)
42 : : {
43 : 0 : chm_config_data_t *chm = (chm_config_data_t *)mph->data;
44 : 0 : CMPH_HASH *hashptr = hashfuncs;
45 : 0 : cmph_uint32 i = 0;
46 : 0 : while(*hashptr != CMPH_HASH_COUNT)
47 : : {
48 : 0 : if (i >= 2) break; //chm only uses two hash functions
49 : 0 : chm->hashfuncs[i] = *hashptr;
50 : 0 : ++i, ++hashptr;
51 : : }
52 : 0 : }
53 : :
54 : 0 : cmph_t *chm_new(cmph_config_t *mph, double c)
55 : : {
56 : 0 : cmph_t *mphf = NULL;
57 : 0 : chm_data_t *chmf = NULL;
58 : :
59 : : cmph_uint32 i;
60 : 0 : cmph_uint32 iterations = 20;
61 : 0 : cmph_uint8 *visited = NULL;
62 : 0 : chm_config_data_t *chm = (chm_config_data_t *)mph->data;
63 : 0 : chm->m = mph->key_source->nkeys;
64 : 0 : if (c == 0) c = 2.09;
65 : 0 : chm->n = (cmph_uint32)ceil(c * mph->key_source->nkeys);
66 : : DEBUGP("m (edges): %u n (vertices): %u c: %f\n", chm->m, chm->n, c);
67 : 0 : chm->graph = graph_new(chm->n, chm->m);
68 : : DEBUGP("Created graph\n");
69 : :
70 : 0 : chm->hashes = (hash_state_t **)malloc(sizeof(hash_state_t *)*3);
71 : 0 : for(i = 0; i < 3; ++i) chm->hashes[i] = NULL;
72 : : //Mapping step
73 : 0 : if (mph->verbosity)
74 : : {
75 : 0 : fprintf(stderr, "Entering mapping step for mph creation of %u keys with graph sized %u\n", chm->m, chm->n);
76 : : }
77 : : while(1)
78 : 0 : {
79 : : int ok;
80 : 0 : chm->hashes[0] = hash_state_new(chm->hashfuncs[0], chm->n);
81 : 0 : chm->hashes[1] = hash_state_new(chm->hashfuncs[1], chm->n);
82 : 0 : ok = chm_gen_edges(mph);
83 : 0 : if (!ok)
84 : : {
85 : 0 : --iterations;
86 : 0 : hash_state_destroy(chm->hashes[0]);
87 : 0 : chm->hashes[0] = NULL;
88 : 0 : hash_state_destroy(chm->hashes[1]);
89 : 0 : chm->hashes[1] = NULL;
90 : : DEBUGP("%u iterations remaining\n", iterations);
91 : 0 : if (mph->verbosity)
92 : : {
93 : 0 : fprintf(stderr, "Acyclic graph creation failure - %u iterations remaining\n", iterations);
94 : : }
95 : 0 : if (iterations == 0) break;
96 : : }
97 : 0 : else break;
98 : : }
99 : 0 : if (iterations == 0)
100 : : {
101 : 0 : graph_destroy(chm->graph);
102 : 0 : return NULL;
103 : : }
104 : :
105 : : //Assignment step
106 : 0 : if (mph->verbosity)
107 : : {
108 : 0 : fprintf(stderr, "Starting assignment step\n");
109 : : }
110 : : DEBUGP("Assignment step\n");
111 : 0 : visited = (cmph_uint8 *)malloc((size_t)(chm->n/8 + 1));
112 : 0 : memset(visited, 0, (size_t)(chm->n/8 + 1));
113 : 0 : free(chm->g);
114 : 0 : chm->g = (cmph_uint32 *)malloc(chm->n * sizeof(cmph_uint32));
115 : 0 : assert(chm->g);
116 : 0 : for (i = 0; i < chm->n; ++i)
117 : : {
118 : 0 : if (!GETBIT(visited,i))
119 : : {
120 : 0 : chm->g[i] = 0;
121 : 0 : chm_traverse(chm, visited, i);
122 : : }
123 : : }
124 : 0 : graph_destroy(chm->graph);
125 : 0 : free(visited);
126 : 0 : chm->graph = NULL;
127 : :
128 : 0 : mphf = (cmph_t *)malloc(sizeof(cmph_t));
129 : 0 : mphf->algo = mph->algo;
130 : 0 : chmf = (chm_data_t *)malloc(sizeof(chm_data_t));
131 : 0 : chmf->g = chm->g;
132 : 0 : chm->g = NULL; //transfer memory ownership
133 : 0 : chmf->hashes = chm->hashes;
134 : 0 : chm->hashes = NULL; //transfer memory ownership
135 : 0 : chmf->n = chm->n;
136 : 0 : chmf->m = chm->m;
137 : 0 : mphf->data = chmf;
138 : 0 : mphf->size = chm->m;
139 : : DEBUGP("Successfully generated minimal perfect hash\n");
140 : 0 : if (mph->verbosity)
141 : : {
142 : 0 : fprintf(stderr, "Successfully generated minimal perfect hash function\n");
143 : : }
144 : 0 : return mphf;
145 : : }
146 : :
147 : 0 : static void chm_traverse(chm_config_data_t *chm, cmph_uint8 *visited, cmph_uint32 v)
148 : : {
149 : :
150 : 0 : graph_iterator_t it = graph_neighbors_it(chm->graph, v);
151 : 0 : cmph_uint32 neighbor = 0;
152 : 0 : SETBIT(visited,v);
153 : :
154 : : DEBUGP("Visiting vertex %u\n", v);
155 : 0 : while((neighbor = graph_next_neighbor(chm->graph, &it)) != GRAPH_NO_NEIGHBOR)
156 : : {
157 : : DEBUGP("Visiting neighbor %u\n", neighbor);
158 : 0 : if(GETBIT(visited,neighbor)) continue;
159 : : DEBUGP("Visiting neighbor %u\n", neighbor);
160 : : DEBUGP("Visiting edge %u->%u with id %u\n", v, neighbor, graph_edge_id(chm->graph, v, neighbor));
161 : 0 : chm->g[neighbor] = graph_edge_id(chm->graph, v, neighbor) - chm->g[v];
162 : : DEBUGP("g is %u (%u - %u mod %u)\n", chm->g[neighbor], graph_edge_id(chm->graph, v, neighbor), chm->g[v], chm->m);
163 : 0 : chm_traverse(chm, visited, neighbor);
164 : : }
165 : 0 : }
166 : :
167 : 0 : static int chm_gen_edges(cmph_config_t *mph)
168 : : {
169 : : cmph_uint32 e;
170 : 0 : chm_config_data_t *chm = (chm_config_data_t *)mph->data;
171 : 0 : int cycles = 0;
172 : :
173 : : DEBUGP("Generating edges for %u vertices with hash functions %s and %s\n", chm->n, cmph_hash_names[chm->hashfuncs[0]], cmph_hash_names[chm->hashfuncs[1]]);
174 : 0 : graph_clear_edges(chm->graph);
175 : 0 : mph->key_source->rewind(mph->key_source->data);
176 : 0 : for (e = 0; e < mph->key_source->nkeys; ++e)
177 : : {
178 : : cmph_uint32 h1, h2;
179 : : cmph_uint32 keylen;
180 : : char *key;
181 : 0 : mph->key_source->read(mph->key_source->data, &key, &keylen);
182 : 0 : h1 = hash(chm->hashes[0], key, keylen) % chm->n;
183 : 0 : h2 = hash(chm->hashes[1], key, keylen) % chm->n;
184 : 0 : if (h1 == h2) if (++h2 >= chm->n) h2 = 0;
185 : 0 : if (h1 == h2)
186 : : {
187 : 0 : if (mph->verbosity) fprintf(stderr, "Self loop for key %u\n", e);
188 : 0 : mph->key_source->dispose(mph->key_source->data, key, keylen);
189 : 0 : return 0;
190 : : }
191 : : DEBUGP("Adding edge: %u -> %u for key %s\n", h1, h2, key);
192 : 0 : mph->key_source->dispose(mph->key_source->data, key, keylen);
193 : 0 : graph_add_edge(chm->graph, h1, h2);
194 : : }
195 : 0 : cycles = graph_is_cyclic(chm->graph);
196 : 0 : if (mph->verbosity && cycles) fprintf(stderr, "Cyclic graph generated\n");
197 : : DEBUGP("Looking for cycles: %u\n", cycles);
198 : :
199 : 0 : return ! cycles;
200 : : }
201 : :
202 : 0 : int chm_dump(cmph_t *mphf, FILE *fd)
203 : : {
204 : 0 : char *buf = NULL;
205 : : cmph_uint32 buflen;
206 : 0 : cmph_uint32 two = 2; //number of hash functions
207 : 0 : chm_data_t *data = (chm_data_t *)mphf->data;
208 : : register size_t nbytes;
209 : :
210 : 0 : __cmph_dump(mphf, fd);
211 : :
212 : 0 : nbytes = fwrite(&two, sizeof(cmph_uint32), (size_t)1, fd);
213 : 0 : hash_state_dump(data->hashes[0], &buf, &buflen);
214 : : DEBUGP("Dumping hash state with %u bytes to disk\n", buflen);
215 : 0 : nbytes = fwrite(&buflen, sizeof(cmph_uint32), (size_t)1, fd);
216 : 0 : nbytes = fwrite(buf, (size_t)buflen, (size_t)1, fd);
217 : 0 : free(buf);
218 : :
219 : 0 : hash_state_dump(data->hashes[1], &buf, &buflen);
220 : : DEBUGP("Dumping hash state with %u bytes to disk\n", buflen);
221 : 0 : nbytes = fwrite(&buflen, sizeof(cmph_uint32), (size_t)1, fd);
222 : 0 : nbytes = fwrite(buf, (size_t)buflen, (size_t)1, fd);
223 : 0 : free(buf);
224 : :
225 : 0 : nbytes = fwrite(&(data->n), sizeof(cmph_uint32), (size_t)1, fd);
226 : 0 : nbytes = fwrite(&(data->m), sizeof(cmph_uint32), (size_t)1, fd);
227 : :
228 : 0 : nbytes = fwrite(data->g, sizeof(cmph_uint32)*data->n, (size_t)1, fd);
229 : 0 : if (nbytes == 0 && ferror(fd)) {
230 : 0 : fprintf(stderr, "ERROR: %s\n", strerror(errno));
231 : 0 : return 0;
232 : : }
233 : : /* #ifdef DEBUG
234 : : fprintf(stderr, "G: ");
235 : : for (i = 0; i < data->n; ++i) fprintf(stderr, "%u ", data->g[i]);
236 : : fprintf(stderr, "\n");
237 : : #endif*/
238 : 0 : return 1;
239 : : }
240 : :
241 : 0 : void chm_load(FILE *f, cmph_t *mphf)
242 : : {
243 : : cmph_uint32 nhashes;
244 : 0 : char *buf = NULL;
245 : : cmph_uint32 buflen;
246 : : cmph_uint32 i;
247 : 0 : chm_data_t *chm = (chm_data_t *)malloc(sizeof(chm_data_t));
248 : : register size_t nbytes;
249 : : DEBUGP("Loading chm mphf\n");
250 : 0 : mphf->data = chm;
251 : 0 : nbytes = fread(&nhashes, sizeof(cmph_uint32), (size_t)1, f);
252 : 0 : chm->hashes = (hash_state_t **)malloc(sizeof(hash_state_t *)*(nhashes + 1));
253 : 0 : chm->hashes[nhashes] = NULL;
254 : : DEBUGP("Reading %u hashes\n", nhashes);
255 : 0 : for (i = 0; i < nhashes; ++i)
256 : : {
257 : 0 : hash_state_t *state = NULL;
258 : 0 : nbytes = fread(&buflen, sizeof(cmph_uint32), (size_t)1, f);
259 : : DEBUGP("Hash state has %u bytes\n", buflen);
260 : 0 : buf = (char *)malloc((size_t)buflen);
261 : 0 : nbytes = fread(buf, (size_t)buflen, (size_t)1, f);
262 : 0 : state = hash_state_load(buf, buflen);
263 : 0 : chm->hashes[i] = state;
264 : 0 : free(buf);
265 : : }
266 : :
267 : : DEBUGP("Reading m and n\n");
268 : 0 : nbytes = fread(&(chm->n), sizeof(cmph_uint32), (size_t)1, f);
269 : 0 : nbytes = fread(&(chm->m), sizeof(cmph_uint32), (size_t)1, f);
270 : :
271 : 0 : chm->g = (cmph_uint32 *)malloc(sizeof(cmph_uint32)*chm->n);
272 : 0 : nbytes = fread(chm->g, chm->n*sizeof(cmph_uint32), (size_t)1, f);
273 : 0 : if (nbytes == 0 && ferror(f)) {
274 : 0 : fprintf(stderr, "ERROR: %s\n", strerror(errno));
275 : 0 : return;
276 : : }
277 : : #ifdef DEBUG
278 : : fprintf(stderr, "G: ");
279 : : for (i = 0; i < chm->n; ++i) fprintf(stderr, "%u ", chm->g[i]);
280 : : fprintf(stderr, "\n");
281 : : #endif
282 : 0 : return;
283 : : }
284 : :
285 : :
286 : 0 : cmph_uint32 chm_search(cmph_t *mphf, const char *key, cmph_uint32 keylen)
287 : : {
288 : 0 : chm_data_t *chm = mphf->data;
289 : 0 : cmph_uint32 h1 = hash(chm->hashes[0], key, keylen) % chm->n;
290 : 0 : cmph_uint32 h2 = hash(chm->hashes[1], key, keylen) % chm->n;
291 : : DEBUGP("key: %s h1: %u h2: %u\n", key, h1, h2);
292 : 0 : if (h1 == h2 && ++h2 >= chm->n) h2 = 0;
293 : : DEBUGP("key: %s g[h1]: %u g[h2]: %u edges: %u\n", key, chm->g[h1], chm->g[h2], chm->m);
294 : 0 : return (chm->g[h1] + chm->g[h2]) % chm->m;
295 : : }
296 : 0 : void chm_destroy(cmph_t *mphf)
297 : : {
298 : 0 : chm_data_t *data = (chm_data_t *)mphf->data;
299 : 0 : free(data->g);
300 : 0 : hash_state_destroy(data->hashes[0]);
301 : 0 : hash_state_destroy(data->hashes[1]);
302 : 0 : free(data->hashes);
303 : 0 : free(data);
304 : 0 : free(mphf);
305 : 0 : }
306 : :
307 : : /** \fn void chm_pack(cmph_t *mphf, void *packed_mphf);
308 : : * \brief Support the ability to pack a perfect hash function into a preallocated contiguous memory space pointed by packed_mphf.
309 : : * \param mphf pointer to the resulting mphf
310 : : * \param packed_mphf pointer to the contiguous memory area used to store the resulting mphf. The size of packed_mphf must be at least cmph_packed_size()
311 : : */
312 : 0 : void chm_pack(cmph_t *mphf, void *packed_mphf)
313 : : {
314 : 0 : chm_data_t *data = (chm_data_t *)mphf->data;
315 : 0 : cmph_uint8 * ptr = packed_mphf;
316 : : CMPH_HASH h2_type;
317 : :
318 : : // packing h1 type
319 : 0 : CMPH_HASH h1_type = hash_get_type(data->hashes[0]);
320 : 0 : *((cmph_uint32 *) ptr) = h1_type;
321 : 0 : ptr += sizeof(cmph_uint32);
322 : :
323 : : // packing h1
324 : 0 : hash_state_pack(data->hashes[0], ptr);
325 : 0 : ptr += hash_state_packed_size(h1_type);
326 : :
327 : : // packing h2 type
328 : 0 : h2_type = hash_get_type(data->hashes[1]);
329 : 0 : *((cmph_uint32 *) ptr) = h2_type;
330 : 0 : ptr += sizeof(cmph_uint32);
331 : :
332 : : // packing h2
333 : 0 : hash_state_pack(data->hashes[1], ptr);
334 : 0 : ptr += hash_state_packed_size(h2_type);
335 : :
336 : : // packing n
337 : 0 : *((cmph_uint32 *) ptr) = data->n;
338 : 0 : ptr += sizeof(data->n);
339 : :
340 : : // packing m
341 : 0 : *((cmph_uint32 *) ptr) = data->m;
342 : 0 : ptr += sizeof(data->m);
343 : :
344 : : // packing g
345 : 0 : memcpy(ptr, data->g, sizeof(cmph_uint32)*data->n);
346 : 0 : }
347 : :
348 : : /** \fn cmph_uint32 chm_packed_size(cmph_t *mphf);
349 : : * \brief Return the amount of space needed to pack mphf.
350 : : * \param mphf pointer to a mphf
351 : : * \return the size of the packed function or zero for failures
352 : : */
353 : 0 : cmph_uint32 chm_packed_size(cmph_t *mphf)
354 : : {
355 : 0 : chm_data_t *data = (chm_data_t *)mphf->data;
356 : 0 : CMPH_HASH h1_type = hash_get_type(data->hashes[0]);
357 : 0 : CMPH_HASH h2_type = hash_get_type(data->hashes[1]);
358 : :
359 : 0 : return (cmph_uint32)(sizeof(CMPH_ALGO) + hash_state_packed_size(h1_type) + hash_state_packed_size(h2_type) +
360 : 0 : 4*sizeof(cmph_uint32) + sizeof(cmph_uint32)*data->n);
361 : : }
362 : :
363 : : /** cmph_uint32 chm_search(void *packed_mphf, const char *key, cmph_uint32 keylen);
364 : : * \brief Use the packed mphf to do a search.
365 : : * \param packed_mphf pointer to the packed mphf
366 : : * \param key key to be hashed
367 : : * \param keylen key length in bytes
368 : : * \return The mphf value
369 : : */
370 : 0 : cmph_uint32 chm_search_packed(void *packed_mphf, const char *key, cmph_uint32 keylen)
371 : : {
372 : 0 : register cmph_uint8 *h1_ptr = packed_mphf;
373 : 0 : register CMPH_HASH h1_type = *((cmph_uint32 *)h1_ptr);
374 : : register cmph_uint8 *h2_ptr;
375 : : register CMPH_HASH h2_type;
376 : : register cmph_uint32 *g_ptr;
377 : : register cmph_uint32 n, m, h1, h2;
378 : :
379 : 0 : h1_ptr += 4;
380 : :
381 : 0 : h2_ptr = h1_ptr + hash_state_packed_size(h1_type);
382 : 0 : h2_type = *((cmph_uint32 *)h2_ptr);
383 : 0 : h2_ptr += 4;
384 : :
385 : 0 : g_ptr = (cmph_uint32 *)(h2_ptr + hash_state_packed_size(h2_type));
386 : :
387 : 0 : n = *g_ptr++;
388 : 0 : m = *g_ptr++;
389 : :
390 : 0 : h1 = hash_packed(h1_ptr, h1_type, key, keylen) % n;
391 : 0 : h2 = hash_packed(h2_ptr, h2_type, key, keylen) % n;
392 : : DEBUGP("key: %s h1: %u h2: %u\n", key, h1, h2);
393 : 0 : if (h1 == h2 && ++h2 >= n) h2 = 0;
394 : : DEBUGP("key: %s g[h1]: %u g[h2]: %u edges: %u\n", key, g_ptr[h1], g_ptr[h2], m);
395 : 0 : return (g_ptr[h1] + g_ptr[h2]) % m;
396 : : }
|
