Subversion Repositories splitter

package uk.me.parabola.splitter;

import it.unimi.dsi.bits.Fast;
import it.unimi.dsi.fastutil.ints.Int2ObjectOpenHashMap;
import it.unimi.dsi.fastutil.ints.IntArrayList;
import it.unimi.dsi.fastutil.longs.Long2ObjectOpenHashMap;

import java.util.Arrays;



/**
 * SparseLong2ShortMapInline implements SparseLong2ShortMapFunction
 * optimized for low memory requirements and inserts in sequential order.
 * Don't use this for a rather small number of pairs.
 *
 * Inspired by SparseInt2ShortMapInline.
 *
 * A HashMap is used to address large vectors which address chunks. The HashMap
 * is the only part that stores long values, and it will be very small as long
 * as long as input is normal OSM data and not something with random numbers.
 * A chunk stores up to CHUNK_SIZE values. A separately stored bit-mask is used
 * to separate used and unused entries in the chunk. Thus, the chunk length
 * depends on the number of used entries, not on the highest used entry.
 * A typical (uncompressed) chunk looks like this:
 * v1,v1,v1,v1,v1,v1,v2,v2,v2,v2,v1,v1,v1,v1,v1,u,?,?,...}
 * v1,v2: values stored in the chunk
 * u: "unassigned" value
 * ?: anything
 *
 * After applying Run Length Encryption on this the chunk looks like this:
 * {u,6,v1,4,v2,5,v1,?,?,?}
 * The unassigned value on index 0 signals a compressed chunk.
 *
 * An (uncompressed) ONE_VALUE_CHUNK may look like this:
 * {v1,v1,v1,v1,v1,v1,v1,v1,v1,v1,v1,u,?,?,...}
 * This is stored without run length info in the shortest possible trunk:
 * {v1}
 *
 * Fortunately, OSM data is distributed in a way that most(!) chunks contain
 * just one distinct value, so most chunks can be stored in 24 or 32 bytes
 * instead of 152 bytes for the worst case (counting also the padding bytes).

 * Since we have keys with 64 bits, we have to divide the key into 3 parts:
 * 37 bits for the value that is stored in the HashMap.
 * 21 bits for the chunkId (this gives the required length of a large vector)      
 * 6 bits for the position in the chunk
 *
 * The chunkId identifies the position of a 32bit integer value (stored in the large vector).
 * A chunk is stored in a chunkStore which is a 3-dimensional array.
 * We group chunks of equally length together in stores of 64 entries.
 * To find the right position of a new chunk, we need three values: x,y, and z.
 * x is the length of the chunk (the number of required shorts) (1-64, we store the value decremented by 1 to have 0-63)
 * y is the position of the store (0-524287)
 * z is the position of the chunk within the store. (0-63)
 * The maximum values for these three values are chosen so that we can place them
 * together into one int (32 bits).
 */

public class SparseLong2ShortMapInline implements SparseLong2ShortMapFunction{
        private static final long TOP_ID_MASK = 0xfffffffff8000000L;                    // the part of the key that is saved in the HashMap
        private static final int TOP_ID_SHIFT = Long.numberOfTrailingZeros(TOP_ID_MASK);       

        private static final int CHUNK_STORE_ELEMS = 64;                         
        private static final int CHUNK_STORE_BITS_FOR_Z = 6;             
        private static final int CHUNK_STORE_BITS_FOR_Y = 19;            
        private static final int CHUNK_STORE_BITS_FOR_X = 6;             
        private static final int CHUNK_STORE_X_MASK = 0x3f;
        private static final int CHUNK_STORE_Y_MASK = 0x7ffff;
        private static final int CHUNK_STORE_Z_MASK = 0x3f;
        private static final int CHUNK_STORE_USED_FLAG_MASK = 1<<31;
        private static final int CHUNK_STORE_Y_SHIFT = CHUNK_STORE_BITS_FOR_X;
        private static final int CHUNK_STORE_Z_SHIFT = CHUNK_STORE_BITS_FOR_X + CHUNK_STORE_BITS_FOR_Y;
       
        private static final int CHUNK_SIZE = 64;                                                       // 64  = 1<< 6 (last 6 bits of the key)
        private static final long CHUNK_OFFSET_MASK = CHUNK_SIZE-1;             // the part of the key that contains the offset in the chunk
        private static final long OLD_CHUNK_ID_MASK = ~CHUNK_OFFSET_MASK;       // first 58 bits of a long. If this part of the key changes, a different chunk is needed
        private static final long CHUNK_ID_MASK     = ~TOP_ID_MASK;             // the bits that are not stored in the HashMap
       
        private static final long INVALID_CHUNK_ID = 1L; // must NOT be divisible by CHUNK_SIZE
        private static final int LARGE_VECTOR_SIZE = (int)(CHUNK_ID_MASK/ CHUNK_SIZE + 1); // number of entries addressed by one topMap entry

        private static final int ONE_VALUE_CHUNK_SIZE = 1;

        /** What to return on unassigned indices */
        private short unassigned = UNASSIGNED;
        private long size;

       
        private long currentChunkId = INVALID_CHUNK_ID;
        private short [] currentChunk = new short[CHUNK_SIZE];  // stores the values in the real position
        private short [] tmpWork = new short[CHUNK_SIZE];  // a chunk after applying the "mask encoding"
        private short [] RLEWork = new short[CHUNK_SIZE];  // for the RLE-compressed chunk


        // for statistics
        private long [] countChunkLen;
        private long expanded = 0;
        private long uncompressedLen = 0;
        private long compressedLen = 0;
        private int storedLengthOfCurrentChunk = 0;
        private int currentChunkIdInStore = 0;

        private Long2ObjectOpenHashMap<int[]> topMap;
        private short[][][] chunkStore;
        private long[][][] maskStore;
        private int[] freePosInSore;
        // maps chunks that can be reused  
        private Int2ObjectOpenHashMap<IntArrayList> reusableChunks;
       
        /**
         * A map that stores pairs of (OSM) IDs and short values identifying the
         * areas in which the object (node,way) with the ID occurs.
         */
        SparseLong2ShortMapInline() {
                clear();
        }

        /**
         * Count how many of the lowest X bits in mask are set
         *
         * @return
         */
        private int countUnder(long mask, int lowest) {
                return Fast.count(mask & ((1L << lowest) - 1));
        }

        /**
         * Try to use Run Length Encoding to compress the chunk stored in tmpWork. In most
         * cases this works very well because chunks often have only one
         * or two distinct values.
         * @param maxlen: number of elements in the chunk.
         * @return -1 if compression doesn't save space, else the number of elements in the
         * compressed chunk stored in buffer RLEWork.
         */
        private int chunkCompressRLE (int maxlen){
                int opos =  1;
                for (int i = 0; i < maxlen; i++) {
                        short runLength = 1;
                        while (i+1 < maxlen && tmpWork[i] == tmpWork[i+1]) {
                                runLength++;
                                i++;
                        }
                        if (opos+2 >= tmpWork.length)
                                return -1; // compressed record is not shorter
                        RLEWork[opos++] = runLength;
                        RLEWork[opos++] = tmpWork[i];
                }
                if (opos == 3){
                        // special case: the chunk contains only one distinct value
                        // we can store this in a length-1 chunk because we don't need
                        // the length counter nor the compression flag
                        RLEWork[0] = RLEWork[2];
                        return ONE_VALUE_CHUNK_SIZE;
                }

                if (opos < maxlen){
                        RLEWork[0] = unassigned; // signal a normal compressed record
                        return opos;
                }
                else
                        return -1;
        }
       
        /**
         * Try to compress the data in currentChunk and store the result in the chunkStore.
         */
        private void saveCurrentChunk(){
                long mask = 0;
                int RLELen = -1;
                int opos = 0;
                long elementMask = 1L;
                short [] chunkToSave;
                // move used entries to the beginning
                for (int j=0; j < CHUNK_SIZE; j++){
                        if (currentChunk[j] != unassigned) {
                                mask |= elementMask;
                                tmpWork[opos++] = currentChunk[j];
                        }
                        elementMask <<= 1;
                }
                uncompressedLen += opos;
                if (opos > ONE_VALUE_CHUNK_SIZE)
                        RLELen =  chunkCompressRLE(opos);
                if (RLELen > 0){
                        chunkToSave = RLEWork;
                        opos = RLELen;
                }
                else
                        chunkToSave = tmpWork;
                compressedLen += opos;
                putChunk(currentChunkId, chunkToSave, opos, mask);
        }

        @Override
        public boolean containsKey(long key) {
                return get(key) != unassigned;
        }


        @Override
        public short put(long key, short val) {
                long chunkId = key & OLD_CHUNK_ID_MASK;
                if (val == unassigned) {
                        throw new IllegalArgumentException("Cannot store the value that is reserved as being unassigned. val=" + val);
                }
                int chunkoffset = (int) (key & CHUNK_OFFSET_MASK);
                short out;
                if (currentChunkId == chunkId){
                        out = currentChunk[chunkoffset];
                        currentChunk[chunkoffset] = val;
                        if (out == unassigned)
                                size++;
                        return out;
                }

                if (currentChunkId != INVALID_CHUNK_ID){
                        // we need a different chunk
                        saveCurrentChunk();
                }

                fillCurrentChunk(key);
                out = currentChunk[chunkoffset];
                currentChunkId = chunkId;
                currentChunk[chunkoffset] = val;
                if (out == unassigned)
                        size++;
               
                return out;
        }


        /**
         * Check if we already have a chunk for the given key. If no,
         * fill currentChunk with default value, else with the saved
         * chunk.
         * @param key
         */
        private void fillCurrentChunk(long key) {
                Arrays.fill(currentChunk, unassigned);
                storedLengthOfCurrentChunk = 0;
                currentChunkIdInStore = 0;
                long topID = key >> TOP_ID_SHIFT;
                int[] largeVector = topMap.get(topID);
                if (largeVector == null)
                        return;
                int chunkid = (int) (key & CHUNK_ID_MASK) / CHUNK_SIZE;
               
                int idx = largeVector[chunkid];
                if (idx == 0)
                        return;
                currentChunkIdInStore = idx;
                int x = idx & CHUNK_STORE_X_MASK;
                int y = (idx >> CHUNK_STORE_Y_SHIFT) & CHUNK_STORE_Y_MASK;
                int chunkLen = x +  1;
                short [] store = chunkStore[x][y];
                int z = (idx >> CHUNK_STORE_Z_SHIFT) & CHUNK_STORE_Z_MASK;

                long chunkMask = maskStore[x][y][z];
                long elementmask = 0;

                ++expanded;
                storedLengthOfCurrentChunk = x;
                int startPos = z * chunkLen + 1;
                boolean isCompressed = (chunkLen == ONE_VALUE_CHUNK_SIZE || store[startPos] == unassigned);
                if (isCompressed){
                        int opos = 0;
                        if (chunkLen == ONE_VALUE_CHUNK_SIZE) {
                                // decode one-value-chunk
                                short val = store[startPos];
                                elementmask = 1;
                                for (opos = 0; opos<CHUNK_SIZE; opos++){
                                        if ((chunkMask & elementmask) != 0)
                                                currentChunk[opos] = val;
                                        elementmask <<= 1;
                                }
                        }
                        else {
                                // decode RLE-compressed chunk with multiple values
                                int ipos = startPos + 1;
                                int len = store[ipos++];
                                short val = store[ipos++];
                                while (len > 0){
                                        while (len > 0 && opos < currentChunk.length){
                                                if ((chunkMask & 1L << opos) != 0){
                                                        currentChunk[opos] = val;
                                                        --len;
                                                }
                                                ++opos;
                                        }
                                        if (ipos+1 < startPos + chunkLen){
                                                len = store[ipos++];
                                                val = store[ipos++];
                                        }
                                        else len = -1;
                                }
                        }
                }
                else {
                        // decode uncompressed chunk
                        int ipos = startPos;
                        elementmask = 1;
                        for (int opos=0; opos < CHUNK_SIZE; opos++) {
                                if ((chunkMask & elementmask) != 0)
                                        currentChunk[opos] = store[ipos++];
                                elementmask <<= 1;
                        }
                }
        }

        @Override
        public short get(long key){
                long chunkId = key & OLD_CHUNK_ID_MASK;
                int chunkoffset = (int) (key & CHUNK_OFFSET_MASK);

                if (currentChunkId == chunkId)
                         return currentChunk[chunkoffset];
               
                long topID = key >> TOP_ID_SHIFT;
                int[] largeVector = topMap.get(topID);
                if (largeVector == null)
                        return unassigned;
                int chunkid = (int) (key & CHUNK_ID_MASK) / CHUNK_SIZE;
               
                int idx = largeVector[chunkid];
                if (idx == 0)
                        return unassigned;
                int x = idx & CHUNK_STORE_X_MASK;
                int y = (idx >> CHUNK_STORE_Y_SHIFT) & CHUNK_STORE_Y_MASK;
                int chunkLen = x +  1;
                short [] store = chunkStore[x][y];
                int z = (idx >> CHUNK_STORE_Z_SHIFT) & CHUNK_STORE_Z_MASK;
               
                long chunkMask = maskStore[x][y][z];

                long elementmask = 1L << chunkoffset;
                if ((chunkMask & elementmask) == 0)
                        return unassigned; // not in chunk
                else {
                        int startOfChunk = z * chunkLen + 1;
                        // the map contains the key, extract the value
                        short firstAfterMask = store[startOfChunk];
                        if (chunkLen == ONE_VALUE_CHUNK_SIZE)
                                return firstAfterMask;
                        else {
                                int index = countUnder(chunkMask, chunkoffset);
                                if (firstAfterMask == unassigned){
                                        // extract from compressed chunk
                                        short len;
                                        for (int j=1; j < chunkLen; j+=2){
                                                len =  store[j+startOfChunk];
                                                index -= len;
                                                if (index < 0) return store[j+startOfChunk+1];
                                        }
                                        return unassigned; // should not happen
                                }
                                else {
                                        // extract from uncompressed chunk
                                        return store[index +  startOfChunk];
                                }
                        }
                }
        }

        @Override
        public void clear() {
                System.out.println(this.getClass().getSimpleName() + ": Allocating three-tier structure to save area info (HashMap->vector->chunkvector)");
                topMap = new Long2ObjectOpenHashMap<int[]>();
                chunkStore = new short[CHUNK_SIZE+1][][];
                maskStore = new long[CHUNK_SIZE+1][][];
                freePosInSore = new int[CHUNK_SIZE+1];
                countChunkLen = new long[CHUNK_SIZE +  1 ]; // used for statistics
                reusableChunks = new Int2ObjectOpenHashMap<IntArrayList>();
                size = 0;
                uncompressedLen = 0;
                compressedLen = 0;
                expanded = 0;
                //test();
        }

        @Override
        public long size() {
                return size;
        }

        @Override
        public short defaultReturnValue() {
                return unassigned;
        }

        @Override
        public void defaultReturnValue(short arg0) {
                unassigned = arg0;
        }

        /**
         * Find the place were a chunk has to be stored and copy the content
         * to this place.
         * @param key the (OSM) id
         * @param chunk  the chunk
         * @param len the number of used bytes in the chunk
         */
        private void putChunk (long key, short[] chunk, int len, long mask) {
                long topID = key >> TOP_ID_SHIFT;
                int[] largeVector = topMap.get(topID);
                if (largeVector == null){
                        largeVector = new int[LARGE_VECTOR_SIZE];
                        topMap.put(topID, largeVector);
                }
               
                int chunkid = (int) (key & CHUNK_ID_MASK) / CHUNK_SIZE;
                int x = len - 1;
                if (storedLengthOfCurrentChunk > 0){
                        // this is a rewrite, add the previously used chunk to the reusable list
                        IntArrayList reusableChunk = reusableChunks.get(storedLengthOfCurrentChunk);
                        if (reusableChunk == null){
                                reusableChunk = new IntArrayList(8);
                                reusableChunks.put(storedLengthOfCurrentChunk, reusableChunk);
                        }
                        reusableChunk.add(currentChunkIdInStore);
                }
                if (chunkStore[x] == null){
                        chunkStore[x] = new short[2][];
                        maskStore[x] = new long[2][];
                }
                IntArrayList reusableChunk = reusableChunks.get(x);
                Integer reusedIdx = null;
                int y,z;
                short []store;
                if (reusableChunk != null && reusableChunk.isEmpty() == false){
                        reusedIdx = reusableChunk.remove(reusableChunk.size()-1);
                }
                if (reusedIdx != null){
                        y = (reusedIdx >> CHUNK_STORE_Y_SHIFT) & CHUNK_STORE_Y_MASK;
                        z = (reusedIdx >> CHUNK_STORE_Z_SHIFT) & CHUNK_STORE_Z_MASK;
                        store = chunkStore[x][y];
                } else {
                        y = ++freePosInSore[x] / CHUNK_STORE_ELEMS;
                        if (y >= chunkStore[x].length){
                                // resize
                                int newElems = Math.min(y*2,1<<CHUNK_STORE_BITS_FOR_Y);
                                short[][] tmp = new short[newElems][];
                                System.arraycopy(chunkStore[x], 0, tmp, 0, y);
                                chunkStore[x] = tmp;
                                long[][] tmpMask = new long[newElems][];
                                System.arraycopy(maskStore[x], 0, tmpMask, 0, y);
                                maskStore[x] = tmpMask;
                        }
                        if (chunkStore[x][y] == null){
                                chunkStore[x][y] = new short[len * (CHUNK_STORE_ELEMS)+2];
                                maskStore[x][y] = new long[CHUNK_STORE_ELEMS];
                        }
                        store = chunkStore[x][y];
                        z = store[0]++;
                        ++countChunkLen[len];
                }
                maskStore[x][y][z] = mask;

                if (len > 1)
                        System.arraycopy(chunk, 0, store, z*len+1, len);
                else
                        store[z*len+1] = chunk[0];
                assert x < 1<<CHUNK_STORE_BITS_FOR_X;
                assert y < 1<<CHUNK_STORE_BITS_FOR_Y;
                assert z < 1<<CHUNK_STORE_BITS_FOR_Z;
                int idx = CHUNK_STORE_USED_FLAG_MASK
                                | (z & CHUNK_STORE_Z_MASK)<<CHUNK_STORE_Z_SHIFT
                                | (y & CHUNK_STORE_Y_MASK)<< CHUNK_STORE_Y_SHIFT
                                | (x & CHUNK_STORE_X_MASK);
                                       
                assert idx  != 0;
                largeVector[chunkid] = idx;
        }

        @Override
        /**
         * calculate and print performance values regarding memory
         */
        public void stats(int msgLevel) {
                long totalOverhead = 0;
                long totalBytes = 0;
                long totalChunks = 0;
                int i;
               
                if (size() == 0){
                        System.out.println("Map is empty");
                        return;
                }
                for (i=1; i <=CHUNK_SIZE; i++) {
                        long bytes = countChunkLen[i] * (i*2+8) ; // 2 bytes for the shorts + 8 bytes for the mask
                        totalChunks += countChunkLen[i];
                        int freePos = freePosInSore[i-1];
                        long overhead = (freePos == 0) ? 0: (64 - freePos % 64) * i * 2 +
                                        chunkStore[i-1].length * 4 + maskStore[i-1].length * 8;
                        if (msgLevel > 0) {
                                System.out.println("Length-" + i + " chunks: " + Utils.format(countChunkLen[i]) + ", used Bytes including overhead: " + Utils.format(bytes+overhead));
                                //System.out.println("Length-" + i + " stores: " + Utils.format(chunkStore[i-1].length) + " pos " + freePosInSore[i-1]);
                        }
                        totalBytes += bytes;
                        totalOverhead += overhead;
                }
                totalOverhead += topMap.size() * (long)LARGE_VECTOR_SIZE * 4;
               
                float bytesPerKey = (size()==0) ? 0: (float)((totalBytes + totalOverhead)*100 / size()) / 100;
                if (msgLevel > 0){
                        System.out.println();
                        System.out.println("Number of stored ids: " + Utils.format(size()) + " require ca. " +
                                        bytesPerKey + " bytes per pair. " +
                                        totalChunks + " chunks are used, the avg. number of values in one "+CHUNK_SIZE+"-chunk is " +
                                        ((totalChunks==0) ? 0 :(size() / totalChunks)) + ".");
                }
                System.out.println("Map details: bytes/overhead " + Utils.format(totalBytes) + " / " + Utils.format(totalOverhead) + ", overhead includes " +
                                topMap.size() + " arrays with " + LARGE_VECTOR_SIZE * 4/1024/1024 + " MB");  
                if (msgLevel > 0 & uncompressedLen > 0){
                        System.out.print("RLE compresion info: compressed / uncompressed size / ratio: " +
                                        Utils.format(compressedLen) + " / "+
                                        Utils.format(uncompressedLen) + " / "+
                                        Utils.format(Math.round(100-(float) (compressedLen*100/uncompressedLen))) + "%");
                        if (expanded > 0 )
                                System.out.print(", times fully expanded: " + Utils.format(expanded));
                        System.out.println();
                }
               
        }
        /*
        void  test(){
                for (int z = 0; z < 64; z++){
                        for (int y = 0; y < 10; y++){
                                for (int x=0; x < 64; x++){
                                        int idx = CHUNK_STORE_USED_FLAG_MASK
                                                        | (z & CHUNK_STORE_Z_MASK)<<CHUNK_STORE_Z_SHIFT
                                                        | (y & CHUNK_STORE_Y_MASK)<< CHUNK_STORE_Y_SHIFT
                                                        | (x & CHUNK_STORE_X_MASK);
                                        // extract
                                        int x2 = idx & CHUNK_STORE_X_MASK;
                                        int y2 = (idx >> CHUNK_STORE_Y_SHIFT) & CHUNK_STORE_Y_MASK;
                                        int z2 = (idx >> CHUNK_STORE_Z_SHIFT) & CHUNK_STORE_Z_MASK;
                                        assert x == x2;
                                        assert y == y2;
                                        assert z == z2;
                                }
                        }
                }
        }
        */
}