ichunker.c - dedup - deduplicating backup program Err bitreich.org 70 hgit clone git://bitreich.org/dedup/ git://enlrupgkhuxnvlhsf6lc3fziv5h2hhfrinws65d7roiv6bfj7d652fid.onion/dedup/ URL:git://bitreich.org/dedup/ git://enlrupgkhuxnvlhsf6lc3fziv5h2hhfrinws65d7roiv6bfj7d652fid.onion/dedup/ bitreich.org 70 1Log /scm/dedup/log.gph bitreich.org 70 1Files /scm/dedup/files.gph bitreich.org 70 1Refs /scm/dedup/refs.gph bitreich.org 70 1Tags /scm/dedup/tag bitreich.org 70 1README /scm/dedup/file/README.gph bitreich.org 70 1LICENSE /scm/dedup/file/LICENSE.gph bitreich.org 70 i--- Err bitreich.org 70 ichunker.c (6135B) Err bitreich.org 70 i--- Err bitreich.org 70 i 1 #include Err bitreich.org 70 i 2 #include Err bitreich.org 70 i 3 #include Err bitreich.org 70 i 4 #include Err bitreich.org 70 i 5 #include Err bitreich.org 70 i 6 Err bitreich.org 70 i 7 #include "misc.h" Err bitreich.org 70 i 8 Err bitreich.org 70 i 9 #define ROTL(x, y) (((x) << (y)) | ((x) >> (32 - (y)))) Err bitreich.org 70 i 10 Err bitreich.org 70 i 11 struct chunker { Err bitreich.org 70 i 12 unsigned char *buf; Err bitreich.org 70 i 13 int fd; Err bitreich.org 70 i 14 size_t rp; Err bitreich.org 70 i 15 size_t wp; Err bitreich.org 70 i 16 size_t minsize; Err bitreich.org 70 i 17 size_t maxsize; Err bitreich.org 70 i 18 size_t mask; Err bitreich.org 70 i 19 size_t winsize; Err bitreich.org 70 i 20 uint32_t seed; Err bitreich.org 70 i 21 }; Err bitreich.org 70 i 22 Err bitreich.org 70 i 23 /* Err bitreich.org 70 i 24 * Static table for use in buzhash algorithm. Err bitreich.org 70 i 25 * 256 * 32 bits randomly generated unique integers Err bitreich.org 70 i 26 * Err bitreich.org 70 i 27 * To get better pseudo-random results, there is exactly the same number Err bitreich.org 70 i 28 * of 0 and 1 spread amongst these integers. It means that there is Err bitreich.org 70 i 29 * exactly 50% chance that a XOR operation would flip all the bits in Err bitreich.org 70 i 30 * the hash. Err bitreich.org 70 i 31 */ Err bitreich.org 70 i 32 static uint32_t buztbl[] = { Err bitreich.org 70 i 33 0xbc9fa594,0x30a8f827,0xced627a7,0xdb46a745,0xcfa4a9e8,0x77cccb59,0xddb66276,0x3adc532f, Err bitreich.org 70 i 34 0xfe8b67d3,0x8155b59e,0x0c893666,0x1d757009,0x17394ee4,0x85d94c07,0xcacd52da,0x076c6f79, Err bitreich.org 70 i 35 0xead0a798,0x6c7ccb4a,0x2639a1b8,0x3aa5ae32,0x3e6218d2,0xb290d980,0xa5149521,0x4b426119, Err bitreich.org 70 i 36 0xd3230fc7,0x677c1cc4,0x2b64603c,0x01fe92a8,0xbe358296,0xa7e7fac7,0xf509bf41,0x04b017ad, Err bitreich.org 70 i 37 0xf900344c,0x8e14e202,0xb2a6e9b4,0x3db3c311,0x960286a8,0xf6bf0468,0xed54ec94,0xf358070c, Err bitreich.org 70 i 38 0x6a4795dd,0x3f7b925c,0x5e13a060,0xfaecbafe,0x03c8bb55,0x8a56ba88,0x633e3b49,0xe036bbbe, Err bitreich.org 70 i 39 0x1ed3dbb5,0x76e8ad74,0x79d346ab,0x44b4ccc4,0x71eb22d3,0xa1aa3f24,0x50e05b81,0xa3b450d3, Err bitreich.org 70 i 40 0x7f5caffb,0xa1990650,0x54c44800,0xda134b65,0x72362eea,0xbd12b8e6,0xf7c99fdc,0x020d48c7, Err bitreich.org 70 i 41 0x9d9c3d46,0x32b75615,0xe61923cf,0xadc09d8f,0xab11376b,0xd66fe4cd,0xb3b086b6,0xb8345b9f, Err bitreich.org 70 i 42 0x59029667,0xae0e937c,0xcbd4d4ba,0x720bb3fb,0x5f7d2ca3,0xec24ba15,0x6b40109b,0xf0a54587, Err bitreich.org 70 i 43 0x3acf9420,0x466e981d,0xc66dc124,0x150ef7b4,0xc3ce718e,0x136774f5,0x46684ab4,0xb4b490f0, Err bitreich.org 70 i 44 0x26508a8b,0xf12febc8,0x4b99171b,0xfc373c84,0x339b5677,0x41703ff3,0x7cadbbd7,0x15ea24e2, Err bitreich.org 70 i 45 0x7a2f9783,0xed6a383a,0x649eb072,0x79970941,0x2abd28ad,0x4375e00c,0x9df084f7,0x6fdeec6c, Err bitreich.org 70 i 46 0x6619ac6d,0x7d256f4d,0x9b8e658a,0x3d7627e9,0xd5a98d45,0x15f84223,0x9b6acef5,0xf876be67, Err bitreich.org 70 i 47 0xe3ae7089,0x84e2b64a,0x6818a969,0x86e9ba4e,0xa24a5b57,0x61570cf1,0xa5f8fc91,0x879d8383, Err bitreich.org 70 i 48 0x91b13866,0x75e87961,0x16db8138,0x5a2ff6b8,0x8f664e9b,0x894e1496,0x88235c5b,0xcdb3b580, Err bitreich.org 70 i 49 0xa2e80109,0xb0f88a82,0xd12cd340,0x93fbc37d,0xf4d1eb82,0xce42f309,0x16ffd2c2,0xb4dfef2b, Err bitreich.org 70 i 50 0xb8b1a33e,0x4708a5e6,0xba66dd88,0xa9ec0da6,0x6f8ee2c9,0xad8b9993,0x1d6a25a8,0x1f3d08ce, Err bitreich.org 70 i 51 0x149c04e7,0x5cd1fa51,0xb84c89c7,0xeced6f8c,0xe328b30f,0x084fa836,0x6d1bb1b7,0x94c78ea5, Err bitreich.org 70 i 52 0x14973034,0xf1a1bcef,0x48b798d2,0xded9ca9e,0x5fd965d0,0x92544eb1,0x5e80f189,0xcbbf5e15, Err bitreich.org 70 i 53 0x4d8121f0,0x5dd3b92f,0xd9ea98fb,0x2dbf5644,0x0fbcb9b7,0x20a1db53,0x7c3fcc98,0x36744fbd, Err bitreich.org 70 i 54 0xced08954,0x8e7c5efe,0x3c5f6733,0x657477be,0x3630a02d,0x38bcbda0,0xb7702575,0x4a7f4bce, Err bitreich.org 70 i 55 0x0e7660fe,0x4dcb91b5,0x4fd7ffd3,0x041821c1,0xa846a181,0xc8048e9e,0xd4b05072,0x986e0509, Err bitreich.org 70 i 56 0xa00aaeeb,0x02e3526a,0x2fac4843,0xfa98e805,0x923ecd8d,0x395d9546,0x8674c3cd,0xae5a8a71, Err bitreich.org 70 i 57 0x966dfe45,0x5c9ceba5,0x0830a1cf,0xa1750981,0x8f604480,0x28ea0c9a,0x0da12413,0x98b0b3c5, Err bitreich.org 70 i 58 0xa21d473a,0x96ce4308,0xe9a1001b,0x8bbacb44,0x18bad3f4,0xe3121acb,0x46a9b45f,0x92cd9704, Err bitreich.org 70 i 59 0xc1a7c619,0x3281e361,0x462e8c79,0x9e572f93,0x7239e5f0,0x67d8e6ba,0x13747ce3,0xf01ee64a, Err bitreich.org 70 i 60 0xe7d0ae12,0xeea04088,0xe5b36767,0x17558eae,0x678ffbe6,0xe0bbc866,0x0c24adec,0xa9cbb869, Err bitreich.org 70 i 61 0x3fd44ee1,0x9ca4ca06,0x04c0ef00,0x04589a21,0x9cf9c819,0x976f6ca1,0x8a30e66a,0x004d6f7e, Err bitreich.org 70 i 62 0x384c8851,0x5bc97eb8,0xc6c49339,0x5aa386c7,0x74bdf8af,0x9b713750,0x4112f8c2,0x2895dae1, Err bitreich.org 70 i 63 0xf576d905,0x9de98bce,0xb2b26bcd,0xd46707a0,0x147fbb46,0xa52c6e50,0xe43128fc,0x374ad964, Err bitreich.org 70 i 64 0x8dfd4d53,0xc4d0c087,0x31dfb5ca,0xa44589b5,0x6b637e2e,0x663f6b45,0xd2d8baa0,0x1dac7e4c Err bitreich.org 70 i 65 }; Err bitreich.org 70 i 66 Err bitreich.org 70 i 67 /* Buzhash: https://en.wikipedia.org/wiki/Rolling_hash#Cyclic_polynomial */ Err bitreich.org 70 i 68 static inline uint32_t Err bitreich.org 70 i 69 hinit(unsigned char *buf, size_t size) Err bitreich.org 70 i 70 { Err bitreich.org 70 i 71 uint32_t sum; Err bitreich.org 70 i 72 size_t i; Err bitreich.org 70 i 73 Err bitreich.org 70 i 74 for (i = 1, sum = 0; i < size; i++, buf++) Err bitreich.org 70 i 75 sum ^= ROTL(buztbl[*buf], (size - i) % 32); Err bitreich.org 70 i 76 return sum ^ buztbl[*buf]; Err bitreich.org 70 i 77 } Err bitreich.org 70 i 78 Err bitreich.org 70 i 79 static inline uint32_t Err bitreich.org 70 i 80 hupdate(uint32_t sum, unsigned char out, unsigned char in, size_t size) Err bitreich.org 70 i 81 { Err bitreich.org 70 i 82 return ROTL(sum, 1) ^ ROTL(buztbl[out], size % 32) ^ buztbl[in]; Err bitreich.org 70 i 83 } Err bitreich.org 70 i 84 Err bitreich.org 70 i 85 static size_t Err bitreich.org 70 i 86 cgetsize(struct chunker *c) Err bitreich.org 70 i 87 { Err bitreich.org 70 i 88 size_t maxcsize, winsize, i; Err bitreich.org 70 i 89 uint32_t sum; Err bitreich.org 70 i 90 unsigned char *bp; Err bitreich.org 70 i 91 Err bitreich.org 70 i 92 maxcsize = c->wp - c->rp; Err bitreich.org 70 i 93 winsize = c->winsize; Err bitreich.org 70 i 94 if (maxcsize < winsize) Err bitreich.org 70 i 95 return maxcsize; Err bitreich.org 70 i 96 Err bitreich.org 70 i 97 /* Err bitreich.org 70 i 98 * To achieve better deduplication, we chunk blocks based on a Err bitreich.org 70 i 99 * recurring pattern on the data stream. We slide a fixed window Err bitreich.org 70 i 100 * of WINSIZE bytes over the data, and a rolling hash is computed Err bitreich.org 70 i 101 * for this window. Err bitreich.org 70 i 102 * When the rolling hash matches a given pattern the block is chunked Err bitreich.org 70 i 103 * at the end of that window. Err bitreich.org 70 i 104 */ Err bitreich.org 70 i 105 bp = &c->buf[c->rp]; Err bitreich.org 70 i 106 sum = hinit(bp, winsize); Err bitreich.org 70 i 107 for (i = 0; i < maxcsize - winsize; i++) { Err bitreich.org 70 i 108 size_t csize = i + winsize; Err bitreich.org 70 i 109 Err bitreich.org 70 i 110 if (i > 0) { Err bitreich.org 70 i 111 unsigned char out = bp[i - 1]; Err bitreich.org 70 i 112 unsigned char in = bp[csize - 1]; Err bitreich.org 70 i 113 Err bitreich.org 70 i 114 sum = hupdate(sum, out, in, winsize); Err bitreich.org 70 i 115 } Err bitreich.org 70 i 116 Err bitreich.org 70 i 117 if (csize < c->minsize) Err bitreich.org 70 i 118 continue; Err bitreich.org 70 i 119 Err bitreich.org 70 i 120 if ((sum & c->mask) == 0) Err bitreich.org 70 i 121 return csize; Err bitreich.org 70 i 122 } Err bitreich.org 70 i 123 return maxcsize; Err bitreich.org 70 i 124 } Err bitreich.org 70 i 125 Err bitreich.org 70 i 126 struct chunker * Err bitreich.org 70 i 127 copen(int fd, size_t minsize, size_t maxsize, Err bitreich.org 70 i 128 size_t mask, size_t winsize, uint32_t seed) Err bitreich.org 70 i 129 { Err bitreich.org 70 i 130 struct chunker *c; Err bitreich.org 70 i 131 size_t i; Err bitreich.org 70 i 132 Err bitreich.org 70 i 133 c = calloc(1, sizeof(*c)); Err bitreich.org 70 i 134 if (c == NULL) { Err bitreich.org 70 i 135 seterr("calloc: out of memory"); Err bitreich.org 70 i 136 return NULL; Err bitreich.org 70 i 137 } Err bitreich.org 70 i 138 Err bitreich.org 70 i 139 c->buf = calloc(1, maxsize); Err bitreich.org 70 i 140 if (c->buf == NULL) { Err bitreich.org 70 i 141 free(c); Err bitreich.org 70 i 142 seterr("calloc: out of memory"); Err bitreich.org 70 i 143 return NULL; Err bitreich.org 70 i 144 } Err bitreich.org 70 i 145 Err bitreich.org 70 i 146 c->fd = fd; Err bitreich.org 70 i 147 c->minsize = minsize; Err bitreich.org 70 i 148 c->maxsize = maxsize; Err bitreich.org 70 i 149 c->mask = mask; Err bitreich.org 70 i 150 c->winsize = winsize; Err bitreich.org 70 i 151 c->seed = seed; Err bitreich.org 70 i 152 Err bitreich.org 70 i 153 for (i = 0; i < sizeof(buztbl) / sizeof(buztbl[0]); i++) Err bitreich.org 70 i 154 buztbl[i] ^= c->seed; Err bitreich.org 70 i 155 return c; Err bitreich.org 70 i 156 } Err bitreich.org 70 i 157 Err bitreich.org 70 i 158 void Err bitreich.org 70 i 159 cclose(struct chunker *c) Err bitreich.org 70 i 160 { Err bitreich.org 70 i 161 free(c->buf); Err bitreich.org 70 i 162 free(c); Err bitreich.org 70 i 163 } Err bitreich.org 70 i 164 Err bitreich.org 70 i 165 ssize_t Err bitreich.org 70 i 166 cfill(struct chunker *c) Err bitreich.org 70 i 167 { Err bitreich.org 70 i 168 unsigned char *bp; Err bitreich.org 70 i 169 ssize_t n; Err bitreich.org 70 i 170 Err bitreich.org 70 i 171 bp = &c->buf[c->wp]; Err bitreich.org 70 i 172 n = xread(c->fd, bp, c->maxsize - c->wp); Err bitreich.org 70 i 173 c->wp += n; Err bitreich.org 70 i 174 return c->wp; Err bitreich.org 70 i 175 } Err bitreich.org 70 i 176 Err bitreich.org 70 i 177 void * Err bitreich.org 70 i 178 cget(struct chunker *c, size_t *csize) Err bitreich.org 70 i 179 { Err bitreich.org 70 i 180 unsigned char *bp; Err bitreich.org 70 i 181 Err bitreich.org 70 i 182 if (c->rp == c->wp) { Err bitreich.org 70 i 183 seterr("chunker underflow"); Err bitreich.org 70 i 184 return NULL; Err bitreich.org 70 i 185 } Err bitreich.org 70 i 186 Err bitreich.org 70 i 187 bp = &c->buf[c->rp]; Err bitreich.org 70 i 188 *csize = cgetsize(c); Err bitreich.org 70 i 189 c->rp += *csize; Err bitreich.org 70 i 190 return bp; Err bitreich.org 70 i 191 } Err bitreich.org 70 i 192 Err bitreich.org 70 i 193 size_t Err bitreich.org 70 i 194 cdrain(struct chunker *c) Err bitreich.org 70 i 195 { Err bitreich.org 70 i 196 unsigned char *src, *dst; Err bitreich.org 70 i 197 Err bitreich.org 70 i 198 src = &c->buf[c->rp]; Err bitreich.org 70 i 199 dst = c->buf; Err bitreich.org 70 i 200 memmove(dst, src, c->wp - c->rp); Err bitreich.org 70 i 201 c->wp -= c->rp; Err bitreich.org 70 i 202 c->rp = 0; Err bitreich.org 70 i 203 return c->wp; Err bitreich.org 70 i 204 } Err bitreich.org 70 .