]> git.sur5r.net Git - openldap/blob - libraries/libmdb/mdb.c
mdb type cleanup: Consistent reader count types.
[openldap] / libraries / libmdb / mdb.c
1 /** @file mdb.c
2  *      @brief memory-mapped database library
3  *
4  *      A Btree-based database management library modeled loosely on the
5  *      BerkeleyDB API, but much simplified.
6  */
7 /*
8  * Copyright 2011 Howard Chu, Symas Corp.
9  * All rights reserved.
10  *
11  * Redistribution and use in source and binary forms, with or without
12  * modification, are permitted only as authorized by the OpenLDAP
13  * Public License.
14  *
15  * A copy of this license is available in the file LICENSE in the
16  * top-level directory of the distribution or, alternatively, at
17  * <http://www.OpenLDAP.org/license.html>.
18  *
19  * This code is derived from btree.c written by Martin Hedenfalk.
20  *
21  * Copyright (c) 2009, 2010 Martin Hedenfalk <martin@bzero.se>
22  *
23  * Permission to use, copy, modify, and distribute this software for any
24  * purpose with or without fee is hereby granted, provided that the above
25  * copyright notice and this permission notice appear in all copies.
26  *
27  * THE SOFTWARE IS PROVIDED "AS IS" AND THE AUTHOR DISCLAIMS ALL WARRANTIES
28  * WITH REGARD TO THIS SOFTWARE INCLUDING ALL IMPLIED WARRANTIES OF
29  * MERCHANTABILITY AND FITNESS. IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR
30  * ANY SPECIAL, DIRECT, INDIRECT, OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
31  * WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
32  * ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF
33  * OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
34  */
35 #include <sys/types.h>
36 #include <sys/stat.h>
37 #include <sys/param.h>
38 #ifdef _WIN32
39 #include <windows.h>
40 #else
41 #include <sys/uio.h>
42 #include <sys/mman.h>
43 #ifdef HAVE_SYS_FILE_H
44 #include <sys/file.h>
45 #endif
46 #include <fcntl.h>
47 #endif
48
49 #include <assert.h>
50 #include <errno.h>
51 #include <limits.h>
52 #include <stddef.h>
53 #include <stdint.h>
54 #include <stdio.h>
55 #include <stdlib.h>
56 #include <string.h>
57 #include <time.h>
58 #include <unistd.h>
59
60 #ifndef _WIN32
61 #include <pthread.h>
62 #endif
63
64 #include "mdb.h"
65 #include "midl.h"
66
67 #if (__BYTE_ORDER == __LITTLE_ENDIAN) == (__BYTE_ORDER == __BIG_ENDIAN)
68 # error "Unknown or unsupported endianness (__BYTE_ORDER)"
69 #elif (-6 & 5) || CHAR_BIT != 8 || UINT_MAX < 0xffffffff || ULONG_MAX % 0xFFFF
70 # error "Two's complement, reasonably sized integer types, please"
71 #endif
72
73 /** @defgroup internal  MDB Internals
74  *      @{
75  */
76 /** @defgroup compat    Windows Compatibility Macros
77  *      A bunch of macros to minimize the amount of platform-specific ifdefs
78  *      needed throughout the rest of the code. When the features this library
79  *      needs are similar enough to POSIX to be hidden in a one-or-two line
80  *      replacement, this macro approach is used.
81  *      @{
82  */
83 #ifdef _WIN32
84 #define pthread_t       DWORD
85 #define pthread_mutex_t HANDLE
86 #define pthread_key_t   DWORD
87 #define pthread_self()  GetCurrentThreadId()
88 #define pthread_key_create(x,y) (*(x) = TlsAlloc())
89 #define pthread_key_delete(x)   TlsFree(x)
90 #define pthread_getspecific(x)  TlsGetValue(x)
91 #define pthread_setspecific(x,y)        TlsSetValue(x,y)
92 #define pthread_mutex_unlock(x) ReleaseMutex(x)
93 #define pthread_mutex_lock(x)   WaitForSingleObject(x, INFINITE)
94 #define LOCK_MUTEX_R(env)       pthread_mutex_lock((env)->me_rmutex)
95 #define UNLOCK_MUTEX_R(env)     pthread_mutex_unlock((env)->me_rmutex)
96 #define LOCK_MUTEX_W(env)       pthread_mutex_lock((env)->me_wmutex)
97 #define UNLOCK_MUTEX_W(env)     pthread_mutex_unlock((env)->me_wmutex)
98 #define getpid()        GetCurrentProcessId()
99 #define fdatasync(fd)   (!FlushFileBuffers(fd))
100 #define ErrCode()       GetLastError()
101 #define GET_PAGESIZE(x) {SYSTEM_INFO si; GetSystemInfo(&si); (x) = si.dwPageSize;}
102 #define close(fd)       CloseHandle(fd)
103 #define munmap(ptr,len) UnmapViewOfFile(ptr)
104 #else
105         /** Lock the reader mutex.
106          */
107 #define LOCK_MUTEX_R(env)       pthread_mutex_lock(&(env)->me_txns->mti_mutex)
108         /** Unlock the reader mutex.
109          */
110 #define UNLOCK_MUTEX_R(env)     pthread_mutex_unlock(&(env)->me_txns->mti_mutex)
111
112         /** Lock the writer mutex.
113          *      Only a single write transaction is allowed at a time. Other writers
114          *      will block waiting for this mutex.
115          */
116 #define LOCK_MUTEX_W(env)       pthread_mutex_lock(&(env)->me_txns->mti_wmutex)
117         /** Unlock the writer mutex.
118          */
119 #define UNLOCK_MUTEX_W(env)     pthread_mutex_unlock(&(env)->me_txns->mti_wmutex)
120
121         /** Get the error code for the last failed system function.
122          */
123 #define ErrCode()       errno
124
125         /** An abstraction for a file handle.
126          *      On POSIX systems file handles are small integers. On Windows
127          *      they're opaque pointers.
128          */
129 #define HANDLE  int
130
131         /**     A value for an invalid file handle.
132          *      Mainly used to initialize file variables and signify that they are
133          *      unused.
134          */
135 #define INVALID_HANDLE_VALUE    (-1)
136
137         /** Get the size of a memory page for the system.
138          *      This is the basic size that the platform's memory manager uses, and is
139          *      fundamental to the use of memory-mapped files.
140          */
141 #define GET_PAGESIZE(x) ((x) = sysconf(_SC_PAGE_SIZE))
142 #endif
143
144 /** @} */
145
146 #ifndef _WIN32
147 /**     A flag for opening a file and requesting synchronous data writes.
148  *      This is only used when writing a meta page. It's not strictly needed;
149  *      we could just do a normal write and then immediately perform a flush.
150  *      But if this flag is available it saves us an extra system call.
151  *
152  *      @note If O_DSYNC is undefined but exists in /usr/include,
153  * preferably set some compiler flag to get the definition.
154  * Otherwise compile with the less efficient -DMDB_DSYNC=O_SYNC.
155  */
156 #ifndef MDB_DSYNC
157 # define MDB_DSYNC      O_DSYNC
158 #endif
159 #endif
160
161         /** A page number in the database.
162          *      Note that 64 bit page numbers are overkill, since pages themselves
163          *      already represent 12-13 bits of addressable memory, and the OS will
164          *      always limit applications to a maximum of 63 bits of address space.
165          *
166          *      @note In the #MDB_node structure, we only store 48 bits of this value,
167          *      which thus limits us to only 60 bits of addressable data.
168          */
169 typedef ULONG           pgno_t;
170
171 /** @defgroup debug     Debug Macros
172  *      @{
173  */
174 #ifndef DEBUG
175         /**     Enable debug output.
176          *      Set this to 1 for copious tracing. Set to 2 to add dumps of all IDLs
177          *      read from and written to the database (used for free space management).
178          */
179 #define DEBUG 0
180 #endif
181
182 #if !(__STDC_VERSION__ >= 199901L || defined(__GNUC__))
183 # define DPRINTF        (void)  /* Vararg macros may be unsupported */
184 #elif DEBUG
185         /**     Print a debug message with printf formatting. */
186 # define DPRINTF(fmt, ...)      /**< Requires 2 or more args */ \
187         fprintf(stderr, "%s:%d:(%p) " fmt "\n", __func__, __LINE__, pthread_self(), __VA_ARGS__)
188 #else
189 # define DPRINTF(fmt, ...)      ((void) 0)
190 #endif
191         /**     Print a debug string.
192          *      The string is printed literally, with no format processing.
193          */
194 #define DPUTS(arg)      DPRINTF("%s", arg)
195 /** @} */
196
197         /** A default memory page size.
198          *      The actual size is platform-dependent, but we use this for
199          *      boot-strapping. We probably should not be using this any more.
200          *      The #GET_PAGESIZE() macro is used to get the actual size.
201          *
202          *      Note that we don't currently support Huge pages. On Linux,
203          *      regular data files cannot use Huge pages, and in general
204          *      Huge pages aren't actually pageable. We rely on the OS
205          *      demand-pager to read our data and page it out when memory
206          *      pressure from other processes is high. So until OSs have
207          *      actual paging support for Huge pages, they're not viable.
208          */
209 #define PAGESIZE         4096
210
211         /** The minimum number of keys required in a database page.
212          *      Setting this to a larger value will place a smaller bound on the
213          *      maximum size of a data item. Data items larger than this size will
214          *      be pushed into overflow pages instead of being stored directly in
215          *      the B-tree node. This value used to default to 4. With a page size
216          *      of 4096 bytes that meant that any item larger than 1024 bytes would
217          *      go into an overflow page. That also meant that on average 2-3KB of
218          *      each overflow page was wasted space. The value cannot be lower than
219          *      2 because then there would no longer be a tree structure. With this
220          *      value, items larger than 2KB will go into overflow pages, and on
221          *      average only 1KB will be wasted.
222          */
223 #define MDB_MINKEYS      2
224
225         /**     A stamp that identifies a file as an MDB file.
226          *      There's nothing special about this value other than that it is easily
227          *      recognizable, and it will reflect any byte order mismatches.
228          */
229 #define MDB_MAGIC        0xBEEFC0DE
230
231         /**     The version number for a database's file format. */
232 #define MDB_VERSION      1
233
234         /**     The maximum size of a key in the database.
235          *      While data items have essentially unbounded size, we require that
236          *      keys all fit onto a regular page. This limit could be raised a bit
237          *      further if needed; to something just under #PAGESIZE / #MDB_MINKEYS.
238          */
239 #define MAXKEYSIZE       511
240
241 #if DEBUG
242         /**     A key buffer.
243          *      @ingroup debug
244          *      This is used for printing a hex dump of a key's contents.
245          */
246 #define DKBUF   char kbuf[(MAXKEYSIZE*2+1)]
247         /**     Display a key in hex.
248          *      @ingroup debug
249          *      Invoke a function to display a key in hex.
250          */
251 #define DKEY(x) mdb_dkey(x, kbuf)
252 #else
253 #define DKBUF   typedef int dummy_kbuf  /* so we can put ';' after */
254 #define DKEY(x)
255 #endif
256
257 /**     @defgroup lazylock      Lazy Locking
258  *      Macros for locks that are't actually needed.
259  *      The DB view is always consistent because all writes are wrapped in
260  *      the wmutex. Finer-grained locks aren't necessary.
261  *      @{
262  */
263 #ifndef LAZY_LOCKS
264         /**     Use lazy locking. I.e., don't lock these accesses at all. */
265 #define LAZY_LOCKS      1
266 #endif
267 #if     LAZY_LOCKS
268         /** Grab the reader lock */
269 #define LAZY_MUTEX_LOCK(x)
270         /** Release the reader lock */
271 #define LAZY_MUTEX_UNLOCK(x)
272         /** Release the DB table reader/writer lock */
273 #define LAZY_RWLOCK_UNLOCK(x)
274         /** Grab the DB table write lock */
275 #define LAZY_RWLOCK_WRLOCK(x)
276         /** Grab the DB table read lock */
277 #define LAZY_RWLOCK_RDLOCK(x)
278         /** Declare the DB table rwlock.  Should not be followed by ';'. */
279 #define LAZY_RWLOCK_DEF(x)
280         /** Initialize the DB table rwlock */
281 #define LAZY_RWLOCK_INIT(x,y)
282         /**     Destroy the DB table rwlock */
283 #define LAZY_RWLOCK_DESTROY(x)
284 #else
285 #define LAZY_MUTEX_LOCK(x)              pthread_mutex_lock(x)
286 #define LAZY_MUTEX_UNLOCK(x)    pthread_mutex_unlock(x)
287 #define LAZY_RWLOCK_UNLOCK(x)   pthread_rwlock_unlock(x)
288 #define LAZY_RWLOCK_WRLOCK(x)   pthread_rwlock_wrlock(x)
289 #define LAZY_RWLOCK_RDLOCK(x)   pthread_rwlock_rdlock(x)
290 #define LAZY_RWLOCK_DEF(x)              pthread_rwlock_t        x
291 #define LAZY_RWLOCK_INIT(x,y)   pthread_rwlock_init(x,y)
292 #define LAZY_RWLOCK_DESTROY(x)  pthread_rwlock_destroy(x)
293 #endif
294 /** @} */
295
296         /** An invalid page number.
297          *      Mainly used to denote an empty tree.
298          */
299 #define P_INVALID        (~0UL)
300
301         /** Test if a flag \b f is set in a flag word \b w. */
302 #define F_ISSET(w, f)    (((w) & (f)) == (f))
303
304         /**     Used for offsets within a single page.
305          *      Since memory pages are typically 4 or 8KB in size, 12-13 bits,
306          *      this is plenty.
307          */
308 typedef uint16_t         indx_t;
309
310         /**     Default size of memory map.
311          *      This is certainly too small for any actual applications. Apps should always set
312          *      the size explicitly using #mdb_env_set_mapsize().
313          */
314 #define DEFAULT_MAPSIZE 1048576
315
316 /**     @defgroup readers       Reader Lock Table
317  *      Readers don't acquire any locks for their data access. Instead, they
318  *      simply record their transaction ID in the reader table. The reader
319  *      mutex is needed just to find an empty slot in the reader table. The
320  *      slot's address is saved in thread-specific data so that subsequent read
321  *      transactions started by the same thread need no further locking to proceed.
322  *
323  *      Since the database uses multi-version concurrency control, readers don't
324  *      actually need any locking. This table is used to keep track of which
325  *      readers are using data from which old transactions, so that we'll know
326  *      when a particular old transaction is no longer in use. Old transactions
327  *      that have discarded any data pages can then have those pages reclaimed
328  *      for use by a later write transaction.
329  *
330  *      The lock table is constructed such that reader slots are aligned with the
331  *      processor's cache line size. Any slot is only ever used by one thread.
332  *      This alignment guarantees that there will be no contention or cache
333  *      thrashing as threads update their own slot info, and also eliminates
334  *      any need for locking when accessing a slot.
335  *
336  *      A writer thread will scan every slot in the table to determine the oldest
337  *      outstanding reader transaction. Any freed pages older than this will be
338  *      reclaimed by the writer. The writer doesn't use any locks when scanning
339  *      this table. This means that there's no guarantee that the writer will
340  *      see the most up-to-date reader info, but that's not required for correct
341  *      operation - all we need is to know the upper bound on the oldest reader,
342  *      we don't care at all about the newest reader. So the only consequence of
343  *      reading stale information here is that old pages might hang around a
344  *      while longer before being reclaimed. That's actually good anyway, because
345  *      the longer we delay reclaiming old pages, the more likely it is that a
346  *      string of contiguous pages can be found after coalescing old pages from
347  *      many old transactions together.
348  *
349  *      @todo We don't actually do such coalescing yet, we grab pages from one
350  *      old transaction at a time.
351  *      @{
352  */
353         /**     Number of slots in the reader table.
354          *      This value was chosen somewhat arbitrarily. 126 readers plus a
355          *      couple mutexes fit exactly into 8KB on my development machine.
356          *      Applications should set the table size using #mdb_env_set_maxreaders().
357          */
358 #define DEFAULT_READERS 126
359
360         /**     The size of a CPU cache line in bytes. We want our lock structures
361          *      aligned to this size to avoid false cache line sharing in the
362          *      lock table.
363          *      This value works for most CPUs. For Itanium this should be 128.
364          */
365 #ifndef CACHELINE
366 #define CACHELINE       64
367 #endif
368
369         /**     The information we store in a single slot of the reader table.
370          *      In addition to a transaction ID, we also record the process and
371          *      thread ID that owns a slot, so that we can detect stale information,
372          *      e.g. threads or processes that went away without cleaning up.
373          *      @note We currently don't check for stale records. We simply re-init
374          *      the table when we know that we're the only process opening the
375          *      lock file.
376          */
377 typedef struct MDB_rxbody {
378         /**     The current Transaction ID when this transaction began.
379          *      Multiple readers that start at the same time will probably have the
380          *      same ID here. Again, it's not important to exclude them from
381          *      anything; all we need to know is which version of the DB they
382          *      started from so we can avoid overwriting any data used in that
383          *      particular version.
384          */
385         ULONG           mrb_txnid;
386         /** The process ID of the process owning this reader txn. */
387         pid_t           mrb_pid;
388         /** The thread ID of the thread owning this txn. */
389         pthread_t       mrb_tid;
390 } MDB_rxbody;
391
392         /** The actual reader record, with cacheline padding. */
393 typedef struct MDB_reader {
394         union {
395                 MDB_rxbody mrx;
396                 /** shorthand for mrb_txnid */
397 #define mr_txnid        mru.mrx.mrb_txnid
398 #define mr_pid  mru.mrx.mrb_pid
399 #define mr_tid  mru.mrx.mrb_tid
400                 /** cache line alignment */
401                 char pad[(sizeof(MDB_rxbody)+CACHELINE-1) & ~(CACHELINE-1)];
402         } mru;
403 } MDB_reader;
404
405         /** The header for the reader table.
406          *      The table resides in a memory-mapped file. (This is a different file
407          *      than is used for the main database.)
408          *
409          *      For POSIX the actual mutexes reside in the shared memory of this
410          *      mapped file. On Windows, mutexes are named objects allocated by the
411          *      kernel; we store the mutex names in this mapped file so that other
412          *      processes can grab them. This same approach will also be used on
413          *      MacOSX/Darwin (using named semaphores) since MacOSX doesn't support
414          *      process-shared POSIX mutexes.
415          */
416 typedef struct MDB_txbody {
417                 /** Stamp identifying this as an MDB lock file. It must be set
418                  *      to #MDB_MAGIC. */
419         uint32_t        mtb_magic;
420                 /** Version number of this lock file. Must be set to #MDB_VERSION. */
421         uint32_t        mtb_version;
422 #ifdef _WIN32
423         char    mtb_rmname[32];
424 #else
425                 /** Mutex protecting access to this table.
426                  *      This is the reader lock that #LOCK_MUTEX_R acquires.
427                  */
428         pthread_mutex_t mtb_mutex;
429 #endif
430                 /**     The ID of the last transaction committed to the database.
431                  *      This is recorded here only for convenience; the value can always
432                  *      be determined by reading the main database meta pages.
433                  */
434         ULONG           mtb_txnid;
435                 /** The number of slots that have been used in the reader table.
436                  *      This always records the maximum count, it is not decremented
437                  *      when readers release their slots.
438                  */
439         unsigned        mtb_numreaders;
440                 /**     The ID of the most recent meta page in the database.
441                  *      This is recorded here only for convenience; the value can always
442                  *      be determined by reading the main database meta pages.
443                  */
444         uint32_t        mtb_me_toggle;
445 } MDB_txbody;
446
447         /** The actual reader table definition. */
448 typedef struct MDB_txninfo {
449         union {
450                 MDB_txbody mtb;
451 #define mti_magic       mt1.mtb.mtb_magic
452 #define mti_version     mt1.mtb.mtb_version
453 #define mti_mutex       mt1.mtb.mtb_mutex
454 #define mti_rmname      mt1.mtb.mtb_rmname
455 #define mti_txnid       mt1.mtb.mtb_txnid
456 #define mti_numreaders  mt1.mtb.mtb_numreaders
457 #define mti_me_toggle   mt1.mtb.mtb_me_toggle
458                 char pad[(sizeof(MDB_txbody)+CACHELINE-1) & ~(CACHELINE-1)];
459         } mt1;
460         union {
461 #ifdef _WIN32
462                 char mt2_wmname[32];
463 #define mti_wmname      mt2.mt2_wmname
464 #else
465                 pthread_mutex_t mt2_wmutex;
466 #define mti_wmutex      mt2.mt2_wmutex
467 #endif
468                 char pad[(sizeof(pthread_mutex_t)+CACHELINE-1) & ~(CACHELINE-1)];
469         } mt2;
470         MDB_reader      mti_readers[1];
471 } MDB_txninfo;
472 /** @} */
473
474 /** Common header for all page types.
475  * Overflow pages occupy a number of contiguous pages with no
476  * headers on any page after the first.
477  */
478 typedef struct MDB_page {
479 #define mp_pgno mp_p.p_pgno
480 #define mp_next mp_p.p_next
481         union padded {
482                 pgno_t          p_pgno; /**< page number */
483                 void *          p_next; /**< for in-memory list of freed structs */
484         } mp_p;
485 #define P_BRANCH         0x01           /**< branch page */
486 #define P_LEAF           0x02           /**< leaf page */
487 #define P_OVERFLOW       0x04           /**< overflow page */
488 #define P_META           0x08           /**< meta page */
489 #define P_DIRTY          0x10           /**< dirty page */
490 #define P_LEAF2          0x20           /**< for #MDB_DUPFIXED records */
491         uint32_t        mp_flags;
492 #define mp_lower        mp_pb.pb.pb_lower
493 #define mp_upper        mp_pb.pb.pb_upper
494 #define mp_pages        mp_pb.pb_pages
495         union page_bounds {
496                 struct {
497                         indx_t          pb_lower;               /**< lower bound of free space */
498                         indx_t          pb_upper;               /**< upper bound of free space */
499                 } pb;
500                 uint32_t        pb_pages;       /**< number of overflow pages */
501         } mp_pb;
502         indx_t          mp_ptrs[1];             /**< dynamic size */
503 } MDB_page;
504
505         /** Size of the page header, excluding dynamic data at the end */
506 #define PAGEHDRSZ        ((unsigned) offsetof(MDB_page, mp_ptrs))
507
508         /** Address of first usable data byte in a page, after the header */
509 #define METADATA(p)      ((void *)((char *)(p) + PAGEHDRSZ))
510
511         /** Number of nodes on a page */
512 #define NUMKEYS(p)       (((p)->mp_lower - PAGEHDRSZ) >> 1)
513
514         /** The amount of space remaining in the page */
515 #define SIZELEFT(p)      (indx_t)((p)->mp_upper - (p)->mp_lower)
516
517         /** The percentage of space used in the page, in tenths of a percent. */
518 #define PAGEFILL(env, p) (1000L * ((env)->me_psize - PAGEHDRSZ - SIZELEFT(p)) / \
519                                 ((env)->me_psize - PAGEHDRSZ))
520         /** The minimum page fill factor, in tenths of a percent.
521          *      Pages emptier than this are candidates for merging.
522          */
523 #define FILL_THRESHOLD   250
524
525         /** Test if a page is a leaf page */
526 #define IS_LEAF(p)       F_ISSET((p)->mp_flags, P_LEAF)
527         /** Test if a page is a LEAF2 page */
528 #define IS_LEAF2(p)      F_ISSET((p)->mp_flags, P_LEAF2)
529         /** Test if a page is a branch page */
530 #define IS_BRANCH(p)     F_ISSET((p)->mp_flags, P_BRANCH)
531         /** Test if a page is an overflow page */
532 #define IS_OVERFLOW(p)   F_ISSET((p)->mp_flags, P_OVERFLOW)
533
534         /** The number of overflow pages needed to store the given size. */
535 #define OVPAGES(size, psize)    ((PAGEHDRSZ-1 + (size)) / (psize) + 1)
536
537         /** Header for a single key/data pair within a page.
538          * We guarantee 2-byte alignment for nodes.
539          */
540 typedef struct MDB_node {
541         /** lo and hi are used for data size on leaf nodes and for
542          * child pgno on branch nodes. On 64 bit platforms, flags
543          * is also used for pgno. (Branch nodes have no flags).
544          * They are in in host byte order in case that lets some
545          * accesses be optimized into a 32-bit word access.
546          */
547 #define mn_lo mn_offset[__BYTE_ORDER!=__LITTLE_ENDIAN]
548 #define mn_hi mn_offset[__BYTE_ORDER==__LITTLE_ENDIAN] /**< part of dsize or pgno */
549         unsigned short  mn_offset[2];
550         unsigned short  mn_flags;               /**< flags for special node types */
551 #define F_BIGDATA        0x01                   /**< data put on overflow page */
552 #define F_SUBDATA        0x02                   /**< data is a sub-database */
553 #define F_DUPDATA        0x04                   /**< data has duplicates */
554         unsigned short  mn_ksize;               /**< key size */
555         char            mn_data[1];                     /**< key and data are appended here */
556 } MDB_node;
557
558         /** Size of the node header, excluding dynamic data at the end */
559 #define NODESIZE         offsetof(MDB_node, mn_data)
560
561         /** Size of a node in a branch page with a given key.
562          *      This is just the node header plus the key, there is no data.
563          */
564 #define INDXSIZE(k)      (NODESIZE + ((k) == NULL ? 0 : (k)->mv_size))
565
566         /** Size of a node in a leaf page with a given key and data.
567          *      This is node header plus key plus data size.
568          */
569 #define LEAFSIZE(k, d)   (NODESIZE + (k)->mv_size + (d)->mv_size)
570
571         /** Address of node \b i in page \b p */
572 #define NODEPTR(p, i)    ((MDB_node *)((char *)(p) + (p)->mp_ptrs[i]))
573
574         /** Address of the key for the node */
575 #define NODEKEY(node)    (void *)((node)->mn_data)
576
577         /** Address of the data for a node */
578 #define NODEDATA(node)   (void *)((char *)(node)->mn_data + (node)->mn_ksize)
579
580         /** Get the page number pointed to by a branch node */
581 #if LONG_MAX == 0x7fffffff
582 #define NODEPGNO(node)   ((node)->mn_lo | ((node)->mn_hi << 16))
583         /** Set the page number in a branch node */
584 #define SETPGNO(node,pgno)      do { \
585         (node)->mn_lo = (pgno) & 0xffff; (node)->mn_hi = (pgno) >> 16;} while(0)
586 #else
587 #define NODEPGNO(node)   ((node)->mn_lo | ((node)->mn_hi << 16) | ((unsigned long)(node)->mn_flags << 32))
588         /** Set the page number in a branch node */
589 #define SETPGNO(node,pgno)      do { \
590         (node)->mn_lo = (pgno) & 0xffff; (node)->mn_hi = (pgno) >> 16; \
591         (node)->mn_flags = (pgno) >> 32; } while(0)
592 #endif
593
594         /** Get the size of the data in a leaf node */
595 #define NODEDSZ(node)    ((node)->mn_lo | ((unsigned)(node)->mn_hi << 16))
596         /** Set the size of the data for a leaf node */
597 #define SETDSZ(node,size)       do { \
598         (node)->mn_lo = (size) & 0xffff; (node)->mn_hi = (size) >> 16;} while(0)
599         /** The size of a key in a node */
600 #define NODEKSZ(node)    ((node)->mn_ksize)
601
602         /** The address of a key in a LEAF2 page.
603          *      LEAF2 pages are used for #MDB_DUPFIXED sorted-duplicate sub-DBs.
604          *      There are no node headers, keys are stored contiguously.
605          */
606 #define LEAF2KEY(p, i, ks)      ((char *)(p) + PAGEHDRSZ + ((i)*(ks)))
607
608         /** Set the \b node's key into \b key, if requested. */
609 #define MDB_SET_KEY(node, key)  { if ((key) != NULL) { \
610         (key)->mv_size = NODEKSZ(node); (key)->mv_data = NODEKEY(node); } }
611
612         /** Information about a single database in the environment. */
613 typedef struct MDB_db {
614         uint32_t        md_pad;         /**< also ksize for LEAF2 pages */
615         uint16_t        md_flags;       /**< @ref mdb_open */
616         uint16_t        md_depth;       /**< depth of this tree */
617         ULONG           md_branch_pages;        /**< number of internal pages */
618         ULONG           md_leaf_pages;          /**< number of leaf pages */
619         ULONG           md_overflow_pages;      /**< number of overflow pages */
620         ULONG           md_entries;             /**< number of data items */
621         pgno_t          md_root;                /**< the root page of this tree */
622 } MDB_db;
623
624         /** Handle for the DB used to track free pages. */
625 #define FREE_DBI        0
626         /** Handle for the default DB. */
627 #define MAIN_DBI        1
628
629         /** Meta page content. */
630 typedef struct MDB_meta {
631                 /** Stamp identifying this as an MDB data file. It must be set
632                  *      to #MDB_MAGIC. */
633         uint32_t        mm_magic;
634                 /** Version number of this lock file. Must be set to #MDB_VERSION. */
635         uint32_t        mm_version;
636         void            *mm_address;            /**< address for fixed mapping */
637         size_t          mm_mapsize;                     /**< size of mmap region */
638         MDB_db          mm_dbs[2];                      /**< first is free space, 2nd is main db */
639         /** The size of pages used in this DB */
640 #define mm_psize        mm_dbs[0].md_pad
641         /** Any persistent environment flags. @ref mdb_env */
642 #define mm_flags        mm_dbs[0].md_flags
643         pgno_t          mm_last_pg;                     /**< last used page in file */
644         ULONG           mm_txnid;                       /**< txnid that committed this page */
645 } MDB_meta;
646
647         /** Auxiliary DB info.
648          *      The information here is mostly static/read-only. There is
649          *      only a single copy of this record in the environment.
650          *      The \b md_dirty flag is not read-only, but only a write
651          *      transaction can ever update it, and only write transactions
652          *      need to worry about it.
653          */
654 typedef struct MDB_dbx {
655         MDB_val         md_name;                /**< name of the database */
656         MDB_cmp_func    *md_cmp;        /**< function for comparing keys */
657         MDB_cmp_func    *md_dcmp;       /**< function for comparing data items */
658         MDB_rel_func    *md_rel;        /**< user relocate function */
659         MDB_dbi md_parent;                      /**< parent DB of a sub-DB */
660         unsigned int    md_dirty;       /**< TRUE if DB was written in this txn */
661 } MDB_dbx;
662
663         /** A database transaction.
664          *      Every operation requires a transaction handle.
665          */
666 struct MDB_txn {
667         pgno_t          mt_next_pgno;   /**< next unallocated page */
668         /** The ID of this transaction. IDs are integers incrementing from 1.
669          *      Only committed write transactions increment the ID. If a transaction
670          *      aborts, the ID may be re-used by the next writer.
671          */
672         ULONG           mt_txnid;
673         MDB_env         *mt_env;                /**< the DB environment */
674         /** The list of pages that became unused during this transaction.
675          *      This is an #IDL.
676          */
677         pgno_t          *mt_free_pgs;
678         union {
679                 ID2L    dirty_list;     /**< modified pages */
680                 MDB_reader      *reader;        /**< this thread's slot in the reader table */
681         } mt_u;
682         /** Array of records for each DB known in the environment. */
683         MDB_dbx         *mt_dbxs;
684         /** Array of MDB_db records for each known DB */
685         MDB_db          *mt_dbs;
686         /**     Number of DB records in use. This number only ever increments;
687          *      we don't decrement it when individual DB handles are closed.
688          */
689         unsigned int    mt_numdbs;
690
691 #define MDB_TXN_RDONLY          0x01            /**< read-only transaction */
692 #define MDB_TXN_ERROR           0x02            /**< an error has occurred */
693         unsigned int    mt_flags;
694         /** Tracks which of the two meta pages was used at the start
695          *      of this transaction.
696          */
697         unsigned int    mt_toggle;
698 };
699
700 /** Enough space for 2^32 nodes with minimum of 2 keys per node. I.e., plenty.
701  * At 4 keys per node, enough for 2^64 nodes, so there's probably no need to
702  * raise this on a 64 bit machine.
703  */
704 #define CURSOR_STACK             32
705
706 struct MDB_xcursor;
707
708         /** Cursors are used for all DB operations */
709 struct MDB_cursor {
710         /** Context used for databases with #MDB_DUPSORT, otherwise NULL */
711         struct MDB_xcursor      *mc_xcursor;
712         /** The transaction that owns this cursor */
713         MDB_txn         *mc_txn;
714         /** The database handle this cursor operates on */
715         MDB_dbi         mc_dbi;
716         unsigned short  mc_snum;        /**< number of pushed pages */
717         unsigned short  mc_top;         /**< index of top page, mc_snum-1 */
718         unsigned int    mc_flags;
719 #define C_INITIALIZED   0x01    /**< cursor has been initialized and is valid */
720 #define C_EOF   0x02                    /**< No more data */
721 #define C_XDIRTY        0x04            /**< @deprecated mc_xcursor needs to be flushed */
722         MDB_page        *mc_pg[CURSOR_STACK];   /**< stack of pushed pages */
723         indx_t          mc_ki[CURSOR_STACK];    /**< stack of page indices */
724 };
725
726         /** Context for sorted-dup records.
727          *      We could have gone to a fully recursive design, with arbitrarily
728          *      deep nesting of sub-databases. But for now we only handle these
729          *      levels - main DB, optional sub-DB, sorted-duplicate DB.
730          */
731 typedef struct MDB_xcursor {
732         /** A sub-cursor for traversing the Dup DB */
733         MDB_cursor mx_cursor;
734         /** A fake transaction struct for pointing to our own table
735          *      of DB info.
736          */
737         MDB_txn mx_txn;
738         /**     Our private DB information tables. Slots 0 and 1 are always
739          *      copies of the corresponding slots in the main transaction. These
740          *      hold the FREEDB and MAINDB, respectively. If the main cursor is
741          *      on a sub-database, that will be copied to slot 2, and the duplicate
742          *      database info will be in slot 3. If the main cursor is on the MAINDB
743          *      then the duplicate DB info will be in slot 2 and slot 3 will be unused.
744          */
745         MDB_dbx mx_dbxs[4];
746         /** MDB_db table */
747         MDB_db  mx_dbs[4];
748 } MDB_xcursor;
749
750         /** A set of pages freed by an earlier transaction. */
751 typedef struct MDB_oldpages {
752         /** Usually we only read one record from the FREEDB at a time, but
753          *      in case we read more, this will chain them together.
754          */
755         struct MDB_oldpages *mo_next;
756         /**     The ID of the transaction in which these pages were freed. */
757         ULONG           mo_txnid;
758         /** An #IDL of the pages */
759         pgno_t          mo_pages[1];    /* dynamic */
760 } MDB_oldpages;
761
762         /** The database environment. */
763 struct MDB_env {
764         HANDLE          me_fd;          /**< The main data file */
765         HANDLE          me_lfd;         /**< The lock file */
766         HANDLE          me_mfd;                 /**< just for writing the meta pages */
767         /** Failed to update the meta page. Probably an I/O error. */
768 #define MDB_FATAL_ERROR 0x80000000U
769         uint32_t        me_flags;
770         uint32_t        me_extrapad;    /**< unused for now */
771         unsigned int    me_maxreaders;  /**< size of the reader table */
772         unsigned int    me_numdbs;              /**< number of DBs opened */
773         unsigned int    me_maxdbs;              /**< size of the DB table */
774         char            *me_path;               /**< path to the DB files */
775         char            *me_map;                /**< the memory map of the data file */
776         MDB_txninfo     *me_txns;               /**< the memory map of the lock file */
777         MDB_meta        *me_metas[2];   /**< pointers to the two meta pages */
778         MDB_txn         *me_txn;                /**< current write transaction */
779         size_t          me_mapsize;             /**< size of the data memory map */
780         off_t           me_size;                /**< current file size */
781         pgno_t          me_maxpg;               /**< me_mapsize / me_psize */
782         unsigned int    me_psize;       /**< size of a page, from #GET_PAGESIZE */
783         unsigned int    me_db_toggle;   /**< which DB table is current */
784         MDB_dbx         *me_dbxs;               /**< array of static DB info */
785         MDB_db          *me_dbs[2];             /**< two arrays of MDB_db info */
786         MDB_oldpages *me_pghead;        /**< list of old page records */
787         pthread_key_t   me_txkey;       /**< thread-key for readers */
788         MDB_page        *me_dpages;             /**< list of malloc'd blocks for re-use */
789         /** IDL of pages that became unused in a write txn */
790         pgno_t          me_free_pgs[MDB_IDL_UM_SIZE];
791         /** ID2L of pages that were written during a write txn */
792         ID2                     me_dirty_list[MDB_IDL_UM_SIZE];
793         /** rwlock for the DB tables, if #LAZY_LOCKS is false */
794         LAZY_RWLOCK_DEF(me_dblock)
795 #ifdef _WIN32
796         HANDLE          me_rmutex;              /* Windows mutexes don't reside in shared mem */
797         HANDLE          me_wmutex;
798 #endif
799 };
800         /** max number of pages to commit in one writev() call */
801 #define MDB_COMMIT_PAGES         64
802
803 static MDB_page *mdb_alloc_page(MDB_cursor *mc, int num);
804 static int              mdb_touch(MDB_cursor *mc);
805
806 static int  mdb_search_page_root(MDB_cursor *mc,
807                             MDB_val *key, int modify);
808 static int  mdb_search_page(MDB_cursor *mc,
809                             MDB_val *key, int modify);
810
811 static int  mdb_env_read_header(MDB_env *env, MDB_meta *meta);
812 static int  mdb_env_read_meta(MDB_env *env, int *which);
813 static int  mdb_env_write_meta(MDB_txn *txn);
814 static int  mdb_get_page(MDB_txn *txn, pgno_t pgno, MDB_page **mp);
815
816 static MDB_node *mdb_search_node(MDB_cursor *mc, MDB_val *key, int *exactp);
817 static int  mdb_add_node(MDB_cursor *mc, indx_t indx,
818                             MDB_val *key, MDB_val *data, pgno_t pgno, uint8_t flags);
819 static void mdb_del_node(MDB_page *mp, indx_t indx, int ksize);
820 static int mdb_del0(MDB_cursor *mc, MDB_node *leaf);
821 static int  mdb_read_data(MDB_txn *txn, MDB_node *leaf, MDB_val *data);
822
823 static int      mdb_rebalance(MDB_cursor *mc);
824 static int      mdb_update_key(MDB_page *mp, indx_t indx, MDB_val *key);
825 static int      mdb_move_node(MDB_cursor *csrc, MDB_cursor *cdst);
826 static int      mdb_merge(MDB_cursor *csrc, MDB_cursor *cdst);
827 static int      mdb_split(MDB_cursor *mc, MDB_val *newkey, MDB_val *newdata,
828                                 pgno_t newpgno);
829 static MDB_page *mdb_new_page(MDB_cursor *mc, uint32_t flags, int num);
830
831 static void     cursor_pop_page(MDB_cursor *mc);
832 static int      cursor_push_page(MDB_cursor *mc, MDB_page *mp);
833
834 static int      mdb_sibling(MDB_cursor *mc, int move_right);
835 static int      mdb_cursor_next(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op);
836 static int      mdb_cursor_prev(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op);
837 static int      mdb_cursor_set(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op,
838                                 int *exactp);
839 static int      mdb_cursor_first(MDB_cursor *mc, MDB_val *key, MDB_val *data);
840 static int      mdb_cursor_last(MDB_cursor *mc, MDB_val *key, MDB_val *data);
841
842 static void     mdb_xcursor_init0(MDB_cursor *mc);
843 static void     mdb_xcursor_init1(MDB_cursor *mc, MDB_node *node);
844 static void     mdb_xcursor_init2(MDB_cursor *mc);
845 static void     mdb_xcursor_fini(MDB_cursor *mc);
846
847 static size_t   mdb_leaf_size(MDB_env *env, MDB_val *key, MDB_val *data);
848 static size_t   mdb_branch_size(MDB_env *env, MDB_val *key);
849
850 static void mdb_default_cmp(MDB_txn *txn, MDB_dbi dbi);
851
852 /** @cond */
853 static MDB_cmp_func     memncmp, memnrcmp, intcmp, cintcmp;
854 /** @endcond */
855
856 #ifdef _WIN32
857 static SECURITY_DESCRIPTOR mdb_null_sd;
858 static SECURITY_ATTRIBUTES mdb_all_sa;
859 static int mdb_sec_inited;
860 #endif
861
862 /** Return the library version info. */
863 char *
864 mdb_version(int *major, int *minor, int *patch)
865 {
866         if (major) *major = MDB_VERSION_MAJOR;
867         if (minor) *minor = MDB_VERSION_MINOR;
868         if (patch) *patch = MDB_VERSION_PATCH;
869         return MDB_VERSION_STRING;
870 }
871
872 /** Table of descriptions for MDB @ref errors */
873 static char *const mdb_errstr[] = {
874         "MDB_KEYEXIST: Key/data pair already exists",
875         "MDB_NOTFOUND: No matching key/data pair found",
876         "MDB_PAGE_NOTFOUND: Requested page not found",
877         "MDB_CORRUPTED: Located page was wrong type",
878         "MDB_PANIC: Update of meta page failed",
879         "MDB_VERSION_MISMATCH: Database environment version mismatch"
880 };
881
882 char *
883 mdb_strerror(int err)
884 {
885         if (!err)
886                 return ("Successful return: 0");
887
888         if (err >= MDB_KEYEXIST && err <= MDB_VERSION_MISMATCH)
889                 return mdb_errstr[err - MDB_KEYEXIST];
890
891         return strerror(err);
892 }
893
894 #if DEBUG
895 /** Display a key in hexadecimal and return the address of the result.
896  * @param[in] key the key to display
897  * @param[in] buf the buffer to write into. Should always be #DKBUF.
898  * @return The key in hexadecimal form.
899  */
900 char *
901 mdb_dkey(MDB_val *key, char *buf)
902 {
903         char *ptr = buf;
904         unsigned char *c = key->mv_data;
905         unsigned int i;
906         if (key->mv_size > MAXKEYSIZE)
907                 return "MAXKEYSIZE";
908         /* may want to make this a dynamic check: if the key is mostly
909          * printable characters, print it as-is instead of converting to hex.
910          */
911 #if 1
912         for (i=0; i<key->mv_size; i++)
913                 ptr += sprintf(ptr, "%02x", *c++);
914 #else
915         sprintf(buf, "%.*s", key->mv_size, key->mv_data);
916 #endif
917         return buf;
918 }
919 #endif
920
921 int
922 mdb_cmp(MDB_txn *txn, MDB_dbi dbi, const MDB_val *a, const MDB_val *b)
923 {
924         return txn->mt_dbxs[dbi].md_cmp(a, b);
925 }
926
927 /** Compare two data items according to a particular database.
928  * This returns a comparison as if the two items were data items of
929  * a sorted duplicates #MDB_DUPSORT database.
930  * @param[in] txn A transaction handle returned by #mdb_txn_begin()
931  * @param[in] dbi A database handle returned by #mdb_open()
932  * @param[in] a The first item to compare
933  * @param[in] b The second item to compare
934  * @return < 0 if a < b, 0 if a == b, > 0 if a > b
935  */
936 int
937 mdb_dcmp(MDB_txn *txn, MDB_dbi dbi, const MDB_val *a, const MDB_val *b)
938 {
939         if (txn->mt_dbxs[dbi].md_dcmp)
940                 return txn->mt_dbxs[dbi].md_dcmp(a, b);
941         else
942                 return EINVAL;  /* too bad you can't distinguish this from a valid result */
943 }
944
945 /** Allocate pages for writing.
946  * If there are free pages available from older transactions, they
947  * will be re-used first. Otherwise a new page will be allocated.
948  * @param[in] mc cursor A cursor handle identifying the transaction and
949  *      database for which we are allocating.
950  * @param[in] num the number of pages to allocate.
951  * @return Address of the allocated page(s). Requests for multiple pages
952  *  will always be satisfied by a single contiguous chunk of memory.
953  */
954 static MDB_page *
955 mdb_alloc_page(MDB_cursor *mc, int num)
956 {
957         MDB_txn *txn = mc->mc_txn;
958         MDB_page *np;
959         pgno_t pgno = P_INVALID;
960         ID2 mid;
961
962         if (txn->mt_txnid > 2) {
963
964                 if (!txn->mt_env->me_pghead && mc->mc_dbi != FREE_DBI &&
965                         txn->mt_dbs[FREE_DBI].md_root != P_INVALID) {
966                         /* See if there's anything in the free DB */
967                         MDB_cursor m2;
968                         MDB_node *leaf;
969                         ULONG *kptr, oldest;
970
971                         m2.mc_txn = txn;
972                         m2.mc_dbi = FREE_DBI;
973                         m2.mc_snum = 0;
974                         m2.mc_flags = 0;
975                         mdb_search_page(&m2, NULL, 0);
976                         leaf = NODEPTR(m2.mc_pg[m2.mc_top], 0);
977                         kptr = (ULONG *)NODEKEY(leaf);
978
979                         {
980                                 unsigned int i;
981                                 oldest = txn->mt_txnid - 1;
982                                 for (i=0; i<txn->mt_env->me_txns->mti_numreaders; i++) {
983                                         ULONG mr = txn->mt_env->me_txns->mti_readers[i].mr_txnid;
984                                         if (mr && mr < oldest)
985                                                 oldest = mr;
986                                 }
987                         }
988
989                         if (oldest > *kptr) {
990                                 /* It's usable, grab it.
991                                  */
992                                 MDB_oldpages *mop;
993                                 MDB_val data;
994                                 pgno_t *idl;
995
996                                 mdb_read_data(txn, leaf, &data);
997                                 idl = (ULONG *)data.mv_data;
998                                 mop = malloc(sizeof(MDB_oldpages) + MDB_IDL_SIZEOF(idl) - sizeof(pgno_t));
999                                 mop->mo_next = txn->mt_env->me_pghead;
1000                                 mop->mo_txnid = *kptr;
1001                                 txn->mt_env->me_pghead = mop;
1002                                 memcpy(mop->mo_pages, idl, MDB_IDL_SIZEOF(idl));
1003
1004 #if DEBUG > 1
1005                                 {
1006                                         unsigned int i;
1007                                         DPRINTF("IDL read txn %lu root %lu num %lu",
1008                                                 mop->mo_txnid, txn->mt_dbs[FREE_DBI].md_root, idl[0]);
1009                                         for (i=0; i<idl[0]; i++) {
1010                                                 DPRINTF("IDL %lu", idl[i+1]);
1011                                         }
1012                                 }
1013 #endif
1014                                 /* drop this IDL from the DB */
1015                                 m2.mc_ki[m2.mc_top] = 0;
1016                                 m2.mc_flags = C_INITIALIZED;
1017                                 mdb_cursor_del(&m2, 0);
1018                         }
1019                 }
1020                 if (txn->mt_env->me_pghead) {
1021                         MDB_oldpages *mop = txn->mt_env->me_pghead;
1022                         if (num > 1) {
1023                                 /* FIXME: For now, always use fresh pages. We
1024                                  * really ought to search the free list for a
1025                                  * contiguous range.
1026                                  */
1027                                 ;
1028                         } else {
1029                                 /* peel pages off tail, so we only have to truncate the list */
1030                                 pgno = MDB_IDL_LAST(mop->mo_pages);
1031                                 if (MDB_IDL_IS_RANGE(mop->mo_pages)) {
1032                                         mop->mo_pages[2]++;
1033                                         if (mop->mo_pages[2] > mop->mo_pages[1])
1034                                                 mop->mo_pages[0] = 0;
1035                                 } else {
1036                                         mop->mo_pages[0]--;
1037                                 }
1038                                 if (MDB_IDL_IS_ZERO(mop->mo_pages)) {
1039                                         txn->mt_env->me_pghead = mop->mo_next;
1040                                         free(mop);
1041                                 }
1042                         }
1043                 }
1044         }
1045
1046         if (pgno == P_INVALID) {
1047                 /* DB size is maxed out */
1048                 if (txn->mt_next_pgno + num >= txn->mt_env->me_maxpg)
1049                         return NULL;
1050         }
1051         if (txn->mt_env->me_dpages && num == 1) {
1052                 np = txn->mt_env->me_dpages;
1053                 txn->mt_env->me_dpages = np->mp_next;
1054         } else {
1055                 if ((np = malloc(txn->mt_env->me_psize * num )) == NULL)
1056                         return NULL;
1057         }
1058         if (pgno == P_INVALID) {
1059                 np->mp_pgno = txn->mt_next_pgno;
1060                 txn->mt_next_pgno += num;
1061         } else {
1062                 np->mp_pgno = pgno;
1063         }
1064         mid.mid = np->mp_pgno;
1065         mid.mptr = np;
1066         mdb_mid2l_insert(txn->mt_u.dirty_list, &mid);
1067
1068         return np;
1069 }
1070
1071 /** Touch a page: make it dirty and re-insert into tree with updated pgno.
1072  * @param[in] mc cursor pointing to the page to be touched
1073  * @return 0 on success, non-zero on failure.
1074  */
1075 static int
1076 mdb_touch(MDB_cursor *mc)
1077 {
1078         MDB_page *mp = mc->mc_pg[mc->mc_top];
1079         pgno_t  pgno;
1080
1081         if (!F_ISSET(mp->mp_flags, P_DIRTY)) {
1082                 MDB_page *np;
1083                 if ((np = mdb_alloc_page(mc, 1)) == NULL)
1084                         return ENOMEM;
1085                 DPRINTF("touched db %u page %lu -> %lu", mc->mc_dbi, mp->mp_pgno, np->mp_pgno);
1086                 assert(mp->mp_pgno != np->mp_pgno);
1087                 mdb_midl_append(mc->mc_txn->mt_free_pgs, mp->mp_pgno);
1088                 pgno = np->mp_pgno;
1089                 memcpy(np, mp, mc->mc_txn->mt_env->me_psize);
1090                 mp = np;
1091                 mp->mp_pgno = pgno;
1092                 mp->mp_flags |= P_DIRTY;
1093
1094                 mc->mc_pg[mc->mc_top] = mp;
1095                 /** If this page has a parent, update the parent to point to
1096                  * this new page.
1097                  */
1098                 if (mc->mc_top)
1099                         SETPGNO(NODEPTR(mc->mc_pg[mc->mc_top-1], mc->mc_ki[mc->mc_top-1]), mp->mp_pgno);
1100         }
1101         return 0;
1102 }
1103
1104 int
1105 mdb_env_sync(MDB_env *env, int force)
1106 {
1107         int rc = 0;
1108         if (force || !F_ISSET(env->me_flags, MDB_NOSYNC)) {
1109                 if (fdatasync(env->me_fd))
1110                         rc = ErrCode();
1111         }
1112         return rc;
1113 }
1114
1115 static inline void
1116 mdb_txn_reset0(MDB_txn *txn);
1117
1118 /** Common code for #mdb_txn_begin() and #mdb_txn_renew().
1119  * @param[in] txn the transaction handle to initialize
1120  * @return 0 on success, non-zero on failure. This can only
1121  * fail for read-only transactions, and then only if the
1122  * reader table is full.
1123  */
1124 static inline int
1125 mdb_txn_renew0(MDB_txn *txn)
1126 {
1127         MDB_env *env = txn->mt_env;
1128
1129         if (txn->mt_flags & MDB_TXN_RDONLY) {
1130                 MDB_reader *r = pthread_getspecific(env->me_txkey);
1131                 if (!r) {
1132                         unsigned int i;
1133                         pid_t pid = getpid();
1134                         pthread_t tid = pthread_self();
1135
1136                         LOCK_MUTEX_R(env);
1137                         for (i=0; i<env->me_txns->mti_numreaders; i++)
1138                                 if (env->me_txns->mti_readers[i].mr_pid == 0)
1139                                         break;
1140                         if (i == env->me_maxreaders) {
1141                                 UNLOCK_MUTEX_R(env);
1142                                 return ENOMEM;
1143                         }
1144                         env->me_txns->mti_readers[i].mr_pid = pid;
1145                         env->me_txns->mti_readers[i].mr_tid = tid;
1146                         if (i >= env->me_txns->mti_numreaders)
1147                                 env->me_txns->mti_numreaders = i+1;
1148                         UNLOCK_MUTEX_R(env);
1149                         r = &env->me_txns->mti_readers[i];
1150                         pthread_setspecific(env->me_txkey, r);
1151                 }
1152                 txn->mt_txnid = env->me_txns->mti_txnid;
1153                 txn->mt_toggle = env->me_txns->mti_me_toggle;
1154                 r->mr_txnid = txn->mt_txnid;
1155                 txn->mt_u.reader = r;
1156         } else {
1157                 LOCK_MUTEX_W(env);
1158
1159                 txn->mt_txnid = env->me_txns->mti_txnid+1;
1160                 txn->mt_toggle = env->me_txns->mti_me_toggle;
1161                 txn->mt_u.dirty_list = env->me_dirty_list;
1162                 txn->mt_u.dirty_list[0].mid = 0;
1163                 txn->mt_free_pgs = env->me_free_pgs;
1164                 txn->mt_free_pgs[0] = 0;
1165                 txn->mt_next_pgno = env->me_metas[txn->mt_toggle]->mm_last_pg+1;
1166                 env->me_txn = txn;
1167         }
1168
1169         /* Copy the DB arrays */
1170         LAZY_RWLOCK_RDLOCK(&env->me_dblock);
1171         txn->mt_numdbs = env->me_numdbs;
1172         txn->mt_dbxs = env->me_dbxs;    /* mostly static anyway */
1173         memcpy(txn->mt_dbs, env->me_metas[txn->mt_toggle]->mm_dbs, 2 * sizeof(MDB_db));
1174         if (txn->mt_numdbs > 2)
1175                 memcpy(txn->mt_dbs+2, env->me_dbs[env->me_db_toggle]+2,
1176                         (txn->mt_numdbs - 2) * sizeof(MDB_db));
1177         LAZY_RWLOCK_UNLOCK(&env->me_dblock);
1178
1179         return MDB_SUCCESS;
1180 }
1181
1182 int
1183 mdb_txn_renew(MDB_txn *txn)
1184 {
1185         int rc;
1186
1187         if (!txn)
1188                 return EINVAL;
1189
1190         if (txn->mt_env->me_flags & MDB_FATAL_ERROR) {
1191                 DPUTS("environment had fatal error, must shutdown!");
1192                 return MDB_PANIC;
1193         }
1194
1195         rc = mdb_txn_renew0(txn);
1196         if (rc == MDB_SUCCESS) {
1197                 DPRINTF("renew txn %lu%c %p on mdbenv %p, root page %lu",
1198                         txn->mt_txnid, (txn->mt_flags & MDB_TXN_RDONLY) ? 'r' : 'w', txn,
1199                         (void *)txn->mt_env, txn->mt_dbs[MAIN_DBI].md_root);
1200         }
1201         return rc;
1202 }
1203
1204 int
1205 mdb_txn_begin(MDB_env *env, unsigned int flags, MDB_txn **ret)
1206 {
1207         MDB_txn *txn;
1208         int rc;
1209
1210         if (env->me_flags & MDB_FATAL_ERROR) {
1211                 DPUTS("environment had fatal error, must shutdown!");
1212                 return MDB_PANIC;
1213         }
1214         if ((txn = calloc(1, sizeof(MDB_txn) + env->me_maxdbs * sizeof(MDB_db))) == NULL) {
1215                 DPRINTF("calloc: %s", strerror(ErrCode()));
1216                 return ENOMEM;
1217         }
1218         txn->mt_dbs = (MDB_db *)(txn+1);
1219         if (flags & MDB_RDONLY) {
1220                 txn->mt_flags |= MDB_TXN_RDONLY;
1221         }
1222         txn->mt_env = env;
1223
1224         rc = mdb_txn_renew0(txn);
1225         if (rc)
1226                 free(txn);
1227         else {
1228                 *ret = txn;
1229                 DPRINTF("begin txn %lu%c %p on mdbenv %p, root page %lu",
1230                         txn->mt_txnid, (txn->mt_flags & MDB_TXN_RDONLY) ? 'r' : 'w', txn,
1231                         (void *) env, txn->mt_dbs[MAIN_DBI].md_root);
1232         }
1233
1234         return rc;
1235 }
1236
1237 /** Common code for #mdb_txn_reset() and #mdb_txn_abort().
1238  * @param[in] txn the transaction handle to reset
1239  */
1240 static inline void
1241 mdb_txn_reset0(MDB_txn *txn)
1242 {
1243         MDB_env *env = txn->mt_env;
1244
1245         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
1246                 txn->mt_u.reader->mr_txnid = 0;
1247         } else {
1248                 MDB_oldpages *mop;
1249                 MDB_page *dp;
1250                 unsigned int i;
1251
1252                 /* return all dirty pages to dpage list */
1253                 for (i=1; i<=txn->mt_u.dirty_list[0].mid; i++) {
1254                         dp = txn->mt_u.dirty_list[i].mptr;
1255                         if (!IS_OVERFLOW(dp) || dp->mp_pages == 1) {
1256                                 dp->mp_next = txn->mt_env->me_dpages;
1257                                 txn->mt_env->me_dpages = dp;
1258                         } else {
1259                                 /* large pages just get freed directly */
1260                                 free(dp);
1261                         }
1262                 }
1263
1264                 while ((mop = txn->mt_env->me_pghead)) {
1265                         txn->mt_env->me_pghead = mop->mo_next;
1266                         free(mop);
1267                 }
1268
1269                 env->me_txn = NULL;
1270                 for (i=2; i<env->me_numdbs; i++)
1271                         env->me_dbxs[i].md_dirty = 0;
1272                 /* The writer mutex was locked in mdb_txn_begin. */
1273                 UNLOCK_MUTEX_W(env);
1274         }
1275 }
1276
1277 void
1278 mdb_txn_reset(MDB_txn *txn)
1279 {
1280         if (txn == NULL)
1281                 return;
1282
1283         DPRINTF("reset txn %lu%c %p on mdbenv %p, root page %lu",
1284                 txn->mt_txnid, (txn->mt_flags & MDB_TXN_RDONLY) ? 'r' : 'w', txn,
1285                 (void *)txn->mt_env, txn->mt_dbs[MAIN_DBI].md_root);
1286
1287         mdb_txn_reset0(txn);
1288 }
1289
1290 void
1291 mdb_txn_abort(MDB_txn *txn)
1292 {
1293         if (txn == NULL)
1294                 return;
1295
1296         DPRINTF("abort txn %lu%c %p on mdbenv %p, root page %lu",
1297                 txn->mt_txnid, (txn->mt_flags & MDB_TXN_RDONLY) ? 'r' : 'w', txn,
1298                 (void *)txn->mt_env, txn->mt_dbs[MAIN_DBI].md_root);
1299
1300         mdb_txn_reset0(txn);
1301         free(txn);
1302 }
1303
1304 int
1305 mdb_txn_commit(MDB_txn *txn)
1306 {
1307         int              n, done;
1308         unsigned int i;
1309         ssize_t          rc;
1310         off_t            size;
1311         MDB_page        *dp;
1312         MDB_env *env;
1313         pgno_t  next;
1314         MDB_cursor mc;
1315
1316         assert(txn != NULL);
1317         assert(txn->mt_env != NULL);
1318
1319         env = txn->mt_env;
1320
1321         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
1322                 mdb_txn_abort(txn);
1323                 return MDB_SUCCESS;
1324         }
1325
1326         if (txn != env->me_txn) {
1327                 DPUTS("attempt to commit unknown transaction");
1328                 mdb_txn_abort(txn);
1329                 return EINVAL;
1330         }
1331
1332         if (F_ISSET(txn->mt_flags, MDB_TXN_ERROR)) {
1333                 DPUTS("error flag is set, can't commit");
1334                 mdb_txn_abort(txn);
1335                 return EINVAL;
1336         }
1337
1338         if (!txn->mt_u.dirty_list[0].mid)
1339                 goto done;
1340
1341         DPRINTF("committing txn %lu %p on mdbenv %p, root page %lu",
1342             txn->mt_txnid, txn, (void *)env, txn->mt_dbs[MAIN_DBI].md_root);
1343
1344         mc.mc_txn = txn;
1345         mc.mc_dbi = FREE_DBI;
1346         mc.mc_flags = 0;
1347
1348         /* should only be one record now */
1349         if (env->me_pghead) {
1350                 /* make sure first page of freeDB is touched and on freelist */
1351                 mdb_search_page(&mc, NULL, 1);
1352         }
1353         /* save to free list */
1354         if (!MDB_IDL_IS_ZERO(txn->mt_free_pgs)) {
1355                 MDB_val key, data;
1356                 ULONG i;
1357
1358                 /* make sure last page of freeDB is touched and on freelist */
1359                 key.mv_size = MAXKEYSIZE+1;
1360                 key.mv_data = NULL;
1361                 mdb_search_page(&mc, &key, 1);
1362
1363                 mdb_midl_sort(txn->mt_free_pgs);
1364 #if DEBUG > 1
1365                 {
1366                         unsigned int i;
1367                         ULONG *idl = txn->mt_free_pgs;
1368                         DPRINTF("IDL write txn %lu root %lu num %lu",
1369                                 txn->mt_txnid, txn->mt_dbs[FREE_DBI].md_root, idl[0]);
1370                         for (i=0; i<idl[0]; i++) {
1371                                 DPRINTF("IDL %lu", idl[i+1]);
1372                         }
1373                 }
1374 #endif
1375                 /* write to last page of freeDB */
1376                 key.mv_size = sizeof(pgno_t);
1377                 key.mv_data = (char *)&txn->mt_txnid;
1378                 data.mv_data = txn->mt_free_pgs;
1379                 /* The free list can still grow during this call,
1380                  * despite the pre-emptive touches above. So check
1381                  * and make sure the entire thing got written.
1382                  */
1383                 do {
1384                         i = txn->mt_free_pgs[0];
1385                         data.mv_size = MDB_IDL_SIZEOF(txn->mt_free_pgs);
1386                         rc = mdb_cursor_put(&mc, &key, &data, 0);
1387                         if (rc) {
1388                                 mdb_txn_abort(txn);
1389                                 return rc;
1390                         }
1391                 } while (i != txn->mt_free_pgs[0]);
1392         }
1393         /* should only be one record now */
1394         if (env->me_pghead) {
1395                 MDB_val key, data;
1396                 MDB_oldpages *mop;
1397
1398                 mop = env->me_pghead;
1399                 key.mv_size = sizeof(pgno_t);
1400                 key.mv_data = (char *)&mop->mo_txnid;
1401                 data.mv_size = MDB_IDL_SIZEOF(mop->mo_pages);
1402                 data.mv_data = mop->mo_pages;
1403                 mdb_cursor_put(&mc, &key, &data, 0);
1404                 free(env->me_pghead);
1405                 env->me_pghead = NULL;
1406         }
1407
1408         /* Update DB root pointers. Their pages have already been
1409          * touched so this is all in-place and cannot fail.
1410          */
1411         {
1412                 MDB_val data;
1413                 data.mv_size = sizeof(MDB_db);
1414
1415                 mc.mc_dbi = MAIN_DBI;
1416                 mc.mc_flags = 0;
1417                 for (i = 2; i < txn->mt_numdbs; i++) {
1418                         if (txn->mt_dbxs[i].md_dirty) {
1419                                 data.mv_data = &txn->mt_dbs[i];
1420                                 mdb_cursor_put(&mc, &txn->mt_dbxs[i].md_name, &data, 0);
1421                         }
1422                 }
1423         }
1424
1425         /* Commit up to MDB_COMMIT_PAGES dirty pages to disk until done.
1426          */
1427         next = 0;
1428         i = 1;
1429         do {
1430 #ifdef _WIN32
1431                 /* Windows actually supports scatter/gather I/O, but only on
1432                  * unbuffered file handles. Since we're relying on the OS page
1433                  * cache for all our data, that's self-defeating. So we just
1434                  * write pages one at a time. We use the ov structure to set
1435                  * the write offset, to at least save the overhead of a Seek
1436                  * system call.
1437                  */
1438                 OVERLAPPED ov;
1439                 memset(&ov, 0, sizeof(ov));
1440                 for (; i<=txn->mt_u.dirty_list[0].mid; i++) {
1441                         size_t wsize;
1442                         dp = txn->mt_u.dirty_list[i].mptr;
1443                         DPRINTF("committing page %lu", dp->mp_pgno);
1444                         size = dp->mp_pgno * env->me_psize;
1445                         ov.Offset = size & 0xffffffff;
1446                         ov.OffsetHigh = size >> 16;
1447                         ov.OffsetHigh >>= 16;
1448                         /* clear dirty flag */
1449                         dp->mp_flags &= ~P_DIRTY;
1450                         wsize = env->me_psize;
1451                         if (IS_OVERFLOW(dp)) wsize *= dp->mp_pages;
1452                         rc = WriteFile(env->me_fd, dp, wsize, NULL, &ov);
1453                         if (!rc) {
1454                                 n = ErrCode();
1455                                 DPRINTF("WriteFile: %d", n);
1456                                 mdb_txn_abort(txn);
1457                                 return n;
1458                         }
1459                 }
1460                 done = 1;;
1461 #else
1462                 struct iovec     iov[MDB_COMMIT_PAGES];
1463                 n = 0;
1464                 done = 1;
1465                 size = 0;
1466                 for (; i<=txn->mt_u.dirty_list[0].mid; i++) {
1467                         dp = txn->mt_u.dirty_list[i].mptr;
1468                         if (dp->mp_pgno != next) {
1469                                 if (n) {
1470                                         DPRINTF("committing %u dirty pages", n);
1471                                         rc = writev(env->me_fd, iov, n);
1472                                         if (rc != size) {
1473                                                 n = ErrCode();
1474                                                 if (rc > 0)
1475                                                         DPUTS("short write, filesystem full?");
1476                                                 else
1477                                                         DPRINTF("writev: %s", strerror(n));
1478                                                 mdb_txn_abort(txn);
1479                                                 return n;
1480                                         }
1481                                         n = 0;
1482                                         size = 0;
1483                                 }
1484                                 lseek(env->me_fd, dp->mp_pgno * env->me_psize, SEEK_SET);
1485                                 next = dp->mp_pgno;
1486                         }
1487                         DPRINTF("committing page %lu", dp->mp_pgno);
1488                         iov[n].iov_len = env->me_psize;
1489                         if (IS_OVERFLOW(dp)) iov[n].iov_len *= dp->mp_pages;
1490                         iov[n].iov_base = dp;
1491                         size += iov[n].iov_len;
1492                         next = dp->mp_pgno + (IS_OVERFLOW(dp) ? dp->mp_pages : 1);
1493                         /* clear dirty flag */
1494                         dp->mp_flags &= ~P_DIRTY;
1495                         if (++n >= MDB_COMMIT_PAGES) {
1496                                 done = 0;
1497                                 i++;
1498                                 break;
1499                         }
1500                 }
1501
1502                 if (n == 0)
1503                         break;
1504
1505                 DPRINTF("committing %u dirty pages", n);
1506                 rc = writev(env->me_fd, iov, n);
1507                 if (rc != size) {
1508                         n = ErrCode();
1509                         if (rc > 0)
1510                                 DPUTS("short write, filesystem full?");
1511                         else
1512                                 DPRINTF("writev: %s", strerror(n));
1513                         mdb_txn_abort(txn);
1514                         return n;
1515                 }
1516 #endif
1517         } while (!done);
1518
1519         /* Drop the dirty pages.
1520          */
1521         for (i=1; i<=txn->mt_u.dirty_list[0].mid; i++) {
1522                 dp = txn->mt_u.dirty_list[i].mptr;
1523                 if (!IS_OVERFLOW(dp) || dp->mp_pages == 1) {
1524                         dp->mp_next = txn->mt_env->me_dpages;
1525                         txn->mt_env->me_dpages = dp;
1526                 } else {
1527                         free(dp);
1528                 }
1529                 txn->mt_u.dirty_list[i].mid = 0;
1530         }
1531         txn->mt_u.dirty_list[0].mid = 0;
1532
1533         if ((n = mdb_env_sync(env, 0)) != 0 ||
1534             (n = mdb_env_write_meta(txn)) != MDB_SUCCESS) {
1535                 mdb_txn_abort(txn);
1536                 return n;
1537         }
1538
1539 done:
1540         env->me_txn = NULL;
1541         /* update the DB tables */
1542         {
1543                 int toggle = !env->me_db_toggle;
1544                 MDB_db *ip, *jp;
1545
1546                 ip = &env->me_dbs[toggle][2];
1547                 jp = &txn->mt_dbs[2];
1548                 LAZY_RWLOCK_WRLOCK(&env->me_dblock);
1549                 for (i = 2; i < txn->mt_numdbs; i++) {
1550                         if (ip->md_root != jp->md_root)
1551                                 *ip = *jp;
1552                         ip++; jp++;
1553                 }
1554
1555                 for (i = 2; i < txn->mt_numdbs; i++) {
1556                         if (txn->mt_dbxs[i].md_dirty)
1557                                 txn->mt_dbxs[i].md_dirty = 0;
1558                 }
1559                 env->me_db_toggle = toggle;
1560                 env->me_numdbs = txn->mt_numdbs;
1561                 LAZY_RWLOCK_UNLOCK(&env->me_dblock);
1562         }
1563
1564         UNLOCK_MUTEX_W(env);
1565         free(txn);
1566
1567         return MDB_SUCCESS;
1568 }
1569
1570 /** Read the environment parameters of a DB environment before
1571  * mapping it into memory.
1572  * @param[in] env the environment handle
1573  * @param[out] meta address of where to store the meta information
1574  * @return 0 on success, non-zero on failure.
1575  */
1576 static int
1577 mdb_env_read_header(MDB_env *env, MDB_meta *meta)
1578 {
1579         char             page[PAGESIZE];
1580         MDB_page        *p;
1581         MDB_meta        *m;
1582         int              rc, err;
1583
1584         /* We don't know the page size yet, so use a minimum value.
1585          */
1586
1587 #ifdef _WIN32
1588         if (!ReadFile(env->me_fd, page, PAGESIZE, (DWORD *)&rc, NULL) || rc == 0)
1589 #else
1590         if ((rc = read(env->me_fd, page, PAGESIZE)) == 0)
1591 #endif
1592         {
1593                 return ENOENT;
1594         }
1595         else if (rc != PAGESIZE) {
1596                 err = ErrCode();
1597                 if (rc > 0)
1598                         err = EINVAL;
1599                 DPRINTF("read: %s", strerror(err));
1600                 return err;
1601         }
1602
1603         p = (MDB_page *)page;
1604
1605         if (!F_ISSET(p->mp_flags, P_META)) {
1606                 DPRINTF("page %lu not a meta page", p->mp_pgno);
1607                 return EINVAL;
1608         }
1609
1610         m = METADATA(p);
1611         if (m->mm_magic != MDB_MAGIC) {
1612                 DPUTS("meta has invalid magic");
1613                 return EINVAL;
1614         }
1615
1616         if (m->mm_version != MDB_VERSION) {
1617                 DPRINTF("database is version %u, expected version %u",
1618                     m->mm_version, MDB_VERSION);
1619                 return MDB_VERSION_MISMATCH;
1620         }
1621
1622         memcpy(meta, m, sizeof(*m));
1623         return 0;
1624 }
1625
1626 /** Write the environment parameters of a freshly created DB environment.
1627  * @param[in] env the environment handle
1628  * @param[out] meta address of where to store the meta information
1629  * @return 0 on success, non-zero on failure.
1630  */
1631 static int
1632 mdb_env_init_meta(MDB_env *env, MDB_meta *meta)
1633 {
1634         MDB_page *p, *q;
1635         MDB_meta *m;
1636         int rc;
1637         unsigned int     psize;
1638
1639         DPUTS("writing new meta page");
1640
1641         GET_PAGESIZE(psize);
1642
1643         meta->mm_magic = MDB_MAGIC;
1644         meta->mm_version = MDB_VERSION;
1645         meta->mm_psize = psize;
1646         meta->mm_last_pg = 1;
1647         meta->mm_flags = env->me_flags & 0xffff;
1648         meta->mm_flags |= MDB_INTEGERKEY;
1649         meta->mm_dbs[0].md_root = P_INVALID;
1650         meta->mm_dbs[1].md_root = P_INVALID;
1651
1652         p = calloc(2, psize);
1653         p->mp_pgno = 0;
1654         p->mp_flags = P_META;
1655
1656         m = METADATA(p);
1657         memcpy(m, meta, sizeof(*meta));
1658
1659         q = (MDB_page *)((char *)p + psize);
1660
1661         q->mp_pgno = 1;
1662         q->mp_flags = P_META;
1663
1664         m = METADATA(q);
1665         memcpy(m, meta, sizeof(*meta));
1666
1667 #ifdef _WIN32
1668         {
1669                 DWORD len;
1670                 rc = WriteFile(env->me_fd, p, psize * 2, &len, NULL);
1671                 rc = (len == psize * 2) ? MDB_SUCCESS : ErrCode();
1672         }
1673 #else
1674         rc = write(env->me_fd, p, psize * 2);
1675         rc = (rc == (int)psize * 2) ? MDB_SUCCESS : ErrCode();
1676 #endif
1677         free(p);
1678         return rc;
1679 }
1680
1681 /** Update the environment info to commit a transaction.
1682  * @param[in] txn the transaction that's being committed
1683  * @return 0 on success, non-zero on failure.
1684  */
1685 static int
1686 mdb_env_write_meta(MDB_txn *txn)
1687 {
1688         MDB_env *env;
1689         MDB_meta        meta, metab;
1690         off_t off;
1691         int rc, len, toggle;
1692         char *ptr;
1693 #ifdef _WIN32
1694         OVERLAPPED ov;
1695 #endif
1696
1697         assert(txn != NULL);
1698         assert(txn->mt_env != NULL);
1699
1700         toggle = !txn->mt_toggle;
1701         DPRINTF("writing meta page %d for root page %lu",
1702                 toggle, txn->mt_dbs[MAIN_DBI].md_root);
1703
1704         env = txn->mt_env;
1705
1706         metab.mm_txnid = env->me_metas[toggle]->mm_txnid;
1707         metab.mm_last_pg = env->me_metas[toggle]->mm_last_pg;
1708
1709         ptr = (char *)&meta;
1710         off = offsetof(MDB_meta, mm_dbs[0].md_depth);
1711         len = sizeof(MDB_meta) - off;
1712
1713         ptr += off;
1714         meta.mm_dbs[0] = txn->mt_dbs[0];
1715         meta.mm_dbs[1] = txn->mt_dbs[1];
1716         meta.mm_last_pg = txn->mt_next_pgno - 1;
1717         meta.mm_txnid = txn->mt_txnid;
1718
1719         if (toggle)
1720                 off += env->me_psize;
1721         off += PAGEHDRSZ;
1722
1723         /* Write to the SYNC fd */
1724 #ifdef _WIN32
1725         {
1726                 memset(&ov, 0, sizeof(ov));
1727                 ov.Offset = off;
1728                 WriteFile(env->me_mfd, ptr, len, (DWORD *)&rc, &ov);
1729         }
1730 #else
1731         rc = pwrite(env->me_mfd, ptr, len, off);
1732 #endif
1733         if (rc != len) {
1734                 int r2;
1735                 rc = ErrCode();
1736                 DPUTS("write failed, disk error?");
1737                 /* On a failure, the pagecache still contains the new data.
1738                  * Write some old data back, to prevent it from being used.
1739                  * Use the non-SYNC fd; we know it will fail anyway.
1740                  */
1741                 meta.mm_last_pg = metab.mm_last_pg;
1742                 meta.mm_txnid = metab.mm_txnid;
1743 #ifdef _WIN32
1744                 WriteFile(env->me_fd, ptr, len, NULL, &ov);
1745 #else
1746                 r2 = pwrite(env->me_fd, ptr, len, off);
1747 #endif
1748                 env->me_flags |= MDB_FATAL_ERROR;
1749                 return rc;
1750         }
1751         /* Memory ordering issues are irrelevant; since the entire writer
1752          * is wrapped by wmutex, all of these changes will become visible
1753          * after the wmutex is unlocked. Since the DB is multi-version,
1754          * readers will get consistent data regardless of how fresh or
1755          * how stale their view of these values is.
1756          */
1757         LAZY_MUTEX_LOCK(&env->me_txns->mti_mutex);
1758         txn->mt_env->me_txns->mti_me_toggle = toggle;
1759         txn->mt_env->me_txns->mti_txnid = txn->mt_txnid;
1760         LAZY_MUTEX_UNLOCK(&env->me_txns->mti_mutex);
1761
1762         return MDB_SUCCESS;
1763 }
1764
1765 /** Check both meta pages to see which one is newer.
1766  * @param[in] env the environment handle
1767  * @param[out] which address of where to store the meta toggle ID
1768  * @return 0 on success, non-zero on failure.
1769  */
1770 static int
1771 mdb_env_read_meta(MDB_env *env, int *which)
1772 {
1773         int toggle = 0;
1774
1775         assert(env != NULL);
1776
1777         if (env->me_metas[0]->mm_txnid < env->me_metas[1]->mm_txnid)
1778                 toggle = 1;
1779
1780         DPRINTF("Using meta page %d", toggle);
1781         *which = toggle;
1782
1783         return MDB_SUCCESS;
1784 }
1785
1786 int
1787 mdb_env_create(MDB_env **env)
1788 {
1789         MDB_env *e;
1790
1791         e = calloc(1, sizeof(MDB_env));
1792         if (!e) return ENOMEM;
1793
1794         e->me_maxreaders = DEFAULT_READERS;
1795         e->me_maxdbs = 2;
1796         e->me_fd = INVALID_HANDLE_VALUE;
1797         e->me_lfd = INVALID_HANDLE_VALUE;
1798         e->me_mfd = INVALID_HANDLE_VALUE;
1799         *env = e;
1800         return MDB_SUCCESS;
1801 }
1802
1803 int
1804 mdb_env_set_mapsize(MDB_env *env, size_t size)
1805 {
1806         if (env->me_map)
1807                 return EINVAL;
1808         env->me_mapsize = size;
1809         return MDB_SUCCESS;
1810 }
1811
1812 int
1813 mdb_env_set_maxdbs(MDB_env *env, int dbs)
1814 {
1815         if (env->me_map)
1816                 return EINVAL;
1817         env->me_maxdbs = dbs;
1818         return MDB_SUCCESS;
1819 }
1820
1821 int
1822 mdb_env_set_maxreaders(MDB_env *env, unsigned int readers)
1823 {
1824         if (env->me_map || readers < 1)
1825                 return EINVAL;
1826         env->me_maxreaders = readers;
1827         return MDB_SUCCESS;
1828 }
1829
1830 int
1831 mdb_env_get_maxreaders(MDB_env *env, unsigned int *readers)
1832 {
1833         if (!env || !readers)
1834                 return EINVAL;
1835         *readers = env->me_maxreaders;
1836         return MDB_SUCCESS;
1837 }
1838
1839 /** Further setup required for opening an MDB environment
1840  */
1841 static int
1842 mdb_env_open2(MDB_env *env, unsigned int flags)
1843 {
1844         int i, newenv = 0, toggle;
1845         MDB_meta meta;
1846         MDB_page *p;
1847
1848         env->me_flags = flags;
1849
1850         memset(&meta, 0, sizeof(meta));
1851
1852         if ((i = mdb_env_read_header(env, &meta)) != 0) {
1853                 if (i != ENOENT)
1854                         return i;
1855                 DPUTS("new mdbenv");
1856                 newenv = 1;
1857         }
1858
1859         if (!env->me_mapsize) {
1860                 env->me_mapsize = newenv ? DEFAULT_MAPSIZE : meta.mm_mapsize;
1861         }
1862
1863 #ifdef _WIN32
1864         {
1865                 HANDLE mh;
1866                 LONG sizelo, sizehi;
1867                 sizelo = env->me_mapsize & 0xffffffff;
1868                 sizehi = env->me_mapsize >> 16;         /* pointless on WIN32, only needed on W64 */
1869                 sizehi >>= 16;
1870                 /* Windows won't create mappings for zero length files.
1871                  * Just allocate the maxsize right now.
1872                  */
1873                 if (newenv) {
1874                         SetFilePointer(env->me_fd, sizelo, sizehi ? &sizehi : NULL, 0);
1875                         if (!SetEndOfFile(env->me_fd))
1876                                 return ErrCode();
1877                         SetFilePointer(env->me_fd, 0, NULL, 0);
1878                 }
1879                 mh = CreateFileMapping(env->me_fd, NULL, PAGE_READONLY,
1880                         sizehi, sizelo, NULL);
1881                 if (!mh)
1882                         return ErrCode();
1883                 env->me_map = MapViewOfFileEx(mh, FILE_MAP_READ, 0, 0, env->me_mapsize,
1884                         meta.mm_address);
1885                 CloseHandle(mh);
1886                 if (!env->me_map)
1887                         return ErrCode();
1888         }
1889 #else
1890         i = MAP_SHARED;
1891         if (meta.mm_address && (flags & MDB_FIXEDMAP))
1892                 i |= MAP_FIXED;
1893         env->me_map = mmap(meta.mm_address, env->me_mapsize, PROT_READ, i,
1894                 env->me_fd, 0);
1895         if (env->me_map == MAP_FAILED)
1896                 return ErrCode();
1897 #endif
1898
1899         if (newenv) {
1900                 meta.mm_mapsize = env->me_mapsize;
1901                 if (flags & MDB_FIXEDMAP)
1902                         meta.mm_address = env->me_map;
1903                 i = mdb_env_init_meta(env, &meta);
1904                 if (i != MDB_SUCCESS) {
1905                         munmap(env->me_map, env->me_mapsize);
1906                         return i;
1907                 }
1908         }
1909         env->me_psize = meta.mm_psize;
1910
1911         env->me_maxpg = env->me_mapsize / env->me_psize;
1912
1913         p = (MDB_page *)env->me_map;
1914         env->me_metas[0] = METADATA(p);
1915         env->me_metas[1] = (MDB_meta *)((char *)env->me_metas[0] + meta.mm_psize);
1916
1917         if ((i = mdb_env_read_meta(env, &toggle)) != 0)
1918                 return i;
1919
1920         DPRINTF("opened database version %u, pagesize %u",
1921             env->me_metas[toggle]->mm_version, env->me_psize);
1922         DPRINTF("depth: %u", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_depth);
1923         DPRINTF("entries: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_entries);
1924         DPRINTF("branch pages: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_branch_pages);
1925         DPRINTF("leaf pages: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_leaf_pages);
1926         DPRINTF("overflow pages: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_overflow_pages);
1927         DPRINTF("root: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_root);
1928
1929         return MDB_SUCCESS;
1930 }
1931
1932 #ifndef _WIN32
1933 /* Windows doesn't support destructor callbacks for thread-specific storage */
1934 static void
1935 mdb_env_reader_dest(void *ptr)
1936 {
1937         MDB_reader *reader = ptr;
1938
1939         reader->mr_txnid = 0;
1940         reader->mr_pid = 0;
1941         reader->mr_tid = 0;
1942 }
1943 #endif
1944
1945 /* downgrade the exclusive lock on the region back to shared */
1946 static void
1947 mdb_env_share_locks(MDB_env *env)
1948 {
1949         int toggle = 0;
1950
1951         if (env->me_metas[0]->mm_txnid < env->me_metas[1]->mm_txnid)
1952                 toggle = 1;
1953         env->me_txns->mti_me_toggle = toggle;
1954         env->me_txns->mti_txnid = env->me_metas[toggle]->mm_txnid;
1955
1956 #ifdef _WIN32
1957         {
1958                 OVERLAPPED ov;
1959                 /* First acquire a shared lock. The Unlock will
1960                  * then release the existing exclusive lock.
1961                  */
1962                 memset(&ov, 0, sizeof(ov));
1963                 LockFileEx(env->me_lfd, 0, 0, 1, 0, &ov);
1964                 UnlockFile(env->me_lfd, 0, 0, 1, 0);
1965         }
1966 #else
1967         {
1968                 struct flock lock_info;
1969                 /* The shared lock replaces the existing lock */
1970                 memset((void *)&lock_info, 0, sizeof(lock_info));
1971                 lock_info.l_type = F_RDLCK;
1972                 lock_info.l_whence = SEEK_SET;
1973                 lock_info.l_start = 0;
1974                 lock_info.l_len = 1;
1975                 fcntl(env->me_lfd, F_SETLK, &lock_info);
1976         }
1977 #endif
1978 }
1979
1980 static int
1981 mdb_env_setup_locks(MDB_env *env, char *lpath, int mode, int *excl)
1982 {
1983         int rc;
1984         off_t size, rsize;
1985
1986         *excl = 0;
1987
1988 #ifdef _WIN32
1989         if ((env->me_lfd = CreateFile(lpath, GENERIC_READ|GENERIC_WRITE,
1990                 FILE_SHARE_READ|FILE_SHARE_WRITE, NULL, OPEN_ALWAYS,
1991                 FILE_ATTRIBUTE_NORMAL, NULL)) == INVALID_HANDLE_VALUE) {
1992                 rc = ErrCode();
1993                 return rc;
1994         }
1995         /* Try to get exclusive lock. If we succeed, then
1996          * nobody is using the lock region and we should initialize it.
1997          */
1998         {
1999                 if (LockFile(env->me_lfd, 0, 0, 1, 0)) {
2000                         *excl = 1;
2001                 } else {
2002                         OVERLAPPED ov;
2003                         memset(&ov, 0, sizeof(ov));
2004                         if (!LockFileEx(env->me_lfd, 0, 0, 1, 0, &ov)) {
2005                                 rc = ErrCode();
2006                                 goto fail;
2007                         }
2008                 }
2009         }
2010         size = GetFileSize(env->me_lfd, NULL);
2011 #else
2012         if ((env->me_lfd = open(lpath, O_RDWR|O_CREAT, mode)) == -1) {
2013                 rc = ErrCode();
2014                 return rc;
2015         }
2016         /* Try to get exclusive lock. If we succeed, then
2017          * nobody is using the lock region and we should initialize it.
2018          */
2019         {
2020                 struct flock lock_info;
2021                 memset((void *)&lock_info, 0, sizeof(lock_info));
2022                 lock_info.l_type = F_WRLCK;
2023                 lock_info.l_whence = SEEK_SET;
2024                 lock_info.l_start = 0;
2025                 lock_info.l_len = 1;
2026                 rc = fcntl(env->me_lfd, F_SETLK, &lock_info);
2027                 if (rc == 0) {
2028                         *excl = 1;
2029                 } else {
2030                         lock_info.l_type = F_RDLCK;
2031                         rc = fcntl(env->me_lfd, F_SETLKW, &lock_info);
2032                         if (rc) {
2033                                 rc = ErrCode();
2034                                 goto fail;
2035                         }
2036                 }
2037         }
2038         size = lseek(env->me_lfd, 0, SEEK_END);
2039 #endif
2040         rsize = (env->me_maxreaders-1) * sizeof(MDB_reader) + sizeof(MDB_txninfo);
2041         if (size < rsize && *excl) {
2042 #ifdef _WIN32
2043                 SetFilePointer(env->me_lfd, rsize, NULL, 0);
2044                 if (!SetEndOfFile(env->me_lfd)) {
2045                         rc = ErrCode();
2046                         goto fail;
2047                 }
2048 #else
2049                 if (ftruncate(env->me_lfd, rsize) != 0) {
2050                         rc = ErrCode();
2051                         goto fail;
2052                 }
2053 #endif
2054         } else {
2055                 rsize = size;
2056                 size = rsize - sizeof(MDB_txninfo);
2057                 env->me_maxreaders = size/sizeof(MDB_reader) + 1;
2058         }
2059 #ifdef _WIN32
2060         {
2061                 HANDLE mh;
2062                 mh = CreateFileMapping(env->me_lfd, NULL, PAGE_READWRITE,
2063                         0, 0, NULL);
2064                 if (!mh) {
2065                         rc = ErrCode();
2066                         goto fail;
2067                 }
2068                 env->me_txns = MapViewOfFileEx(mh, FILE_MAP_WRITE, 0, 0, rsize, NULL);
2069                 CloseHandle(mh);
2070                 if (!env->me_txns) {
2071                         rc = ErrCode();
2072                         goto fail;
2073                 }
2074         }
2075 #else
2076         env->me_txns = mmap(0, rsize, PROT_READ|PROT_WRITE, MAP_SHARED,
2077                 env->me_lfd, 0);
2078         if (env->me_txns == MAP_FAILED) {
2079                 rc = ErrCode();
2080                 goto fail;
2081         }
2082 #endif
2083         if (*excl) {
2084 #ifdef _WIN32
2085                 char *ptr;
2086                 if (!mdb_sec_inited) {
2087                         InitializeSecurityDescriptor(&mdb_null_sd,
2088                                 SECURITY_DESCRIPTOR_REVISION);
2089                         SetSecurityDescriptorDacl(&mdb_null_sd, TRUE, 0, FALSE);
2090                         mdb_all_sa.nLength = sizeof(SECURITY_ATTRIBUTES);
2091                         mdb_all_sa.bInheritHandle = FALSE;
2092                         mdb_all_sa.lpSecurityDescriptor = &mdb_null_sd;
2093                         mdb_sec_inited = 1;
2094                 }
2095                 /* FIXME: only using up to 20 characters of the env path here,
2096                  * probably not enough to assure uniqueness...
2097                  */
2098                 sprintf(env->me_txns->mti_rmname, "Global\\MDBr%.20s", lpath);
2099                 ptr = env->me_txns->mti_rmname + sizeof("Global\\MDBr");
2100                 while ((ptr = strchr(ptr, '\\')))
2101                         *ptr++ = '/';
2102                 env->me_rmutex = CreateMutex(&mdb_all_sa, FALSE, env->me_txns->mti_rmname);
2103                 if (!env->me_rmutex) {
2104                         rc = ErrCode();
2105                         goto fail;
2106                 }
2107                 sprintf(env->me_txns->mti_rmname, "Global\\MDBw%.20s", lpath);
2108                 ptr = env->me_txns->mti_rmname + sizeof("Global\\MDBw");
2109                 while ((ptr = strchr(ptr, '\\')))
2110                         *ptr++ = '/';
2111                 env->me_wmutex = CreateMutex(&mdb_all_sa, FALSE, env->me_txns->mti_rmname);
2112                 if (!env->me_wmutex) {
2113                         rc = ErrCode();
2114                         goto fail;
2115                 }
2116 #else
2117                 pthread_mutexattr_t mattr;
2118
2119                 pthread_mutexattr_init(&mattr);
2120                 rc = pthread_mutexattr_setpshared(&mattr, PTHREAD_PROCESS_SHARED);
2121                 if (rc) {
2122                         goto fail;
2123                 }
2124                 pthread_mutex_init(&env->me_txns->mti_mutex, &mattr);
2125                 pthread_mutex_init(&env->me_txns->mti_wmutex, &mattr);
2126 #endif
2127                 env->me_txns->mti_version = MDB_VERSION;
2128                 env->me_txns->mti_magic = MDB_MAGIC;
2129                 env->me_txns->mti_txnid = 0;
2130                 env->me_txns->mti_numreaders = 0;
2131                 env->me_txns->mti_me_toggle = 0;
2132
2133         } else {
2134                 if (env->me_txns->mti_magic != MDB_MAGIC) {
2135                         DPUTS("lock region has invalid magic");
2136                         rc = EINVAL;
2137                         goto fail;
2138                 }
2139                 if (env->me_txns->mti_version != MDB_VERSION) {
2140                         DPRINTF("lock region is version %u, expected version %u",
2141                                 env->me_txns->mti_version, MDB_VERSION);
2142                         rc = MDB_VERSION_MISMATCH;
2143                         goto fail;
2144                 }
2145                 rc = ErrCode();
2146                 if (rc != EACCES && rc != EAGAIN) {
2147                         goto fail;
2148                 }
2149 #ifdef _WIN32
2150                 env->me_rmutex = OpenMutex(SYNCHRONIZE, FALSE, env->me_txns->mti_rmname);
2151                 if (!env->me_rmutex) {
2152                         rc = ErrCode();
2153                         goto fail;
2154                 }
2155                 env->me_wmutex = OpenMutex(SYNCHRONIZE, FALSE, env->me_txns->mti_wmname);
2156                 if (!env->me_wmutex) {
2157                         rc = ErrCode();
2158                         goto fail;
2159                 }
2160 #endif
2161         }
2162         return MDB_SUCCESS;
2163
2164 fail:
2165         close(env->me_lfd);
2166         env->me_lfd = INVALID_HANDLE_VALUE;
2167         return rc;
2168
2169 }
2170
2171         /** The name of the lock file in the DB environment */
2172 #define LOCKNAME        "/lock.mdb"
2173         /** The name of the data file in the DB environment */
2174 #define DATANAME        "/data.mdb"
2175 int
2176 mdb_env_open(MDB_env *env, const char *path, unsigned int flags, mode_t mode)
2177 {
2178         int             oflags, rc, len, excl;
2179         char *lpath, *dpath;
2180
2181         len = strlen(path);
2182         lpath = malloc(len + sizeof(LOCKNAME) + len + sizeof(DATANAME));
2183         if (!lpath)
2184                 return ENOMEM;
2185         dpath = lpath + len + sizeof(LOCKNAME);
2186         sprintf(lpath, "%s" LOCKNAME, path);
2187         sprintf(dpath, "%s" DATANAME, path);
2188
2189         rc = mdb_env_setup_locks(env, lpath, mode, &excl);
2190         if (rc)
2191                 goto leave;
2192
2193 #ifdef _WIN32
2194         if (F_ISSET(flags, MDB_RDONLY)) {
2195                 oflags = GENERIC_READ;
2196                 len = OPEN_EXISTING;
2197         } else {
2198                 oflags = GENERIC_READ|GENERIC_WRITE;
2199                 len = OPEN_ALWAYS;
2200         }
2201         mode = FILE_ATTRIBUTE_NORMAL;
2202         if ((env->me_fd = CreateFile(dpath, oflags, FILE_SHARE_READ|FILE_SHARE_WRITE,
2203                         NULL, len, mode, NULL)) == INVALID_HANDLE_VALUE) {
2204                 rc = ErrCode();
2205                 goto leave;
2206         }
2207 #else
2208         if (F_ISSET(flags, MDB_RDONLY))
2209                 oflags = O_RDONLY;
2210         else
2211                 oflags = O_RDWR | O_CREAT;
2212
2213         if ((env->me_fd = open(dpath, oflags, mode)) == -1) {
2214                 rc = ErrCode();
2215                 goto leave;
2216         }
2217 #endif
2218
2219         if ((rc = mdb_env_open2(env, flags)) == MDB_SUCCESS) {
2220                 /* synchronous fd for meta writes */
2221 #ifdef _WIN32
2222                 if (!(flags & (MDB_RDONLY|MDB_NOSYNC)))
2223                         mode |= FILE_FLAG_WRITE_THROUGH;
2224                 if ((env->me_mfd = CreateFile(dpath, oflags, FILE_SHARE_READ|FILE_SHARE_WRITE,
2225                         NULL, len, mode, NULL)) == INVALID_HANDLE_VALUE) {
2226                         rc = ErrCode();
2227                         goto leave;
2228                 }
2229 #else
2230                 if (!(flags & (MDB_RDONLY|MDB_NOSYNC)))
2231                         oflags |= MDB_DSYNC;
2232                 if ((env->me_mfd = open(dpath, oflags, mode)) == -1) {
2233                         rc = ErrCode();
2234                         goto leave;
2235                 }
2236 #endif
2237                 env->me_path = strdup(path);
2238                 DPRINTF("opened dbenv %p", (void *) env);
2239                 pthread_key_create(&env->me_txkey, mdb_env_reader_dest);
2240                 LAZY_RWLOCK_INIT(&env->me_dblock, NULL);
2241                 if (excl)
2242                         mdb_env_share_locks(env);
2243                 env->me_dbxs = calloc(env->me_maxdbs, sizeof(MDB_dbx));
2244                 env->me_dbs[0] = calloc(env->me_maxdbs, sizeof(MDB_db));
2245                 env->me_dbs[1] = calloc(env->me_maxdbs, sizeof(MDB_db));
2246                 env->me_numdbs = 2;
2247         }
2248
2249 leave:
2250         if (rc) {
2251                 if (env->me_fd != INVALID_HANDLE_VALUE) {
2252                         close(env->me_fd);
2253                         env->me_fd = INVALID_HANDLE_VALUE;
2254                 }
2255                 if (env->me_lfd != INVALID_HANDLE_VALUE) {
2256                         close(env->me_lfd);
2257                         env->me_lfd = INVALID_HANDLE_VALUE;
2258                 }
2259         }
2260         free(lpath);
2261         return rc;
2262 }
2263
2264 void
2265 mdb_env_close(MDB_env *env)
2266 {
2267         MDB_page *dp;
2268
2269         if (env == NULL)
2270                 return;
2271
2272         while (env->me_dpages) {
2273                 dp = env->me_dpages;
2274                 env->me_dpages = dp->mp_next;
2275                 free(dp);
2276         }
2277
2278         free(env->me_dbs[1]);
2279         free(env->me_dbs[0]);
2280         free(env->me_dbxs);
2281         free(env->me_path);
2282
2283         LAZY_RWLOCK_DESTROY(&env->me_dblock);
2284         pthread_key_delete(env->me_txkey);
2285
2286         if (env->me_map) {
2287                 munmap(env->me_map, env->me_mapsize);
2288         }
2289         close(env->me_mfd);
2290         close(env->me_fd);
2291         if (env->me_txns) {
2292                 pid_t pid = getpid();
2293                 unsigned int i;
2294                 for (i=0; i<env->me_txns->mti_numreaders; i++)
2295                         if (env->me_txns->mti_readers[i].mr_pid == pid)
2296                                 env->me_txns->mti_readers[i].mr_pid = 0;
2297                 munmap(env->me_txns, (env->me_maxreaders-1)*sizeof(MDB_reader)+sizeof(MDB_txninfo));
2298         }
2299         close(env->me_lfd);
2300         free(env);
2301 }
2302
2303 /* only for aligned ints */
2304 static int
2305 intcmp(const MDB_val *a, const MDB_val *b)
2306 {
2307         if (a->mv_size == sizeof(long))
2308         {
2309                 unsigned long *la, *lb;
2310                 la = a->mv_data;
2311                 lb = b->mv_data;
2312                 return *la - *lb;
2313         } else {
2314                 unsigned int *ia, *ib;
2315                 ia = a->mv_data;
2316                 ib = b->mv_data;
2317                 return *ia - *ib;
2318         }
2319 }
2320
2321 /* ints must always be the same size */
2322 static int
2323 cintcmp(const MDB_val *a, const MDB_val *b)
2324 {
2325 #if __BYTE_ORDER == __LITTLE_ENDIAN
2326         unsigned short *u, *c;
2327         int x;
2328
2329         u = (unsigned short *) ((char *) a->mv_data + a->mv_size);
2330         c = (unsigned short *) ((char *) b->mv_data + a->mv_size);
2331         do {
2332                 x = *--u - *--c;
2333         } while(!x && u > (unsigned short *)a->mv_data);
2334         return x;
2335 #else
2336         return memcmp(a->mv_data, b->mv_data, a->mv_size);
2337 #endif
2338 }
2339
2340 static int
2341 memncmp(const MDB_val *a, const MDB_val *b)
2342 {
2343         int diff;
2344         ssize_t len_diff;
2345         unsigned int len;
2346
2347         len = a->mv_size;
2348         len_diff = (ssize_t) a->mv_size - (ssize_t) b->mv_size;
2349         if (len_diff > 0) {
2350                 len = b->mv_size;
2351                 len_diff = 1;
2352         }
2353
2354         diff = memcmp(a->mv_data, b->mv_data, len);
2355         return diff ? diff : len_diff<0 ? -1 : len_diff;
2356 }
2357
2358 static int
2359 memnrcmp(const MDB_val *a, const MDB_val *b)
2360 {
2361         const unsigned char     *p1, *p2, *p1_lim;
2362         ssize_t len_diff;
2363         int diff;
2364
2365         p1_lim = (const unsigned char *)a->mv_data;
2366         p1 = (const unsigned char *)a->mv_data + a->mv_size;
2367         p2 = (const unsigned char *)b->mv_data + b->mv_size;
2368
2369         len_diff = (ssize_t) a->mv_size - (ssize_t) b->mv_size;
2370         if (len_diff > 0) {
2371                 p1_lim += len_diff;
2372                 len_diff = 1;
2373         }
2374
2375         while (p1 > p1_lim) {
2376                 diff = *--p1 - *--p2;
2377                 if (diff)
2378                         return diff;
2379         }
2380         return len_diff<0 ? -1 : len_diff;
2381 }
2382
2383 /* Search for key within a leaf page, using binary search.
2384  * Returns the smallest entry larger or equal to the key.
2385  * If exactp is non-null, stores whether the found entry was an exact match
2386  * in *exactp (1 or 0).
2387  * If kip is non-null, stores the index of the found entry in *kip.
2388  * If no entry larger or equal to the key is found, returns NULL.
2389  */
2390 static MDB_node *
2391 mdb_search_node(MDB_cursor *mc, MDB_val *key, int *exactp)
2392 {
2393         unsigned int     i = 0, nkeys;
2394         int              low, high;
2395         int              rc = 0;
2396         MDB_page *mp = mc->mc_pg[mc->mc_top];
2397         MDB_node        *node = NULL;
2398         MDB_val  nodekey;
2399         MDB_cmp_func *cmp;
2400         DKBUF;
2401
2402         nkeys = NUMKEYS(mp);
2403
2404         DPRINTF("searching %u keys in %s page %lu",
2405             nkeys, IS_LEAF(mp) ? "leaf" : "branch",
2406             mp->mp_pgno);
2407
2408         assert(nkeys > 0);
2409
2410         low = IS_LEAF(mp) ? 0 : 1;
2411         high = nkeys - 1;
2412         cmp = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_cmp;
2413         if (IS_LEAF2(mp)) {
2414                 nodekey.mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2415                 node = NODEPTR(mp, 0);  /* fake */
2416         }
2417         while (low <= high) {
2418                 i = (low + high) >> 1;
2419
2420                 if (IS_LEAF2(mp)) {
2421                         nodekey.mv_data = LEAF2KEY(mp, i, nodekey.mv_size);
2422                 } else {
2423                         node = NODEPTR(mp, i);
2424
2425                         nodekey.mv_size = node->mn_ksize;
2426                         nodekey.mv_data = NODEKEY(node);
2427                 }
2428
2429                 rc = cmp(key, &nodekey);
2430
2431 #if DEBUG
2432                 if (IS_LEAF(mp))
2433                         DPRINTF("found leaf index %u [%s], rc = %i",
2434                             i, DKEY(&nodekey), rc);
2435                 else
2436                         DPRINTF("found branch index %u [%s -> %lu], rc = %i",
2437                             i, DKEY(&nodekey), NODEPGNO(node), rc);
2438 #endif
2439
2440                 if (rc == 0)
2441                         break;
2442                 if (rc > 0)
2443                         low = i + 1;
2444                 else
2445                         high = i - 1;
2446         }
2447
2448         if (rc > 0) {   /* Found entry is less than the key. */
2449                 i++;    /* Skip to get the smallest entry larger than key. */
2450                 if (!IS_LEAF2(mp))
2451                         node = NODEPTR(mp, i);
2452         }
2453         if (exactp)
2454                 *exactp = (rc == 0);
2455         /* store the key index */
2456         mc->mc_ki[mc->mc_top] = i;
2457         if (i >= nkeys)
2458                 /* There is no entry larger or equal to the key. */
2459                 return NULL;
2460
2461         /* nodeptr is fake for LEAF2 */
2462         return node;
2463 }
2464
2465 static void
2466 cursor_pop_page(MDB_cursor *mc)
2467 {
2468         MDB_page        *top;
2469
2470         if (mc->mc_snum) {
2471                 top = mc->mc_pg[mc->mc_top];
2472                 mc->mc_snum--;
2473                 if (mc->mc_snum)
2474                         mc->mc_top--;
2475
2476                 DPRINTF("popped page %lu off db %u cursor %p", top->mp_pgno,
2477                         mc->mc_dbi, (void *) mc);
2478         }
2479 }
2480
2481 static int
2482 cursor_push_page(MDB_cursor *mc, MDB_page *mp)
2483 {
2484         DPRINTF("pushing page %lu on db %u cursor %p", mp->mp_pgno,
2485                 mc->mc_dbi, (void *) mc);
2486
2487         if (mc->mc_snum >= CURSOR_STACK)
2488                 return ENOMEM;
2489
2490         mc->mc_top = mc->mc_snum++;
2491         mc->mc_pg[mc->mc_top] = mp;
2492         mc->mc_ki[mc->mc_top] = 0;
2493
2494         return MDB_SUCCESS;
2495 }
2496
2497 static int
2498 mdb_get_page(MDB_txn *txn, pgno_t pgno, MDB_page **ret)
2499 {
2500         MDB_page *p = NULL;
2501
2502         if (!F_ISSET(txn->mt_flags, MDB_TXN_RDONLY) && txn->mt_u.dirty_list[0].mid) {
2503                 unsigned x;
2504                 x = mdb_mid2l_search(txn->mt_u.dirty_list, pgno);
2505                 if (x <= txn->mt_u.dirty_list[0].mid && txn->mt_u.dirty_list[x].mid == pgno) {
2506                         p = txn->mt_u.dirty_list[x].mptr;
2507                 }
2508         }
2509         if (!p) {
2510                 if (pgno <= txn->mt_env->me_metas[txn->mt_toggle]->mm_last_pg)
2511                         p = (MDB_page *)(txn->mt_env->me_map + txn->mt_env->me_psize * pgno);
2512         }
2513         *ret = p;
2514         if (!p) {
2515                 DPRINTF("page %lu not found", pgno);
2516                 assert(p != NULL);
2517         }
2518         return (p != NULL) ? MDB_SUCCESS : MDB_PAGE_NOTFOUND;
2519 }
2520
2521 static int
2522 mdb_search_page_root(MDB_cursor *mc, MDB_val *key, int modify)
2523 {
2524         MDB_page        *mp = mc->mc_pg[mc->mc_top];
2525         DKBUF;
2526         int rc;
2527
2528
2529         while (IS_BRANCH(mp)) {
2530                 MDB_node        *node;
2531
2532                 DPRINTF("branch page %lu has %u keys", mp->mp_pgno, NUMKEYS(mp));
2533                 assert(NUMKEYS(mp) > 1);
2534                 DPRINTF("found index 0 to page %lu", NODEPGNO(NODEPTR(mp, 0)));
2535
2536                 if (key == NULL)        /* Initialize cursor to first page. */
2537                         mc->mc_ki[mc->mc_top] = 0;
2538                 else if (key->mv_size > MAXKEYSIZE && key->mv_data == NULL) {
2539                                                         /* cursor to last page */
2540                         mc->mc_ki[mc->mc_top] = NUMKEYS(mp)-1;
2541                 } else {
2542                         int      exact;
2543                         node = mdb_search_node(mc, key, &exact);
2544                         if (node == NULL)
2545                                 mc->mc_ki[mc->mc_top] = NUMKEYS(mp) - 1;
2546                         else if (!exact) {
2547                                 assert(mc->mc_ki[mc->mc_top] > 0);
2548                                 mc->mc_ki[mc->mc_top]--;
2549                         }
2550                 }
2551
2552                 if (key)
2553                         DPRINTF("following index %u for key [%s]",
2554                             mc->mc_ki[mc->mc_top], DKEY(key));
2555                 assert(mc->mc_ki[mc->mc_top] < NUMKEYS(mp));
2556                 node = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2557
2558                 if ((rc = mdb_get_page(mc->mc_txn, NODEPGNO(node), &mp)))
2559                         return rc;
2560
2561                 if ((rc = cursor_push_page(mc, mp)))
2562                         return rc;
2563
2564                 if (modify) {
2565                         if ((rc = mdb_touch(mc)) != 0)
2566                                 return rc;
2567                         mp = mc->mc_pg[mc->mc_top];
2568                 }
2569         }
2570
2571         if (!IS_LEAF(mp)) {
2572                 DPRINTF("internal error, index points to a %02X page!?",
2573                     mp->mp_flags);
2574                 return MDB_CORRUPTED;
2575         }
2576
2577         DPRINTF("found leaf page %lu for key [%s]", mp->mp_pgno,
2578             key ? DKEY(key) : NULL);
2579
2580         return MDB_SUCCESS;
2581 }
2582
2583 /* Search for the page a given key should be in.
2584  * Pushes parent pages on the cursor stack.
2585  * If key is NULL, search for the lowest page (used by mdb_cursor_first).
2586  * If modify is true, visited pages are updated with new page numbers.
2587  */
2588 static int
2589 mdb_search_page(MDB_cursor *mc, MDB_val *key, int modify)
2590 {
2591         int              rc;
2592         pgno_t           root;
2593
2594         /* Make sure the txn is still viable, then find the root from
2595          * the txn's db table.
2596          */
2597         if (F_ISSET(mc->mc_txn->mt_flags, MDB_TXN_ERROR)) {
2598                 DPUTS("transaction has failed, must abort");
2599                 return EINVAL;
2600         } else
2601                 root = mc->mc_txn->mt_dbs[mc->mc_dbi].md_root;
2602
2603         if (root == P_INVALID) {                /* Tree is empty. */
2604                 DPUTS("tree is empty");
2605                 return MDB_NOTFOUND;
2606         }
2607
2608         if ((rc = mdb_get_page(mc->mc_txn, root, &mc->mc_pg[0])))
2609                 return rc;
2610
2611         mc->mc_snum = 1;
2612         mc->mc_top = 0;
2613
2614         DPRINTF("db %u root page %lu has flags 0x%X",
2615                 mc->mc_dbi, root, mc->mc_pg[0]->mp_flags);
2616
2617         if (modify) {
2618                 /* For sub-databases, update main root first */
2619                 if (mc->mc_dbi > MAIN_DBI && !mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty) {
2620                         MDB_cursor mc2;
2621                         mc2.mc_txn = mc->mc_txn;
2622                         mc2.mc_dbi = MAIN_DBI;
2623                         rc = mdb_search_page(&mc2, &mc->mc_txn->mt_dbxs[mc->mc_dbi].md_name, 1);
2624                         if (rc)
2625                                 return rc;
2626                         mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty = 1;
2627                 }
2628                 if (!F_ISSET(mc->mc_pg[0]->mp_flags, P_DIRTY)) {
2629                         if ((rc = mdb_touch(mc)))
2630                                 return rc;
2631                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = mc->mc_pg[0]->mp_pgno;
2632                 }
2633         }
2634
2635         return mdb_search_page_root(mc, key, modify);
2636 }
2637
2638 static int
2639 mdb_read_data(MDB_txn *txn, MDB_node *leaf, MDB_val *data)
2640 {
2641         MDB_page        *omp;           /* overflow mpage */
2642         pgno_t           pgno;
2643         int rc;
2644
2645         if (!F_ISSET(leaf->mn_flags, F_BIGDATA)) {
2646                 data->mv_size = NODEDSZ(leaf);
2647                 data->mv_data = NODEDATA(leaf);
2648                 return MDB_SUCCESS;
2649         }
2650
2651         /* Read overflow data.
2652          */
2653         data->mv_size = NODEDSZ(leaf);
2654         memcpy(&pgno, NODEDATA(leaf), sizeof(pgno));
2655         if ((rc = mdb_get_page(txn, pgno, &omp))) {
2656                 DPRINTF("read overflow page %lu failed", pgno);
2657                 return rc;
2658         }
2659         data->mv_data = METADATA(omp);
2660
2661         return MDB_SUCCESS;
2662 }
2663
2664 int
2665 mdb_get(MDB_txn *txn, MDB_dbi dbi,
2666     MDB_val *key, MDB_val *data)
2667 {
2668         MDB_cursor      mc;
2669         MDB_xcursor     mx;
2670         int exact = 0;
2671         DKBUF;
2672
2673         assert(key);
2674         assert(data);
2675         DPRINTF("===> get db %u key [%s]", dbi, DKEY(key));
2676
2677         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
2678                 return EINVAL;
2679
2680         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
2681                 return EINVAL;
2682         }
2683
2684         mc.mc_txn = txn;
2685         mc.mc_dbi = dbi;
2686         mc.mc_flags = 0;
2687         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
2688                 mc.mc_xcursor = &mx;
2689                 mdb_xcursor_init0(&mc);
2690         } else {
2691                 mc.mc_xcursor = NULL;
2692         }
2693         return mdb_cursor_set(&mc, key, data, MDB_SET, &exact);
2694 }
2695
2696 static int
2697 mdb_sibling(MDB_cursor *mc, int move_right)
2698 {
2699         int              rc;
2700         unsigned int    ptop;
2701         MDB_node        *indx;
2702         MDB_page        *mp;
2703
2704         if (mc->mc_snum < 2) {
2705                 return MDB_NOTFOUND;            /* root has no siblings */
2706         }
2707         ptop = mc->mc_top-1;
2708
2709         DPRINTF("parent page is page %lu, index %u",
2710                 mc->mc_pg[ptop]->mp_pgno, mc->mc_ki[ptop]);
2711
2712         cursor_pop_page(mc);
2713         if (move_right ? (mc->mc_ki[ptop] + 1u >= NUMKEYS(mc->mc_pg[ptop]))
2714                        : (mc->mc_ki[ptop] == 0)) {
2715                 DPRINTF("no more keys left, moving to %s sibling",
2716                     move_right ? "right" : "left");
2717                 if ((rc = mdb_sibling(mc, move_right)) != MDB_SUCCESS)
2718                         return rc;
2719         } else {
2720                 if (move_right)
2721                         mc->mc_ki[ptop]++;
2722                 else
2723                         mc->mc_ki[ptop]--;
2724                 DPRINTF("just moving to %s index key %u",
2725                     move_right ? "right" : "left", mc->mc_ki[ptop]);
2726         }
2727         assert(IS_BRANCH(mc->mc_pg[ptop]));
2728
2729         indx = NODEPTR(mc->mc_pg[ptop], mc->mc_ki[ptop]);
2730         if ((rc = mdb_get_page(mc->mc_txn, NODEPGNO(indx), &mp)))
2731                 return rc;;
2732
2733         cursor_push_page(mc, mp);
2734
2735         return MDB_SUCCESS;
2736 }
2737
2738 static int
2739 mdb_cursor_next(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op)
2740 {
2741         MDB_page        *mp;
2742         MDB_node        *leaf;
2743         int rc;
2744
2745         if (mc->mc_flags & C_EOF) {
2746                 return MDB_NOTFOUND;
2747         }
2748
2749         assert(mc->mc_flags & C_INITIALIZED);
2750
2751         mp = mc->mc_pg[mc->mc_top];
2752
2753         if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT) {
2754                 leaf = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2755                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2756                         if (op == MDB_NEXT || op == MDB_NEXT_DUP) {
2757                                 rc = mdb_cursor_next(&mc->mc_xcursor->mx_cursor, data, NULL, MDB_NEXT);
2758                                 if (op != MDB_NEXT || rc == MDB_SUCCESS)
2759                                         return rc;
2760                         }
2761                 } else {
2762                         mc->mc_xcursor->mx_cursor.mc_flags = 0;
2763                         if (op == MDB_NEXT_DUP)
2764                                 return MDB_NOTFOUND;
2765                 }
2766         }
2767
2768         DPRINTF("cursor_next: top page is %lu in cursor %p", mp->mp_pgno, (void *) mc);
2769
2770         if (mc->mc_ki[mc->mc_top] + 1u >= NUMKEYS(mp)) {
2771                 DPUTS("=====> move to next sibling page");
2772                 if (mdb_sibling(mc, 1) != MDB_SUCCESS) {
2773                         mc->mc_flags |= C_EOF;
2774                         return MDB_NOTFOUND;
2775                 }
2776                 mp = mc->mc_pg[mc->mc_top];
2777                 DPRINTF("next page is %lu, key index %u", mp->mp_pgno, mc->mc_ki[mc->mc_top]);
2778         } else
2779                 mc->mc_ki[mc->mc_top]++;
2780
2781         DPRINTF("==> cursor points to page %lu with %u keys, key index %u",
2782             mp->mp_pgno, NUMKEYS(mp), mc->mc_ki[mc->mc_top]);
2783
2784         if (IS_LEAF2(mp)) {
2785                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2786                 key->mv_data = LEAF2KEY(mp, mc->mc_ki[mc->mc_top], key->mv_size);
2787                 return MDB_SUCCESS;
2788         }
2789
2790         assert(IS_LEAF(mp));
2791         leaf = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2792
2793         if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2794                 mdb_xcursor_init1(mc, leaf);
2795         }
2796         if (data) {
2797                 if ((rc = mdb_read_data(mc->mc_txn, leaf, data) != MDB_SUCCESS))
2798                         return rc;
2799
2800                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2801                         rc = mdb_cursor_first(&mc->mc_xcursor->mx_cursor, data, NULL);
2802                         if (rc != MDB_SUCCESS)
2803                                 return rc;
2804                 }
2805         }
2806
2807         MDB_SET_KEY(leaf, key);
2808         return MDB_SUCCESS;
2809 }
2810
2811 static int
2812 mdb_cursor_prev(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op)
2813 {
2814         MDB_page        *mp;
2815         MDB_node        *leaf;
2816         int rc;
2817
2818         assert(mc->mc_flags & C_INITIALIZED);
2819
2820         mp = mc->mc_pg[mc->mc_top];
2821
2822         if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT) {
2823                 leaf = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2824                 if (op == MDB_PREV || op == MDB_PREV_DUP) {
2825                         if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2826                                 rc = mdb_cursor_prev(&mc->mc_xcursor->mx_cursor, data, NULL, MDB_PREV);
2827                                 if (op != MDB_PREV || rc == MDB_SUCCESS)
2828                                         return rc;
2829                         } else {
2830                                 mc->mc_xcursor->mx_cursor.mc_flags = 0;
2831                                 if (op == MDB_PREV_DUP)
2832                                         return MDB_NOTFOUND;
2833                         }
2834                 }
2835         }
2836
2837         DPRINTF("cursor_prev: top page is %lu in cursor %p", mp->mp_pgno, (void *) mc);
2838
2839         if (mc->mc_ki[mc->mc_top] == 0)  {
2840                 DPUTS("=====> move to prev sibling page");
2841                 if (mdb_sibling(mc, 0) != MDB_SUCCESS) {
2842                         mc->mc_flags &= ~C_INITIALIZED;
2843                         return MDB_NOTFOUND;
2844                 }
2845                 mp = mc->mc_pg[mc->mc_top];
2846                 mc->mc_ki[mc->mc_top] = NUMKEYS(mp) - 1;
2847                 DPRINTF("prev page is %lu, key index %u", mp->mp_pgno, mc->mc_ki[mc->mc_top]);
2848         } else
2849                 mc->mc_ki[mc->mc_top]--;
2850
2851         mc->mc_flags &= ~C_EOF;
2852
2853         DPRINTF("==> cursor points to page %lu with %u keys, key index %u",
2854             mp->mp_pgno, NUMKEYS(mp), mc->mc_ki[mc->mc_top]);
2855
2856         if (IS_LEAF2(mp)) {
2857                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2858                 key->mv_data = LEAF2KEY(mp, mc->mc_ki[mc->mc_top], key->mv_size);
2859                 return MDB_SUCCESS;
2860         }
2861
2862         assert(IS_LEAF(mp));
2863         leaf = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2864
2865         if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2866                 mdb_xcursor_init1(mc, leaf);
2867         }
2868         if (data) {
2869                 if ((rc = mdb_read_data(mc->mc_txn, leaf, data) != MDB_SUCCESS))
2870                         return rc;
2871
2872                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2873                         rc = mdb_cursor_last(&mc->mc_xcursor->mx_cursor, data, NULL);
2874                         if (rc != MDB_SUCCESS)
2875                                 return rc;
2876                 }
2877         }
2878
2879         MDB_SET_KEY(leaf, key);
2880         return MDB_SUCCESS;
2881 }
2882
2883 static int
2884 mdb_cursor_set(MDB_cursor *mc, MDB_val *key, MDB_val *data,
2885     MDB_cursor_op op, int *exactp)
2886 {
2887         int              rc;
2888         MDB_node        *leaf;
2889         DKBUF;
2890
2891         assert(mc);
2892         assert(key);
2893         assert(key->mv_size > 0);
2894
2895         /* See if we're already on the right page */
2896         if (mc->mc_flags & C_INITIALIZED) {
2897                 MDB_val nodekey;
2898
2899                 if (mc->mc_pg[mc->mc_top]->mp_flags & P_LEAF2) {
2900                         nodekey.mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2901                         nodekey.mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top], 0, nodekey.mv_size);
2902                 } else {
2903                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], 0);
2904                         MDB_SET_KEY(leaf, &nodekey);
2905                 }
2906                 rc = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_cmp(key, &nodekey);
2907                 if (rc == 0) {
2908                         /* Probably happens rarely, but first node on the page
2909                          * was the one we wanted.
2910                          */
2911                         mc->mc_ki[mc->mc_top] = 0;
2912 set1:
2913                         if (exactp)
2914                                 *exactp = 1;
2915                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
2916                         goto set3;
2917                 }
2918                 if (rc > 0) {
2919                         unsigned int i;
2920                         if (NUMKEYS(mc->mc_pg[mc->mc_top]) > 1) {
2921                                 if (mc->mc_pg[mc->mc_top]->mp_flags & P_LEAF2) {
2922                                         nodekey.mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top],
2923                                                  NUMKEYS(mc->mc_pg[mc->mc_top])-1, nodekey.mv_size);
2924                                 } else {
2925                                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], NUMKEYS(mc->mc_pg[mc->mc_top])-1);
2926                                         MDB_SET_KEY(leaf, &nodekey);
2927                                 }
2928                                 rc = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_cmp(key, &nodekey);
2929                                 if (rc == 0) {
2930                                         /* last node was the one we wanted */
2931                                         mc->mc_ki[mc->mc_top] = NUMKEYS(mc->mc_pg[mc->mc_top])-1;
2932                                         goto set1;
2933                                 }
2934                                 if (rc < 0) {
2935                                         /* This is definitely the right page, skip search_page */
2936                                         rc = 0;
2937                                         goto set2;
2938                                 }
2939                         }
2940                         /* If any parents have right-sibs, search.
2941                          * Otherwise, there's nothing further.
2942                          */
2943                         for (i=0; i<mc->mc_top; i++)
2944                                 if (mc->mc_ki[i] <
2945                                         NUMKEYS(mc->mc_pg[i])-1)
2946                                         break;
2947                         if (i == mc->mc_top) {
2948                                 /* There are no other pages */
2949                                 mc->mc_ki[mc->mc_top] = NUMKEYS(mc->mc_pg[mc->mc_top]);
2950                                 return MDB_NOTFOUND;
2951                         }
2952                 }
2953         }
2954
2955         rc = mdb_search_page(mc, key, 0);
2956         if (rc != MDB_SUCCESS)
2957                 return rc;
2958
2959         assert(IS_LEAF(mc->mc_pg[mc->mc_top]));
2960
2961 set2:
2962         leaf = mdb_search_node(mc, key, exactp);
2963         if (exactp != NULL && !*exactp) {
2964                 /* MDB_SET specified and not an exact match. */
2965                 return MDB_NOTFOUND;
2966         }
2967
2968         if (leaf == NULL) {
2969                 DPUTS("===> inexact leaf not found, goto sibling");
2970                 if ((rc = mdb_sibling(mc, 1)) != MDB_SUCCESS)
2971                         return rc;              /* no entries matched */
2972                 mc->mc_ki[mc->mc_top] = 0;
2973                 assert(IS_LEAF(mc->mc_pg[mc->mc_top]));
2974                 leaf = NODEPTR(mc->mc_pg[mc->mc_top], 0);
2975         }
2976
2977 set3:
2978         mc->mc_flags |= C_INITIALIZED;
2979         mc->mc_flags &= ~C_EOF;
2980
2981         if (IS_LEAF2(mc->mc_pg[mc->mc_top])) {
2982                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2983                 key->mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], key->mv_size);
2984                 return MDB_SUCCESS;
2985         }
2986
2987         if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2988                 mdb_xcursor_init1(mc, leaf);
2989         }
2990         if (data) {
2991                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2992                         if (op == MDB_SET || op == MDB_SET_RANGE) {
2993                                 rc = mdb_cursor_first(&mc->mc_xcursor->mx_cursor, data, NULL);
2994                         } else {
2995                                 int ex2, *ex2p;
2996                                 if (op == MDB_GET_BOTH) {
2997                                         ex2p = &ex2;
2998                                         ex2 = 0;
2999                                 } else {
3000                                         ex2p = NULL;
3001                                 }
3002                                 rc = mdb_cursor_set(&mc->mc_xcursor->mx_cursor, data, NULL, MDB_SET_RANGE, ex2p);
3003                                 if (rc != MDB_SUCCESS)
3004                                         return rc;
3005                         }
3006                 } else if (op == MDB_GET_BOTH || op == MDB_GET_BOTH_RANGE) {
3007                         MDB_val d2;
3008                         if ((rc = mdb_read_data(mc->mc_txn, leaf, &d2)) != MDB_SUCCESS)
3009                                 return rc;
3010                         rc = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dcmp(data, &d2);
3011                         if (rc) {
3012                                 if (op == MDB_GET_BOTH || rc > 0)
3013                                         return MDB_NOTFOUND;
3014                         }
3015
3016                 } else {
3017                         if ((rc = mdb_read_data(mc->mc_txn, leaf, data)) != MDB_SUCCESS)
3018                                 return rc;
3019                 }
3020         }
3021
3022         /* The key already matches in all other cases */
3023         if (op == MDB_SET_RANGE)
3024                 MDB_SET_KEY(leaf, key);
3025         DPRINTF("==> cursor placed on key [%s]", DKEY(key));
3026
3027         return rc;
3028 }
3029
3030 static int
3031 mdb_cursor_first(MDB_cursor *mc, MDB_val *key, MDB_val *data)
3032 {
3033         int              rc;
3034         MDB_node        *leaf;
3035
3036         rc = mdb_search_page(mc, NULL, 0);
3037         if (rc != MDB_SUCCESS)
3038                 return rc;
3039         assert(IS_LEAF(mc->mc_pg[mc->mc_top]));
3040
3041         leaf = NODEPTR(mc->mc_pg[mc->mc_top], 0);
3042         mc->mc_flags |= C_INITIALIZED;
3043         mc->mc_flags &= ~C_EOF;
3044
3045         if (IS_LEAF2(mc->mc_pg[mc->mc_top])) {
3046                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
3047                 key->mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top], 0, key->mv_size);
3048                 return MDB_SUCCESS;
3049         }
3050
3051         if (data) {
3052                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3053                         mdb_xcursor_init1(mc, leaf);
3054                         rc = mdb_cursor_first(&mc->mc_xcursor->mx_cursor, data, NULL);
3055                         if (rc)
3056                                 return rc;
3057                 } else {
3058                         if (mc->mc_xcursor)
3059                                 mc->mc_xcursor->mx_cursor.mc_flags = 0;
3060                         if ((rc = mdb_read_data(mc->mc_txn, leaf, data)) != MDB_SUCCESS)
3061                                 return rc;
3062                 }
3063         }
3064         MDB_SET_KEY(leaf, key);
3065         return MDB_SUCCESS;
3066 }
3067
3068 static int
3069 mdb_cursor_last(MDB_cursor *mc, MDB_val *key, MDB_val *data)
3070 {
3071         int              rc;
3072         MDB_node        *leaf;
3073         MDB_val lkey;
3074
3075         lkey.mv_size = MAXKEYSIZE+1;
3076         lkey.mv_data = NULL;
3077
3078         rc = mdb_search_page(mc, &lkey, 0);
3079         if (rc != MDB_SUCCESS)
3080                 return rc;
3081         assert(IS_LEAF(mc->mc_pg[mc->mc_top]));
3082
3083         leaf = NODEPTR(mc->mc_pg[mc->mc_top], NUMKEYS(mc->mc_pg[mc->mc_top])-1);
3084         mc->mc_flags |= C_INITIALIZED;
3085         mc->mc_flags &= ~C_EOF;
3086
3087         mc->mc_ki[mc->mc_top] = NUMKEYS(mc->mc_pg[mc->mc_top]) - 1;
3088
3089         if (IS_LEAF2(mc->mc_pg[mc->mc_top])) {
3090                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
3091                 key->mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], key->mv_size);
3092                 return MDB_SUCCESS;
3093         }
3094
3095         if (data) {
3096                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3097                         mdb_xcursor_init1(mc, leaf);
3098                         rc = mdb_cursor_last(&mc->mc_xcursor->mx_cursor, data, NULL);
3099                         if (rc)
3100                                 return rc;
3101                 } else {
3102                         if ((rc = mdb_read_data(mc->mc_txn, leaf, data)) != MDB_SUCCESS)
3103                                 return rc;
3104                 }
3105         }
3106
3107         MDB_SET_KEY(leaf, key);
3108         return MDB_SUCCESS;
3109 }
3110
3111 int
3112 mdb_cursor_get(MDB_cursor *mc, MDB_val *key, MDB_val *data,
3113     MDB_cursor_op op)
3114 {
3115         int              rc;
3116         int              exact = 0;
3117
3118         assert(mc);
3119
3120         switch (op) {
3121         case MDB_GET_BOTH:
3122         case MDB_GET_BOTH_RANGE:
3123                 if (data == NULL || mc->mc_xcursor == NULL) {
3124                         rc = EINVAL;
3125                         break;
3126                 }
3127                 /* FALLTHRU */
3128         case MDB_SET:
3129         case MDB_SET_RANGE:
3130                 if (key == NULL || key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
3131                         rc = EINVAL;
3132                 } else if (op == MDB_SET_RANGE)
3133                         rc = mdb_cursor_set(mc, key, data, op, NULL);
3134                 else
3135                         rc = mdb_cursor_set(mc, key, data, op, &exact);
3136                 break;
3137         case MDB_GET_MULTIPLE:
3138                 if (data == NULL ||
3139                         !(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPFIXED) ||
3140                         !(mc->mc_flags & C_INITIALIZED)) {
3141                         rc = EINVAL;
3142                         break;
3143                 }
3144                 rc = MDB_SUCCESS;
3145                 if (!(mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED) ||
3146                         (mc->mc_xcursor->mx_cursor.mc_flags & C_EOF))
3147                         break;
3148                 goto fetchm;
3149         case MDB_NEXT_MULTIPLE:
3150                 if (data == NULL ||
3151                         !(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPFIXED)) {
3152                         rc = EINVAL;
3153                         break;
3154                 }
3155                 if (!(mc->mc_flags & C_INITIALIZED))
3156                         rc = mdb_cursor_first(mc, key, data);
3157                 else
3158                         rc = mdb_cursor_next(mc, key, data, MDB_NEXT_DUP);
3159                 if (rc == MDB_SUCCESS) {
3160                         if (mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED) {
3161                                 MDB_cursor *mx;
3162 fetchm:
3163                                 mx = &mc->mc_xcursor->mx_cursor;
3164                                 data->mv_size = NUMKEYS(mx->mc_pg[mx->mc_top]) *
3165                                         mx->mc_txn->mt_dbs[mx->mc_dbi].md_pad;
3166                                 data->mv_data = METADATA(mx->mc_pg[mx->mc_top]);
3167                                 mx->mc_ki[mx->mc_top] = NUMKEYS(mx->mc_pg[mx->mc_top])-1;
3168                         } else {
3169                                 rc = MDB_NOTFOUND;
3170                         }
3171                 }
3172                 break;
3173         case MDB_NEXT:
3174         case MDB_NEXT_DUP:
3175         case MDB_NEXT_NODUP:
3176                 if (!(mc->mc_flags & C_INITIALIZED))
3177                         rc = mdb_cursor_first(mc, key, data);
3178                 else
3179                         rc = mdb_cursor_next(mc, key, data, op);
3180                 break;
3181         case MDB_PREV:
3182         case MDB_PREV_DUP:
3183         case MDB_PREV_NODUP:
3184                 if (!(mc->mc_flags & C_INITIALIZED) || (mc->mc_flags & C_EOF))
3185                         rc = mdb_cursor_last(mc, key, data);
3186                 else
3187                         rc = mdb_cursor_prev(mc, key, data, op);
3188                 break;
3189         case MDB_FIRST:
3190                 rc = mdb_cursor_first(mc, key, data);
3191                 break;
3192         case MDB_FIRST_DUP:
3193                 if (data == NULL ||
3194                         !(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT) ||
3195                         !(mc->mc_flags & C_INITIALIZED) ||
3196                         !(mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED)) {
3197                         rc = EINVAL;
3198                         break;
3199                 }
3200                 rc = mdb_cursor_first(&mc->mc_xcursor->mx_cursor, data, NULL);
3201                 break;
3202         case MDB_LAST:
3203                 rc = mdb_cursor_last(mc, key, data);
3204                 break;
3205         case MDB_LAST_DUP:
3206                 if (data == NULL ||
3207                         !(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT) ||
3208                         !(mc->mc_flags & C_INITIALIZED) ||
3209                         !(mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED)) {
3210                         rc = EINVAL;
3211                         break;
3212                 }
3213                 rc = mdb_cursor_last(&mc->mc_xcursor->mx_cursor, data, NULL);
3214                 break;
3215         default:
3216                 DPRINTF("unhandled/unimplemented cursor operation %u", op);
3217                 rc = EINVAL;
3218                 break;
3219         }
3220
3221         return rc;
3222 }
3223
3224 static int
3225 mdb_cursor_touch(MDB_cursor *mc)
3226 {
3227         int rc;
3228
3229         if (mc->mc_dbi > MAIN_DBI && !mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty) {
3230                 MDB_cursor mc2;
3231                 mc2.mc_txn = mc->mc_txn;
3232                 mc2.mc_dbi = MAIN_DBI;
3233                 rc = mdb_search_page(&mc2, &mc->mc_txn->mt_dbxs[mc->mc_dbi].md_name, 1);
3234                 if (rc) return rc;
3235                 mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty = 1;
3236         }
3237         for (mc->mc_top = 0; mc->mc_top < mc->mc_snum; mc->mc_top++) {
3238                 if (!F_ISSET(mc->mc_pg[mc->mc_top]->mp_flags, P_DIRTY)) {
3239                         rc = mdb_touch(mc);
3240                         if (rc) return rc;
3241                         if (!mc->mc_top) {
3242                                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_root =
3243                                         mc->mc_pg[mc->mc_top]->mp_pgno;
3244                         }
3245                 }
3246         }
3247         mc->mc_top = mc->mc_snum-1;
3248         return MDB_SUCCESS;
3249 }
3250
3251 int
3252 mdb_cursor_put(MDB_cursor *mc, MDB_val *key, MDB_val *data,
3253     unsigned int flags)
3254 {
3255         MDB_node        *leaf;
3256         MDB_val xdata, *rdata, dkey;
3257         MDB_db dummy;
3258         char dbuf[PAGESIZE];
3259         int do_sub = 0;
3260         size_t nsize;
3261         DKBUF;
3262         int rc, rc2;
3263
3264         if (F_ISSET(mc->mc_txn->mt_flags, MDB_TXN_RDONLY))
3265                 return EACCES;
3266
3267         DPRINTF("==> put db %u key [%s], size %zu, data size %zu",
3268                 mc->mc_dbi, DKEY(key), key->mv_size, data->mv_size);
3269
3270         dkey.mv_size = 0;
3271
3272         if (flags == MDB_CURRENT) {
3273                 if (!(mc->mc_flags & C_INITIALIZED))
3274                         return EINVAL;
3275                 rc = MDB_SUCCESS;
3276         } else if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_root == P_INVALID) {
3277                 MDB_page *np;
3278                 /* new database, write a root leaf page */
3279                 DPUTS("allocating new root leaf page");
3280                 if ((np = mdb_new_page(mc, P_LEAF, 1)) == NULL) {
3281                         return ENOMEM;
3282                 }
3283                 mc->mc_snum = 0;
3284                 cursor_push_page(mc, np);
3285                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = np->mp_pgno;
3286                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth++;
3287                 mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty = 1;
3288                 if ((mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & (MDB_DUPSORT|MDB_DUPFIXED))
3289                         == MDB_DUPFIXED)
3290                         np->mp_flags |= P_LEAF2;
3291                 mc->mc_flags |= C_INITIALIZED;
3292                 rc = MDB_NOTFOUND;
3293                 goto top;
3294         } else {
3295                 int exact = 0;
3296                 MDB_val d2;
3297                 rc = mdb_cursor_set(mc, key, &d2, MDB_SET, &exact);
3298                 if (flags == MDB_NOOVERWRITE && rc == 0) {
3299                         DPRINTF("duplicate key [%s]", DKEY(key));
3300                         *data = d2;
3301                         return MDB_KEYEXIST;
3302                 }
3303                 if (rc && rc != MDB_NOTFOUND)
3304                         return rc;
3305         }
3306
3307         /* Cursor is positioned, now make sure all pages are writable */
3308         rc2 = mdb_cursor_touch(mc);
3309         if (rc2) return rc2;
3310
3311 top:
3312         /* The key already exists */
3313         if (rc == MDB_SUCCESS) {
3314                 /* there's only a key anyway, so this is a no-op */
3315                 if (IS_LEAF2(mc->mc_pg[mc->mc_top])) {
3316                         unsigned int ksize = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
3317                         if (key->mv_size != ksize)
3318                                 return EINVAL;
3319                         if (flags == MDB_CURRENT) {
3320                                 char *ptr = LEAF2KEY(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], ksize);
3321                                 memcpy(ptr, key->mv_data, ksize);
3322                         }
3323                         return MDB_SUCCESS;
3324                 }
3325
3326                 leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3327
3328                 /* DB has dups? */
3329                 if (F_ISSET(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags, MDB_DUPSORT)) {
3330                         /* Was a single item before, must convert now */
3331                         if (!F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3332                                 dkey.mv_size = NODEDSZ(leaf);
3333                                 dkey.mv_data = dbuf;
3334                                 memcpy(dbuf, NODEDATA(leaf), dkey.mv_size);
3335                                 /* data matches, ignore it */
3336                                 if (!mdb_dcmp(mc->mc_txn, mc->mc_dbi, data, &dkey))
3337                                         return (flags == MDB_NODUPDATA) ? MDB_KEYEXIST : MDB_SUCCESS;
3338                                 memset(&dummy, 0, sizeof(dummy));
3339                                 if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPFIXED) {
3340                                         dummy.md_pad = data->mv_size;
3341                                         dummy.md_flags = MDB_DUPFIXED;
3342                                         if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_INTEGERDUP)
3343                                                 dummy.md_flags |= MDB_INTEGERKEY;
3344                                 }
3345                                 dummy.md_root = P_INVALID;
3346                                 if (dkey.mv_size == sizeof(MDB_db)) {
3347                                         memcpy(NODEDATA(leaf), &dummy, sizeof(dummy));
3348                                         goto put_sub;
3349                                 }
3350                                 mdb_del_node(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], 0);
3351                                 do_sub = 1;
3352                                 rdata = &xdata;
3353                                 xdata.mv_size = sizeof(MDB_db);
3354                                 xdata.mv_data = &dummy;
3355                                 /* new sub-DB, must fully init xcursor */
3356                                 if (flags == MDB_CURRENT)
3357                                         flags = 0;
3358                                 goto new_sub;
3359                         }
3360                         goto put_sub;
3361                 }
3362                 /* same size, just replace it */
3363                 if (!F_ISSET(leaf->mn_flags, F_BIGDATA) &&
3364                         NODEDSZ(leaf) == data->mv_size) {
3365                         memcpy(NODEDATA(leaf), data->mv_data, data->mv_size);
3366                         goto done;
3367                 }
3368                 mdb_del_node(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], 0);
3369         } else {
3370                 DPRINTF("inserting key at index %i", mc->mc_ki[mc->mc_top]);
3371         }
3372
3373         rdata = data;
3374
3375 new_sub:
3376         nsize = IS_LEAF2(mc->mc_pg[mc->mc_top]) ? key->mv_size : mdb_leaf_size(mc->mc_txn->mt_env, key, rdata);
3377         if (SIZELEFT(mc->mc_pg[mc->mc_top]) < nsize) {
3378                 rc = mdb_split(mc, key, rdata, P_INVALID);
3379         } else {
3380                 /* There is room already in this leaf page. */
3381                 rc = mdb_add_node(mc, mc->mc_ki[mc->mc_top], key, rdata, 0, 0);
3382         }
3383
3384         if (rc != MDB_SUCCESS)
3385                 mc->mc_txn->mt_flags |= MDB_TXN_ERROR;
3386         else {
3387                 /* Remember if we just added a subdatabase */
3388                 if (flags & F_SUBDATA) {
3389                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3390                         leaf->mn_flags |= F_SUBDATA;
3391                 }
3392
3393                 /* Now store the actual data in the child DB. Note that we're
3394                  * storing the user data in the keys field, so there are strict
3395                  * size limits on dupdata. The actual data fields of the child
3396                  * DB are all zero size.
3397                  */
3398                 if (do_sub) {
3399                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3400 put_sub:
3401                         if (flags == MDB_CURRENT)
3402                                 mdb_xcursor_init2(mc);
3403                         else
3404                                 mdb_xcursor_init1(mc, leaf);
3405                         xdata.mv_size = 0;
3406                         xdata.mv_data = "";
3407                         if (flags == MDB_NODUPDATA)
3408                                 flags = MDB_NOOVERWRITE;
3409                         /* converted, write the original data first */
3410                         if (dkey.mv_size) {
3411                                 rc = mdb_cursor_put(&mc->mc_xcursor->mx_cursor, &dkey, &xdata, flags);
3412                                 if (rc) return rc;
3413                                 leaf->mn_flags |= F_DUPDATA;
3414                         }
3415                         rc = mdb_cursor_put(&mc->mc_xcursor->mx_cursor, data, &xdata, flags);
3416                         mdb_xcursor_fini(mc);
3417                         memcpy(NODEDATA(leaf),
3418                                 &mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi],
3419                                 sizeof(MDB_db));
3420                 }
3421                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_entries++;
3422         }
3423 done:
3424         return rc;
3425 }
3426
3427 int
3428 mdb_cursor_del(MDB_cursor *mc, unsigned int flags)
3429 {
3430         MDB_node        *leaf;
3431         int rc;
3432
3433         if (F_ISSET(mc->mc_txn->mt_flags, MDB_TXN_RDONLY))
3434                 return EACCES;
3435
3436         if (!mc->mc_flags & C_INITIALIZED)
3437                 return EINVAL;
3438
3439         rc = mdb_cursor_touch(mc);
3440         if (rc) return rc;
3441
3442         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3443
3444         if (!IS_LEAF2(mc->mc_pg[mc->mc_top]) && F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3445                 if (flags != MDB_NODUPDATA) {
3446                         mdb_xcursor_init2(mc);
3447                         rc = mdb_cursor_del(&mc->mc_xcursor->mx_cursor, 0);
3448                         mdb_xcursor_fini(mc);
3449                         /* If sub-DB still has entries, we're done */
3450                         if (mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi].md_root
3451                                 != P_INVALID) {
3452                                 memcpy(NODEDATA(leaf),
3453                                         &mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi],
3454                                         sizeof(MDB_db));
3455                                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_entries--;
3456                                 return rc;
3457                         }
3458                         /* otherwise fall thru and delete the sub-DB */
3459                 }
3460
3461                 /* add all the child DB's pages to the free list */
3462                 rc = mdb_search_page(&mc->mc_xcursor->mx_cursor, NULL, 0);
3463                 if (rc == MDB_SUCCESS) {
3464                         MDB_node *ni;
3465                         MDB_cursor *mx;
3466                         unsigned int i;
3467
3468                         mx = &mc->mc_xcursor->mx_cursor;
3469                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_entries -=
3470                                 mx->mc_txn->mt_dbs[mx->mc_dbi].md_entries;
3471
3472                         cursor_pop_page(mx);
3473                         if (mx->mc_snum) {
3474                                 while (mx->mc_snum > 1) {
3475                                         for (i=0; i<NUMKEYS(mx->mc_pg[mx->mc_top]); i++) {
3476                                                 pgno_t pg;
3477                                                 ni = NODEPTR(mx->mc_pg[mx->mc_top], i);
3478                                                 pg = NODEPGNO(ni);
3479                                                 /* free it */
3480                                                 mdb_midl_append(mc->mc_txn->mt_free_pgs, pg);
3481                                         }
3482                                         rc = mdb_sibling(mx, 1);
3483                                         if (rc) break;
3484                                 }
3485                         }
3486                         /* free it */
3487                         mdb_midl_append(mc->mc_txn->mt_free_pgs,
3488                                 mx->mc_txn->mt_dbs[mx->mc_dbi].md_root);
3489                 }
3490         }
3491
3492         return mdb_del0(mc, leaf);
3493 }
3494
3495 /* Allocate a page and initialize it
3496  */
3497 static MDB_page *
3498 mdb_new_page(MDB_cursor *mc, uint32_t flags, int num)
3499 {
3500         MDB_page        *np;
3501
3502         if ((np = mdb_alloc_page(mc, num)) == NULL)
3503                 return NULL;
3504         DPRINTF("allocated new mpage %lu, page size %u",
3505             np->mp_pgno, mc->mc_txn->mt_env->me_psize);
3506         np->mp_flags = flags | P_DIRTY;
3507         np->mp_lower = PAGEHDRSZ;
3508         np->mp_upper = mc->mc_txn->mt_env->me_psize;
3509
3510         if (IS_BRANCH(np))
3511                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_branch_pages++;
3512         else if (IS_LEAF(np))
3513                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_leaf_pages++;
3514         else if (IS_OVERFLOW(np)) {
3515                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_overflow_pages += num;
3516                 np->mp_pages = num;
3517         }
3518
3519         return np;
3520 }
3521
3522 static size_t
3523 mdb_leaf_size(MDB_env *env, MDB_val *key, MDB_val *data)
3524 {
3525         size_t           sz;
3526
3527         sz = LEAFSIZE(key, data);
3528         if (data->mv_size >= env->me_psize / MDB_MINKEYS) {
3529                 /* put on overflow page */
3530                 sz -= data->mv_size - sizeof(pgno_t);
3531         }
3532         sz += sz & 1;
3533
3534         return sz + sizeof(indx_t);
3535 }
3536
3537 static size_t
3538 mdb_branch_size(MDB_env *env, MDB_val *key)
3539 {
3540         size_t           sz;
3541
3542         sz = INDXSIZE(key);
3543         if (sz >= env->me_psize / MDB_MINKEYS) {
3544                 /* put on overflow page */
3545                 /* not implemented */
3546                 /* sz -= key->size - sizeof(pgno_t); */
3547         }
3548
3549         return sz + sizeof(indx_t);
3550 }
3551
3552 static int
3553 mdb_add_node(MDB_cursor *mc, indx_t indx,
3554     MDB_val *key, MDB_val *data, pgno_t pgno, uint8_t flags)
3555 {
3556         unsigned int     i;
3557         size_t           node_size = NODESIZE;
3558         indx_t           ofs;
3559         MDB_node        *node;
3560         MDB_page        *mp = mc->mc_pg[mc->mc_top];
3561         MDB_page        *ofp = NULL;            /* overflow page */
3562         DKBUF;
3563
3564         assert(mp->mp_upper >= mp->mp_lower);
3565
3566         DPRINTF("add to %s page %lu index %i, data size %zu key size %zu [%s]",
3567             IS_LEAF(mp) ? "leaf" : "branch",
3568             mp->mp_pgno, indx, data ? data->mv_size : 0,
3569                 key ? key->mv_size : 0, key ? DKEY(key) : NULL);
3570
3571         if (IS_LEAF2(mp)) {
3572                 /* Move higher keys up one slot. */
3573                 int ksize = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad, dif;
3574                 char *ptr = LEAF2KEY(mp, indx, ksize);
3575                 dif = NUMKEYS(mp) - indx;
3576                 if (dif > 0)
3577                         memmove(ptr+ksize, ptr, dif*ksize);
3578                 /* insert new key */
3579                 memcpy(ptr, key->mv_data, ksize);
3580
3581                 /* Just using these for counting */
3582                 mp->mp_lower += sizeof(indx_t);
3583                 mp->mp_upper -= ksize - sizeof(indx_t);
3584                 return MDB_SUCCESS;
3585         }
3586
3587         if (key != NULL)
3588                 node_size += key->mv_size;
3589
3590         if (IS_LEAF(mp)) {
3591                 assert(data);
3592                 if (F_ISSET(flags, F_BIGDATA)) {
3593                         /* Data already on overflow page. */
3594                         node_size += sizeof(pgno_t);
3595                 } else if (data->mv_size >= mc->mc_txn->mt_env->me_psize / MDB_MINKEYS) {
3596                         int ovpages = OVPAGES(data->mv_size, mc->mc_txn->mt_env->me_psize);
3597                         /* Put data on overflow page. */
3598                         DPRINTF("data size is %zu, put on overflow page",
3599                             data->mv_size);
3600                         node_size += sizeof(pgno_t);
3601                         if ((ofp = mdb_new_page(mc, P_OVERFLOW, ovpages)) == NULL)
3602                                 return ENOMEM;
3603                         DPRINTF("allocated overflow page %lu", ofp->mp_pgno);
3604                         flags |= F_BIGDATA;
3605                 } else {
3606                         node_size += data->mv_size;
3607                 }
3608         }
3609         node_size += node_size & 1;
3610
3611         if (node_size + sizeof(indx_t) > SIZELEFT(mp)) {
3612                 DPRINTF("not enough room in page %lu, got %u ptrs",
3613                     mp->mp_pgno, NUMKEYS(mp));
3614                 DPRINTF("upper - lower = %u - %u = %u", mp->mp_upper, mp->mp_lower,
3615                     mp->mp_upper - mp->mp_lower);
3616                 DPRINTF("node size = %zu", node_size);
3617                 return ENOSPC;
3618         }
3619
3620         /* Move higher pointers up one slot. */
3621         for (i = NUMKEYS(mp); i > indx; i--)
3622                 mp->mp_ptrs[i] = mp->mp_ptrs[i - 1];
3623
3624         /* Adjust free space offsets. */
3625         ofs = mp->mp_upper - node_size;
3626         assert(ofs >= mp->mp_lower + sizeof(indx_t));
3627         mp->mp_ptrs[indx] = ofs;
3628         mp->mp_upper = ofs;
3629         mp->mp_lower += sizeof(indx_t);
3630
3631         /* Write the node data. */
3632         node = NODEPTR(mp, indx);
3633         node->mn_ksize = (key == NULL) ? 0 : key->mv_size;
3634         node->mn_flags = flags;
3635         if (IS_LEAF(mp))
3636                 SETDSZ(node,data->mv_size);
3637         else
3638                 SETPGNO(node,pgno);
3639
3640         if (key)
3641                 memcpy(NODEKEY(node), key->mv_data, key->mv_size);
3642
3643         if (IS_LEAF(mp)) {
3644                 assert(key);
3645                 if (ofp == NULL) {
3646                         if (F_ISSET(flags, F_BIGDATA))
3647                                 memcpy(node->mn_data + key->mv_size, data->mv_data,
3648                                     sizeof(pgno_t));
3649                         else
3650                                 memcpy(node->mn_data + key->mv_size, data->mv_data,
3651                                     data->mv_size);
3652                 } else {
3653                         memcpy(node->mn_data + key->mv_size, &ofp->mp_pgno,
3654                             sizeof(pgno_t));
3655                         memcpy(METADATA(ofp), data->mv_data, data->mv_size);
3656                 }
3657         }
3658
3659         return MDB_SUCCESS;
3660 }
3661
3662 static void
3663 mdb_del_node(MDB_page *mp, indx_t indx, int ksize)
3664 {
3665         unsigned int     sz;
3666         indx_t           i, j, numkeys, ptr;
3667         MDB_node        *node;
3668         char            *base;
3669
3670         DPRINTF("delete node %u on %s page %lu", indx,
3671             IS_LEAF(mp) ? "leaf" : "branch", mp->mp_pgno);
3672         assert(indx < NUMKEYS(mp));
3673
3674         if (IS_LEAF2(mp)) {
3675                 int x = NUMKEYS(mp) - 1 - indx;
3676                 base = LEAF2KEY(mp, indx, ksize);
3677                 if (x)
3678                         memmove(base, base + ksize, x * ksize);
3679                 mp->mp_lower -= sizeof(indx_t);
3680                 mp->mp_upper += ksize - sizeof(indx_t);
3681                 return;
3682         }
3683
3684         node = NODEPTR(mp, indx);
3685         sz = NODESIZE + node->mn_ksize;
3686         if (IS_LEAF(mp)) {
3687                 if (F_ISSET(node->mn_flags, F_BIGDATA))
3688                         sz += sizeof(pgno_t);
3689                 else
3690                         sz += NODEDSZ(node);
3691         }
3692         sz += sz & 1;
3693
3694         ptr = mp->mp_ptrs[indx];
3695         numkeys = NUMKEYS(mp);
3696         for (i = j = 0; i < numkeys; i++) {
3697                 if (i != indx) {
3698                         mp->mp_ptrs[j] = mp->mp_ptrs[i];
3699                         if (mp->mp_ptrs[i] < ptr)
3700                                 mp->mp_ptrs[j] += sz;
3701                         j++;
3702                 }
3703         }
3704
3705         base = (char *)mp + mp->mp_upper;
3706         memmove(base + sz, base, ptr - mp->mp_upper);
3707
3708         mp->mp_lower -= sizeof(indx_t);
3709         mp->mp_upper += sz;
3710 }
3711
3712 static void
3713 mdb_xcursor_init0(MDB_cursor *mc)
3714 {
3715         MDB_xcursor *mx = mc->mc_xcursor;
3716         MDB_dbi dbn;
3717
3718         mx->mx_txn = *mc->mc_txn;
3719         mx->mx_txn.mt_dbxs = mx->mx_dbxs;
3720         mx->mx_txn.mt_dbs = mx->mx_dbs;
3721         mx->mx_dbxs[0] = mc->mc_txn->mt_dbxs[0];
3722         mx->mx_dbxs[1] = mc->mc_txn->mt_dbxs[1];
3723         if (mc->mc_dbi > 1) {
3724                 mx->mx_dbxs[2] = mc->mc_txn->mt_dbxs[mc->mc_dbi];
3725                 dbn = 2;
3726         } else {
3727                 dbn = 1;
3728         }
3729         mx->mx_dbxs[dbn+1].md_parent = dbn;
3730         mx->mx_dbxs[dbn+1].md_cmp = mx->mx_dbxs[dbn].md_dcmp;
3731         mx->mx_dbxs[dbn+1].md_rel = mx->mx_dbxs[dbn].md_rel;
3732         mx->mx_dbxs[dbn+1].md_dirty = 0;
3733         mx->mx_txn.mt_numdbs = dbn+2;
3734         mx->mx_txn.mt_u = mc->mc_txn->mt_u;
3735
3736         mx->mx_cursor.mc_xcursor = NULL;
3737         mx->mx_cursor.mc_txn = &mx->mx_txn;
3738         mx->mx_cursor.mc_dbi = dbn+1;
3739 }
3740
3741 static void
3742 mdb_xcursor_init1(MDB_cursor *mc, MDB_node *node)
3743 {
3744         MDB_db *db = NODEDATA(node);
3745         MDB_xcursor *mx = mc->mc_xcursor;
3746         MDB_dbi dbn;
3747         mx->mx_dbs[0] = mc->mc_txn->mt_dbs[0];
3748         mx->mx_dbs[1] = mc->mc_txn->mt_dbs[1];
3749         if (mc->mc_dbi > 1) {
3750                 mx->mx_dbs[2] = mc->mc_txn->mt_dbs[mc->mc_dbi];
3751                 mx->mx_dbxs[2].md_dirty = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty;
3752                 dbn = 3;
3753         } else {
3754                 dbn = 2;
3755         }
3756         DPRINTF("Sub-db %u for db %u root page %lu", dbn, mc->mc_dbi, db->md_root);
3757         mx->mx_dbs[dbn] = *db;
3758         if (F_ISSET(mc->mc_pg[mc->mc_top]->mp_flags, P_DIRTY))
3759                 mx->mx_dbxs[dbn].md_dirty = 1;
3760         mx->mx_dbxs[dbn].md_name.mv_data = NODEKEY(node);
3761         mx->mx_dbxs[dbn].md_name.mv_size = node->mn_ksize;
3762         mx->mx_txn.mt_next_pgno = mc->mc_txn->mt_next_pgno;
3763         mx->mx_cursor.mc_snum = 0;
3764         mx->mx_cursor.mc_flags = 0;
3765 }
3766
3767 static void
3768 mdb_xcursor_init2(MDB_cursor *mc)
3769 {
3770         MDB_xcursor *mx = mc->mc_xcursor;
3771         MDB_dbi dbn;
3772         mx->mx_dbs[0] = mc->mc_txn->mt_dbs[0];
3773         mx->mx_dbs[1] = mc->mc_txn->mt_dbs[1];
3774         if (mc->mc_dbi > 1) {
3775                 mx->mx_dbs[2] = mc->mc_txn->mt_dbs[mc->mc_dbi];
3776                 mx->mx_dbxs[2].md_dirty = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty;
3777                 dbn = 3;
3778         } else {
3779                 dbn = 2;
3780         }
3781         DPRINTF("Sub-db %u for db %u root page %lu", dbn, mc->mc_dbi,
3782                 mx->mx_dbs[dbn].md_root);
3783         mx->mx_txn.mt_next_pgno = mc->mc_txn->mt_next_pgno;
3784 }
3785
3786 static void
3787 mdb_xcursor_fini(MDB_cursor *mc)
3788 {
3789         MDB_xcursor *mx = mc->mc_xcursor;
3790         mc->mc_txn->mt_next_pgno = mx->mx_txn.mt_next_pgno;
3791         mc->mc_txn->mt_dbs[0] = mx->mx_dbs[0];
3792         mc->mc_txn->mt_dbs[1] = mx->mx_dbs[1];
3793         if (mc->mc_dbi > 1) {
3794                 mc->mc_txn->mt_dbs[mc->mc_dbi] = mx->mx_dbs[2];
3795                 mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty = mx->mx_dbxs[2].md_dirty;
3796         }
3797 }
3798
3799 int
3800 mdb_cursor_open(MDB_txn *txn, MDB_dbi dbi, MDB_cursor **ret)
3801 {
3802         MDB_cursor      *mc;
3803         size_t size = sizeof(MDB_cursor);
3804
3805         if (txn == NULL || ret == NULL || !dbi || dbi >= txn->mt_numdbs)
3806                 return EINVAL;
3807
3808         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT)
3809                 size += sizeof(MDB_xcursor);
3810
3811         if ((mc = calloc(1, size)) != NULL) {
3812                 mc->mc_dbi = dbi;
3813                 mc->mc_txn = txn;
3814                 if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
3815                         MDB_xcursor *mx = (MDB_xcursor *)(mc + 1);
3816                         mc->mc_xcursor = mx;
3817                         mdb_xcursor_init0(mc);
3818                 }
3819         } else {
3820                 return ENOMEM;
3821         }
3822
3823         *ret = mc;
3824
3825         return MDB_SUCCESS;
3826 }
3827
3828 /* Return the count of duplicate data items for the current key */
3829 int
3830 mdb_cursor_count(MDB_cursor *mc, unsigned long *countp)
3831 {
3832         MDB_node        *leaf;
3833
3834         if (mc == NULL || countp == NULL)
3835                 return EINVAL;
3836
3837         if (!(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT))
3838                 return EINVAL;
3839
3840         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3841         if (!F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3842                 *countp = 1;
3843         } else {
3844                 if (!(mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED))
3845                         return EINVAL;
3846
3847                 *countp = mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi].md_entries;
3848         }
3849         return MDB_SUCCESS;
3850 }
3851
3852 void
3853 mdb_cursor_close(MDB_cursor *mc)
3854 {
3855         if (mc != NULL) {
3856                 free(mc);
3857         }
3858 }
3859
3860 static int
3861 mdb_update_key(MDB_page *mp, indx_t indx, MDB_val *key)
3862 {
3863         indx_t                   ptr, i, numkeys;
3864         int                      delta;
3865         size_t                   len;
3866         MDB_node                *node;
3867         char                    *base;
3868         DKBUF;
3869
3870         node = NODEPTR(mp, indx);
3871         ptr = mp->mp_ptrs[indx];
3872         DPRINTF("update key %u (ofs %u) [%.*s] to [%s] on page %lu",
3873             indx, ptr,
3874             (int)node->mn_ksize, (char *)NODEKEY(node),
3875                 DKEY(key),
3876             mp->mp_pgno);
3877
3878         delta = key->mv_size - node->mn_ksize;
3879         if (delta) {
3880                 if (delta > 0 && SIZELEFT(mp) < delta) {
3881                         DPRINTF("OUCH! Not enough room, delta = %d", delta);
3882                         return ENOSPC;
3883                 }
3884
3885                 numkeys = NUMKEYS(mp);
3886                 for (i = 0; i < numkeys; i++) {
3887                         if (mp->mp_ptrs[i] <= ptr)
3888                                 mp->mp_ptrs[i] -= delta;
3889                 }
3890
3891                 base = (char *)mp + mp->mp_upper;
3892                 len = ptr - mp->mp_upper + NODESIZE;
3893                 memmove(base - delta, base, len);
3894                 mp->mp_upper -= delta;
3895
3896                 node = NODEPTR(mp, indx);
3897                 node->mn_ksize = key->mv_size;
3898         }
3899
3900         memcpy(NODEKEY(node), key->mv_data, key->mv_size);
3901
3902         return MDB_SUCCESS;
3903 }
3904
3905 /* Move a node from csrc to cdst.
3906  */
3907 static int
3908 mdb_move_node(MDB_cursor *csrc, MDB_cursor *cdst)
3909 {
3910         int                      rc;
3911         MDB_node                *srcnode;
3912         MDB_val          key, data;
3913         DKBUF;
3914
3915         /* Mark src and dst as dirty. */
3916         if ((rc = mdb_touch(csrc)) ||
3917             (rc = mdb_touch(cdst)))
3918                 return rc;;
3919
3920         if (IS_LEAF2(csrc->mc_pg[csrc->mc_top])) {
3921                 srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], 0);        /* fake */
3922                 key.mv_size = csrc->mc_txn->mt_dbs[csrc->mc_dbi].md_pad;
3923                 key.mv_data = LEAF2KEY(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top], key.mv_size);
3924                 data.mv_size = 0;
3925                 data.mv_data = NULL;
3926         } else {
3927                 if (csrc->mc_ki[csrc->mc_top] == 0 && IS_BRANCH(csrc->mc_pg[csrc->mc_top])) {
3928                         unsigned int snum = csrc->mc_snum;
3929                         /* must find the lowest key below src */
3930                         mdb_search_page_root(csrc, NULL, 0);
3931                         srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], 0);
3932                         csrc->mc_snum = snum--;
3933                         csrc->mc_top = snum;
3934                 } else {
3935                         srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top]);
3936                 }
3937                 key.mv_size = NODEKSZ(srcnode);
3938                 key.mv_data = NODEKEY(srcnode);
3939                 data.mv_size = NODEDSZ(srcnode);
3940                 data.mv_data = NODEDATA(srcnode);
3941         }
3942         DPRINTF("moving %s node %u [%s] on page %lu to node %u on page %lu",
3943             IS_LEAF(csrc->mc_pg[csrc->mc_top]) ? "leaf" : "branch",
3944             csrc->mc_ki[csrc->mc_top],
3945                 DKEY(&key),
3946             csrc->mc_pg[csrc->mc_top]->mp_pgno,
3947             cdst->mc_ki[cdst->mc_top], cdst->mc_pg[cdst->mc_top]->mp_pgno);
3948
3949         /* Add the node to the destination page.
3950          */
3951         rc = mdb_add_node(cdst, cdst->mc_ki[cdst->mc_top], &key, &data, NODEPGNO(srcnode),
3952             srcnode->mn_flags);
3953         if (rc != MDB_SUCCESS)
3954                 return rc;
3955
3956         /* Delete the node from the source page.
3957          */
3958         mdb_del_node(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top], key.mv_size);
3959
3960         /* Update the parent separators.
3961          */
3962         if (csrc->mc_ki[csrc->mc_top] == 0) {
3963                 if (csrc->mc_ki[csrc->mc_top-1] != 0) {
3964                         if (IS_LEAF2(csrc->mc_pg[csrc->mc_top])) {
3965                                 key.mv_data = LEAF2KEY(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top], key.mv_size);
3966                         } else {
3967                                 srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top]);
3968                                 key.mv_size = NODEKSZ(srcnode);
3969                                 key.mv_data = NODEKEY(srcnode);
3970                         }
3971                         DPRINTF("update separator for source page %lu to [%s]",
3972                                 csrc->mc_pg[csrc->mc_top]->mp_pgno, DKEY(&key));
3973                         if ((rc = mdb_update_key(csrc->mc_pg[csrc->mc_top-1], csrc->mc_ki[csrc->mc_top-1],
3974                                 &key)) != MDB_SUCCESS)
3975                                 return rc;
3976                 }
3977                 if (IS_BRANCH(csrc->mc_pg[csrc->mc_top])) {
3978                         MDB_val  nullkey;
3979                         nullkey.mv_size = 0;
3980                         assert(mdb_update_key(csrc->mc_pg[csrc->mc_top], 0, &nullkey) == MDB_SUCCESS);
3981                 }
3982         }
3983
3984         if (cdst->mc_ki[cdst->mc_top] == 0) {
3985                 if (cdst->mc_ki[cdst->mc_top-1] != 0) {
3986                         if (IS_LEAF2(csrc->mc_pg[csrc->mc_top])) {
3987                                 key.mv_data = LEAF2KEY(cdst->mc_pg[cdst->mc_top], 0, key.mv_size);
3988                         } else {
3989                                 srcnode = NODEPTR(cdst->mc_pg[cdst->mc_top], 0);
3990                                 key.mv_size = NODEKSZ(srcnode);
3991                                 key.mv_data = NODEKEY(srcnode);
3992                         }
3993                         DPRINTF("update separator for destination page %lu to [%s]",
3994                                 cdst->mc_pg[cdst->mc_top]->mp_pgno, DKEY(&key));
3995                         if ((rc = mdb_update_key(cdst->mc_pg[cdst->mc_top-1], cdst->mc_ki[cdst->mc_top-1],
3996                                 &key)) != MDB_SUCCESS)
3997                                 return rc;
3998                 }
3999                 if (IS_BRANCH(cdst->mc_pg[cdst->mc_top])) {
4000                         MDB_val  nullkey;
4001                         nullkey.mv_size = 0;
4002                         assert(mdb_update_key(cdst->mc_pg[cdst->mc_top], 0, &nullkey) == MDB_SUCCESS);
4003                 }
4004         }
4005
4006         return MDB_SUCCESS;
4007 }
4008
4009 static int
4010 mdb_merge(MDB_cursor *csrc, MDB_cursor *cdst)
4011 {
4012         int                      rc;
4013         indx_t                   i, j;
4014         MDB_node                *srcnode;
4015         MDB_val          key, data;
4016
4017         DPRINTF("merging page %lu into %lu", csrc->mc_pg[csrc->mc_top]->mp_pgno, cdst->mc_pg[cdst->mc_top]->mp_pgno);
4018
4019         assert(csrc->mc_snum > 1);      /* can't merge root page */
4020         assert(cdst->mc_snum > 1);
4021
4022         /* Mark dst as dirty. */
4023         if ((rc = mdb_touch(cdst)))
4024                 return rc;
4025
4026         /* Move all nodes from src to dst.
4027          */
4028         j = NUMKEYS(cdst->mc_pg[cdst->mc_top]);
4029         if (IS_LEAF2(csrc->mc_pg[csrc->mc_top])) {
4030                 key.mv_size = csrc->mc_txn->mt_dbs[csrc->mc_dbi].md_pad;
4031                 key.mv_data = METADATA(csrc->mc_pg[csrc->mc_top]);
4032                 for (i = 0; i < NUMKEYS(csrc->mc_pg[csrc->mc_top]); i++, j++) {
4033                         rc = mdb_add_node(cdst, j, &key, NULL, 0, 0);
4034                         if (rc != MDB_SUCCESS)
4035                                 return rc;
4036                         key.mv_data = (char *)key.mv_data + key.mv_size;
4037                 }
4038         } else {
4039                 for (i = 0; i < NUMKEYS(csrc->mc_pg[csrc->mc_top]); i++, j++) {
4040                         srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], i);
4041
4042                         key.mv_size = srcnode->mn_ksize;
4043                         key.mv_data = NODEKEY(srcnode);
4044                         data.mv_size = NODEDSZ(srcnode);
4045                         data.mv_data = NODEDATA(srcnode);
4046                         rc = mdb_add_node(cdst, j, &key, &data, NODEPGNO(srcnode), srcnode->mn_flags);
4047                         if (rc != MDB_SUCCESS)
4048                                 return rc;
4049                 }
4050         }
4051
4052         DPRINTF("dst page %lu now has %u keys (%.1f%% filled)",
4053             cdst->mc_pg[cdst->mc_top]->mp_pgno, NUMKEYS(cdst->mc_pg[cdst->mc_top]), (float)PAGEFILL(cdst->mc_txn->mt_env, cdst->mc_pg[cdst->mc_top]) / 10);
4054
4055         /* Unlink the src page from parent and add to free list.
4056          */
4057         mdb_del_node(csrc->mc_pg[csrc->mc_top-1], csrc->mc_ki[csrc->mc_top-1], 0);
4058         if (csrc->mc_ki[csrc->mc_top-1] == 0) {
4059                 key.mv_size = 0;
4060                 if ((rc = mdb_update_key(csrc->mc_pg[csrc->mc_top-1], 0, &key)) != MDB_SUCCESS)
4061                         return rc;
4062         }
4063
4064         mdb_midl_append(csrc->mc_txn->mt_free_pgs, csrc->mc_pg[csrc->mc_top]->mp_pgno);
4065         if (IS_LEAF(csrc->mc_pg[csrc->mc_top]))
4066                 csrc->mc_txn->mt_dbs[csrc->mc_dbi].md_leaf_pages--;
4067         else
4068                 csrc->mc_txn->mt_dbs[csrc->mc_dbi].md_branch_pages--;
4069         cursor_pop_page(csrc);
4070
4071         return mdb_rebalance(csrc);
4072 }
4073
4074 static void
4075 mdb_cursor_copy(const MDB_cursor *csrc, MDB_cursor *cdst)
4076 {
4077         unsigned int i;
4078
4079         cdst->mc_txn = csrc->mc_txn;
4080         cdst->mc_dbi = csrc->mc_dbi;
4081         cdst->mc_snum = csrc->mc_snum;
4082         cdst->mc_top = csrc->mc_top;
4083         cdst->mc_flags = csrc->mc_flags;
4084
4085         for (i=0; i<csrc->mc_snum; i++) {
4086                 cdst->mc_pg[i] = csrc->mc_pg[i];
4087                 cdst->mc_ki[i] = csrc->mc_ki[i];
4088         }
4089 }
4090
4091 static int
4092 mdb_rebalance(MDB_cursor *mc)
4093 {
4094         MDB_node        *node;
4095         MDB_page        *root;
4096         int rc;
4097         unsigned int ptop;
4098         MDB_cursor      mn;
4099
4100         DPRINTF("rebalancing %s page %lu (has %u keys, %.1f%% full)",
4101             IS_LEAF(mc->mc_pg[mc->mc_top]) ? "leaf" : "branch",
4102             mc->mc_pg[mc->mc_top]->mp_pgno, NUMKEYS(mc->mc_pg[mc->mc_top]), (float)PAGEFILL(mc->mc_txn->mt_env, mc->mc_pg[mc->mc_top]) / 10);
4103
4104         if (PAGEFILL(mc->mc_txn->mt_env, mc->mc_pg[mc->mc_top]) >= FILL_THRESHOLD) {
4105                 DPRINTF("no need to rebalance page %lu, above fill threshold",
4106                     mc->mc_pg[mc->mc_top]->mp_pgno);
4107                 return MDB_SUCCESS;
4108         }
4109
4110         if (mc->mc_snum < 2) {
4111                 if (NUMKEYS(mc->mc_pg[mc->mc_top]) == 0) {
4112                         DPUTS("tree is completely empty");
4113                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = P_INVALID;
4114                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth = 0;
4115                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_leaf_pages = 0;
4116                         mdb_midl_append(mc->mc_txn->mt_free_pgs, mc->mc_pg[mc->mc_top]->mp_pgno);
4117                 } else if (IS_BRANCH(mc->mc_pg[mc->mc_top]) && NUMKEYS(mc->mc_pg[mc->mc_top]) == 1) {
4118                         DPUTS("collapsing root page!");
4119                         mdb_midl_append(mc->mc_txn->mt_free_pgs, mc->mc_pg[mc->mc_top]->mp_pgno);
4120                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = NODEPGNO(NODEPTR(mc->mc_pg[mc->mc_top], 0));
4121                         if ((rc = mdb_get_page(mc->mc_txn, mc->mc_txn->mt_dbs[mc->mc_dbi].md_root, &root)))
4122                                 return rc;
4123                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth--;
4124                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_branch_pages--;
4125                 } else
4126                         DPUTS("root page doesn't need rebalancing");
4127                 return MDB_SUCCESS;
4128         }
4129
4130         /* The parent (branch page) must have at least 2 pointers,
4131          * otherwise the tree is invalid.
4132          */
4133         ptop = mc->mc_top-1;
4134         assert(NUMKEYS(mc->mc_pg[ptop]) > 1);
4135
4136         /* Leaf page fill factor is below the threshold.
4137          * Try to move keys from left or right neighbor, or
4138          * merge with a neighbor page.
4139          */
4140
4141         /* Find neighbors.
4142          */
4143         mdb_cursor_copy(mc, &mn);
4144         mn.mc_xcursor = NULL;
4145
4146         if (mc->mc_ki[ptop] == 0) {
4147                 /* We're the leftmost leaf in our parent.
4148                  */
4149                 DPUTS("reading right neighbor");
4150                 mn.mc_ki[ptop]++;
4151                 node = NODEPTR(mc->mc_pg[ptop], mn.mc_ki[ptop]);
4152                 if ((rc = mdb_get_page(mc->mc_txn, NODEPGNO(node), &mn.mc_pg[mn.mc_top])))
4153                         return rc;
4154                 mn.mc_ki[mn.mc_top] = 0;
4155                 mc->mc_ki[mc->mc_top] = NUMKEYS(mc->mc_pg[mc->mc_top]);
4156         } else {
4157                 /* There is at least one neighbor to the left.
4158                  */
4159                 DPUTS("reading left neighbor");
4160                 mn.mc_ki[ptop]--;
4161                 node = NODEPTR(mc->mc_pg[ptop], mn.mc_ki[ptop]);
4162                 if ((rc = mdb_get_page(mc->mc_txn, NODEPGNO(node), &mn.mc_pg[mn.mc_top])))
4163                         return rc;
4164                 mn.mc_ki[mn.mc_top] = NUMKEYS(mn.mc_pg[mn.mc_top]) - 1;
4165                 mc->mc_ki[mc->mc_top] = 0;
4166         }
4167
4168         DPRINTF("found neighbor page %lu (%u keys, %.1f%% full)",
4169             mn.mc_pg[mn.mc_top]->mp_pgno, NUMKEYS(mn.mc_pg[mn.mc_top]), (float)PAGEFILL(mc->mc_txn->mt_env, mn.mc_pg[mn.mc_top]) / 10);
4170
4171         /* If the neighbor page is above threshold and has at least two
4172          * keys, move one key from it.
4173          *
4174          * Otherwise we should try to merge them.
4175          */
4176         if (PAGEFILL(mc->mc_txn->mt_env, mn.mc_pg[mn.mc_top]) >= FILL_THRESHOLD && NUMKEYS(mn.mc_pg[mn.mc_top]) >= 2)
4177                 return mdb_move_node(&mn, mc);
4178         else { /* FIXME: if (has_enough_room()) */
4179                 if (mc->mc_ki[ptop] == 0)
4180                         return mdb_merge(&mn, mc);
4181                 else
4182                         return mdb_merge(mc, &mn);
4183         }
4184 }
4185
4186 static int
4187 mdb_del0(MDB_cursor *mc, MDB_node *leaf)
4188 {
4189         int rc;
4190
4191         /* add overflow pages to free list */
4192         if (!IS_LEAF2(mc->mc_pg[mc->mc_top]) && F_ISSET(leaf->mn_flags, F_BIGDATA)) {
4193                 int i, ovpages;
4194                 pgno_t pg;
4195
4196                 memcpy(&pg, NODEDATA(leaf), sizeof(pg));
4197                 ovpages = OVPAGES(NODEDSZ(leaf), mc->mc_txn->mt_env->me_psize);
4198                 for (i=0; i<ovpages; i++) {
4199                         DPRINTF("freed ov page %lu", pg);
4200                         mdb_midl_append(mc->mc_txn->mt_free_pgs, pg);
4201                         pg++;
4202                 }
4203         }
4204         mdb_del_node(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad);
4205         mc->mc_txn->mt_dbs[mc->mc_dbi].md_entries--;
4206         rc = mdb_rebalance(mc);
4207         if (rc != MDB_SUCCESS)
4208                 mc->mc_txn->mt_flags |= MDB_TXN_ERROR;
4209
4210         return rc;
4211 }
4212
4213 int
4214 mdb_del(MDB_txn *txn, MDB_dbi dbi,
4215     MDB_val *key, MDB_val *data)
4216 {
4217         MDB_cursor mc;
4218         MDB_xcursor mx;
4219         MDB_cursor_op op;
4220         MDB_val rdata, *xdata;
4221         int              rc, exact;
4222         DKBUF;
4223
4224         assert(key != NULL);
4225
4226         DPRINTF("====> delete db %u key [%s]", dbi, DKEY(key));
4227
4228         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4229                 return EINVAL;
4230
4231         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
4232                 return EACCES;
4233         }
4234
4235         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
4236                 return EINVAL;
4237         }
4238
4239         mc.mc_txn = txn;
4240         mc.mc_dbi = dbi;
4241         mc.mc_flags = 0;
4242         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
4243                 mc.mc_xcursor = &mx;
4244                 mdb_xcursor_init0(&mc);
4245         } else {
4246                 mc.mc_xcursor = NULL;
4247         }
4248
4249         exact = 0;
4250         if (data) {
4251                 op = MDB_GET_BOTH;
4252                 rdata = *data;
4253                 xdata = &rdata;
4254         } else {
4255                 op = MDB_SET;
4256                 xdata = NULL;
4257         }
4258         rc = mdb_cursor_set(&mc, key, xdata, op, &exact);
4259         if (rc == 0)
4260                 rc = mdb_cursor_del(&mc, data ? 0 : MDB_NODUPDATA);
4261         return rc;
4262 }
4263
4264 /* Split page <mc->top>, and insert <key,(data|newpgno)> in either left or
4265  * right sibling, at index <mc->ki> (as if unsplit). Updates mc->top and
4266  * mc->ki with the actual values after split, ie if mc->top and mc->ki
4267  * refer to a node in the new right sibling page.
4268  */
4269 static int
4270 mdb_split(MDB_cursor *mc, MDB_val *newkey, MDB_val *newdata, pgno_t newpgno)
4271 {
4272         uint8_t          flags;
4273         int              rc = MDB_SUCCESS, ins_new = 0;
4274         indx_t           newindx;
4275         pgno_t           pgno = 0;
4276         unsigned int     i, j, split_indx, nkeys, pmax;
4277         MDB_node        *node;
4278         MDB_val  sepkey, rkey, rdata;
4279         MDB_page        *copy;
4280         MDB_page        *mp, *rp, *pp;
4281         unsigned int ptop;
4282         MDB_cursor      mn;
4283         DKBUF;
4284
4285         mp = mc->mc_pg[mc->mc_top];
4286         newindx = mc->mc_ki[mc->mc_top];
4287
4288         DPRINTF("-----> splitting %s page %lu and adding [%s] at index %i",
4289             IS_LEAF(mp) ? "leaf" : "branch", mp->mp_pgno,
4290             DKEY(newkey), mc->mc_ki[mc->mc_top]);
4291
4292         if (mc->mc_snum < 2) {
4293                 if ((pp = mdb_new_page(mc, P_BRANCH, 1)) == NULL)
4294                         return ENOMEM;
4295                 /* shift current top to make room for new parent */
4296                 mc->mc_pg[1] = mc->mc_pg[0];
4297                 mc->mc_ki[1] = mc->mc_ki[0];
4298                 mc->mc_pg[0] = pp;
4299                 mc->mc_ki[0] = 0;
4300                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = pp->mp_pgno;
4301                 DPRINTF("root split! new root = %lu", pp->mp_pgno);
4302                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth++;
4303
4304                 /* Add left (implicit) pointer. */
4305                 if ((rc = mdb_add_node(mc, 0, NULL, NULL, mp->mp_pgno, 0)) != MDB_SUCCESS) {
4306                         /* undo the pre-push */
4307                         mc->mc_pg[0] = mc->mc_pg[1];
4308                         mc->mc_ki[0] = mc->mc_ki[1];
4309                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = mp->mp_pgno;
4310                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth--;
4311                         return rc;
4312                 }
4313                 mc->mc_snum = 2;
4314                 mc->mc_top = 1;
4315                 ptop = 0;
4316         } else {
4317                 ptop = mc->mc_top-1;
4318                 DPRINTF("parent branch page is %lu", mc->mc_pg[ptop]->mp_pgno);
4319         }
4320
4321         /* Create a right sibling. */
4322         if ((rp = mdb_new_page(mc, mp->mp_flags, 1)) == NULL)
4323                 return ENOMEM;
4324         mdb_cursor_copy(mc, &mn);
4325         mn.mc_pg[mn.mc_top] = rp;
4326         mn.mc_ki[ptop] = mc->mc_ki[ptop]+1;
4327         DPRINTF("new right sibling: page %lu", rp->mp_pgno);
4328
4329         nkeys = NUMKEYS(mp);
4330         split_indx = nkeys / 2 + 1;
4331
4332         if (IS_LEAF2(rp)) {
4333                 char *split, *ins;
4334                 int x;
4335                 unsigned int lsize, rsize, ksize;
4336                 /* Move half of the keys to the right sibling */
4337                 copy = NULL;
4338                 x = mc->mc_ki[mc->mc_top] - split_indx;
4339                 ksize = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
4340                 split = LEAF2KEY(mp, split_indx, ksize);
4341                 rsize = (nkeys - split_indx) * ksize;
4342                 lsize = (nkeys - split_indx) * sizeof(indx_t);
4343                 mp->mp_lower -= lsize;
4344                 rp->mp_lower += lsize;
4345                 mp->mp_upper += rsize - lsize;
4346                 rp->mp_upper -= rsize - lsize;
4347                 sepkey.mv_size = ksize;
4348                 if (newindx == split_indx) {
4349                         sepkey.mv_data = newkey->mv_data;
4350                 } else {
4351                         sepkey.mv_data = split;
4352                 }
4353                 if (x<0) {
4354                         ins = LEAF2KEY(mp, mc->mc_ki[mc->mc_top], ksize);
4355                         memcpy(rp->mp_ptrs, split, rsize);
4356                         sepkey.mv_data = rp->mp_ptrs;
4357                         memmove(ins+ksize, ins, (split_indx - mc->mc_ki[mc->mc_top]) * ksize);
4358                         memcpy(ins, newkey->mv_data, ksize);
4359                         mp->mp_lower += sizeof(indx_t);
4360                         mp->mp_upper -= ksize - sizeof(indx_t);
4361                 } else {
4362                         if (x)
4363                                 memcpy(rp->mp_ptrs, split, x * ksize);
4364                         ins = LEAF2KEY(rp, x, ksize);
4365                         memcpy(ins, newkey->mv_data, ksize);
4366                         memcpy(ins+ksize, split + x * ksize, rsize - x * ksize);
4367                         rp->mp_lower += sizeof(indx_t);
4368                         rp->mp_upper -= ksize - sizeof(indx_t);
4369                         mc->mc_ki[mc->mc_top] = x;
4370                         mc->mc_pg[mc->mc_top] = rp;
4371                 }
4372                 goto newsep;
4373         }
4374
4375         /* For leaf pages, check the split point based on what
4376          * fits where, since otherwise add_node can fail.
4377          */
4378         if (IS_LEAF(mp)) {
4379                 unsigned int psize, nsize;
4380                 /* Maximum free space in an empty page */
4381                 pmax = mc->mc_txn->mt_env->me_psize - PAGEHDRSZ;
4382                 nsize = mdb_leaf_size(mc->mc_txn->mt_env, newkey, newdata);
4383                 if (newindx < split_indx) {
4384                         psize = nsize;
4385                         for (i=0; i<split_indx; i++) {
4386                                 node = NODEPTR(mp, i);
4387                                 psize += NODESIZE + NODEKSZ(node) + sizeof(indx_t);
4388                                 if (F_ISSET(node->mn_flags, F_BIGDATA))
4389                                         psize += sizeof(pgno_t);
4390                                 else
4391                                         psize += NODEDSZ(node);
4392                                 psize += psize & 1;
4393                                 if (psize > pmax) {
4394                                         split_indx = i;
4395                                         break;
4396                                 }
4397                         }
4398                 } else {
4399                         psize = nsize;
4400                         for (i=nkeys-1; i>=split_indx; i--) {
4401                                 node = NODEPTR(mp, i);
4402                                 psize += NODESIZE + NODEKSZ(node) + sizeof(indx_t);
4403                                 if (F_ISSET(node->mn_flags, F_BIGDATA))
4404                                         psize += sizeof(pgno_t);
4405                                 else
4406                                         psize += NODEDSZ(node);
4407                                 psize += psize & 1;
4408                                 if (psize > pmax) {
4409                                         split_indx = i+1;
4410                                         break;
4411                                 }
4412                         }
4413                 }
4414         }
4415
4416         /* First find the separating key between the split pages.
4417          */
4418         if (newindx == split_indx) {
4419                 sepkey.mv_size = newkey->mv_size;
4420                 sepkey.mv_data = newkey->mv_data;
4421         } else {
4422                 node = NODEPTR(mp, split_indx);
4423                 sepkey.mv_size = node->mn_ksize;
4424                 sepkey.mv_data = NODEKEY(node);
4425         }
4426
4427 newsep:
4428         DPRINTF("separator is [%s]", DKEY(&sepkey));
4429
4430         /* Copy separator key to the parent.
4431          */
4432         if (SIZELEFT(mn.mc_pg[ptop]) < mdb_branch_size(mc->mc_txn->mt_env, &sepkey)) {
4433                 mn.mc_snum--;
4434                 mn.mc_top--;
4435                 rc = mdb_split(&mn, &sepkey, NULL, rp->mp_pgno);
4436
4437                 /* Right page might now have changed parent.
4438                  * Check if left page also changed parent.
4439                  */
4440                 if (mn.mc_pg[ptop] != mc->mc_pg[ptop] &&
4441                     mc->mc_ki[ptop] >= NUMKEYS(mc->mc_pg[ptop])) {
4442                         mc->mc_pg[ptop] = mn.mc_pg[ptop];
4443                         mc->mc_ki[ptop] = mn.mc_ki[ptop] - 1;
4444                 }
4445         } else {
4446                 mn.mc_top--;
4447                 rc = mdb_add_node(&mn, mn.mc_ki[ptop], &sepkey, NULL, rp->mp_pgno, 0);
4448                 mn.mc_top++;
4449         }
4450         if (IS_LEAF2(rp)) {
4451                 return rc;
4452         }
4453         if (rc != MDB_SUCCESS) {
4454                 return rc;
4455         }
4456
4457         /* Move half of the keys to the right sibling. */
4458
4459         /* grab a page to hold a temporary copy */
4460         if (mc->mc_txn->mt_env->me_dpages) {
4461                 copy = mc->mc_txn->mt_env->me_dpages;
4462                 mc->mc_txn->mt_env->me_dpages = copy->mp_next;
4463         } else {
4464                 if ((copy = malloc(mc->mc_txn->mt_env->me_psize)) == NULL)
4465                         return ENOMEM;
4466         }
4467
4468         copy->mp_pgno  = mp->mp_pgno;
4469         copy->mp_flags = mp->mp_flags;
4470         copy->mp_lower = PAGEHDRSZ;
4471         copy->mp_upper = mc->mc_txn->mt_env->me_psize;
4472         mc->mc_pg[mc->mc_top] = copy;
4473         for (i = j = 0; i <= nkeys; j++) {
4474                 if (i == split_indx) {
4475                 /* Insert in right sibling. */
4476                 /* Reset insert index for right sibling. */
4477                         j = (i == newindx && ins_new);
4478                         mc->mc_pg[mc->mc_top] = rp;
4479                 }
4480
4481                 if (i == newindx && !ins_new) {
4482                         /* Insert the original entry that caused the split. */
4483                         rkey.mv_data = newkey->mv_data;
4484                         rkey.mv_size = newkey->mv_size;
4485                         if (IS_LEAF(mp)) {
4486                                 rdata.mv_data = newdata->mv_data;
4487                                 rdata.mv_size = newdata->mv_size;
4488                         } else
4489                                 pgno = newpgno;
4490                         flags = 0;
4491
4492                         ins_new = 1;
4493
4494                         /* Update page and index for the new key. */
4495                         mc->mc_ki[mc->mc_top] = j;
4496                 } else if (i == nkeys) {
4497                         break;
4498                 } else {
4499                         node = NODEPTR(mp, i);
4500                         rkey.mv_data = NODEKEY(node);
4501                         rkey.mv_size = node->mn_ksize;
4502                         if (IS_LEAF(mp)) {
4503                                 rdata.mv_data = NODEDATA(node);
4504                                 rdata.mv_size = NODEDSZ(node);
4505                         } else
4506                                 pgno = NODEPGNO(node);
4507                         flags = node->mn_flags;
4508
4509                         i++;
4510                 }
4511
4512                 if (!IS_LEAF(mp) && j == 0) {
4513                         /* First branch index doesn't need key data. */
4514                         rkey.mv_size = 0;
4515                 }
4516
4517                 rc = mdb_add_node(mc, j, &rkey, &rdata, pgno, flags);
4518         }
4519
4520         /* reset back to original page */
4521         if (newindx < split_indx)
4522                 mc->mc_pg[mc->mc_top] = mp;
4523
4524         nkeys = NUMKEYS(copy);
4525         for (i=0; i<nkeys; i++)
4526                 mp->mp_ptrs[i] = copy->mp_ptrs[i];
4527         mp->mp_lower = copy->mp_lower;
4528         mp->mp_upper = copy->mp_upper;
4529         memcpy(NODEPTR(mp, nkeys-1), NODEPTR(copy, nkeys-1),
4530                 mc->mc_txn->mt_env->me_psize - copy->mp_upper);
4531
4532         /* return tmp page to freelist */
4533         copy->mp_next = mc->mc_txn->mt_env->me_dpages;
4534         mc->mc_txn->mt_env->me_dpages = copy;
4535         return rc;
4536 }
4537
4538 int
4539 mdb_put(MDB_txn *txn, MDB_dbi dbi,
4540     MDB_val *key, MDB_val *data, unsigned int flags)
4541 {
4542         MDB_cursor mc;
4543         MDB_xcursor mx;
4544
4545         assert(key != NULL);
4546         assert(data != NULL);
4547
4548         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4549                 return EINVAL;
4550
4551         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
4552                 return EACCES;
4553         }
4554
4555         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
4556                 return EINVAL;
4557         }
4558
4559         if ((flags & (MDB_NOOVERWRITE|MDB_NODUPDATA)) != flags)
4560                 return EINVAL;
4561
4562         mc.mc_txn = txn;
4563         mc.mc_dbi = dbi;
4564         mc.mc_snum = 0;
4565         mc.mc_flags = 0;
4566         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
4567                 mc.mc_xcursor = &mx;
4568                 mdb_xcursor_init0(&mc);
4569         } else {
4570                 mc.mc_xcursor = NULL;
4571         }
4572         return mdb_cursor_put(&mc, key, data, flags);
4573 }
4574
4575 int
4576 mdb_env_set_flags(MDB_env *env, unsigned int flag, int onoff)
4577 {
4578         /** Only a subset of the @ref mdb_env flags can be changed
4579          *      at runtime. Changing other flags requires closing the environment
4580          *      and re-opening it with the new flags.
4581          */
4582 #define CHANGEABLE      (MDB_NOSYNC)
4583         if ((flag & CHANGEABLE) != flag)
4584                 return EINVAL;
4585         if (onoff)
4586                 env->me_flags |= flag;
4587         else
4588                 env->me_flags &= ~flag;
4589         return MDB_SUCCESS;
4590 }
4591
4592 int
4593 mdb_env_get_flags(MDB_env *env, unsigned int *arg)
4594 {
4595         if (!env || !arg)
4596                 return EINVAL;
4597
4598         *arg = env->me_flags;
4599         return MDB_SUCCESS;
4600 }
4601
4602 int
4603 mdb_env_get_path(MDB_env *env, const char **arg)
4604 {
4605         if (!env || !arg)
4606                 return EINVAL;
4607
4608         *arg = env->me_path;
4609         return MDB_SUCCESS;
4610 }
4611
4612 static int
4613 mdb_stat0(MDB_env *env, MDB_db *db, MDB_stat *arg)
4614 {
4615         arg->ms_psize = env->me_psize;
4616         arg->ms_depth = db->md_depth;
4617         arg->ms_branch_pages = db->md_branch_pages;
4618         arg->ms_leaf_pages = db->md_leaf_pages;
4619         arg->ms_overflow_pages = db->md_overflow_pages;
4620         arg->ms_entries = db->md_entries;
4621
4622         return MDB_SUCCESS;
4623 }
4624 int
4625 mdb_env_stat(MDB_env *env, MDB_stat *arg)
4626 {
4627         int toggle;
4628
4629         if (env == NULL || arg == NULL)
4630                 return EINVAL;
4631
4632         mdb_env_read_meta(env, &toggle);
4633
4634         return mdb_stat0(env, &env->me_metas[toggle]->mm_dbs[MAIN_DBI], arg);
4635 }
4636
4637 static void
4638 mdb_default_cmp(MDB_txn *txn, MDB_dbi dbi)
4639 {
4640         if (txn->mt_dbs[dbi].md_flags & MDB_REVERSEKEY)
4641                 txn->mt_dbxs[dbi].md_cmp = memnrcmp;
4642         else if (txn->mt_dbs[dbi].md_flags & MDB_INTEGERKEY)
4643                 txn->mt_dbxs[dbi].md_cmp = cintcmp;
4644         else
4645                 txn->mt_dbxs[dbi].md_cmp = memncmp;
4646
4647         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
4648                 if (txn->mt_dbs[dbi].md_flags & MDB_INTEGERDUP) {
4649                         if (txn->mt_dbs[dbi].md_flags & MDB_DUPFIXED)
4650                                 txn->mt_dbxs[dbi].md_dcmp = intcmp;
4651                         else
4652                                 txn->mt_dbxs[dbi].md_dcmp = cintcmp;
4653                 } else if (txn->mt_dbs[dbi].md_flags & MDB_REVERSEDUP) {
4654                         txn->mt_dbxs[dbi].md_dcmp = memnrcmp;
4655                 } else {
4656                         txn->mt_dbxs[dbi].md_dcmp = memncmp;
4657                 }
4658         } else {
4659                 txn->mt_dbxs[dbi].md_dcmp = NULL;
4660         }
4661 }
4662
4663 int mdb_open(MDB_txn *txn, const char *name, unsigned int flags, MDB_dbi *dbi)
4664 {
4665         MDB_val key, data;
4666         MDB_dbi i;
4667         int rc, dirty = 0;
4668         size_t len;
4669
4670         if (txn->mt_dbxs[FREE_DBI].md_cmp == NULL) {
4671                 mdb_default_cmp(txn, FREE_DBI);
4672         }
4673
4674         /* main DB? */
4675         if (!name) {
4676                 *dbi = MAIN_DBI;
4677                 if (flags & (MDB_DUPSORT|MDB_REVERSEKEY|MDB_INTEGERKEY))
4678                         txn->mt_dbs[MAIN_DBI].md_flags |= (flags & (MDB_DUPSORT|MDB_REVERSEKEY|MDB_INTEGERKEY));
4679                 mdb_default_cmp(txn, MAIN_DBI);
4680                 return MDB_SUCCESS;
4681         }
4682
4683         if (txn->mt_dbxs[MAIN_DBI].md_cmp == NULL) {
4684                 mdb_default_cmp(txn, MAIN_DBI);
4685         }
4686
4687         /* Is the DB already open? */
4688         len = strlen(name);
4689         for (i=2; i<txn->mt_numdbs; i++) {
4690                 if (len == txn->mt_dbxs[i].md_name.mv_size &&
4691                         !strncmp(name, txn->mt_dbxs[i].md_name.mv_data, len)) {
4692                         *dbi = i;
4693                         return MDB_SUCCESS;
4694                 }
4695         }
4696
4697         if (txn->mt_numdbs >= txn->mt_env->me_maxdbs - 1)
4698                 return ENFILE;
4699
4700         /* Find the DB info */
4701         key.mv_size = len;
4702         key.mv_data = (void *)name;
4703         rc = mdb_get(txn, MAIN_DBI, &key, &data);
4704
4705         /* Create if requested */
4706         if (rc == MDB_NOTFOUND && (flags & MDB_CREATE)) {
4707                 MDB_cursor mc;
4708                 MDB_db dummy;
4709                 data.mv_size = sizeof(MDB_db);
4710                 data.mv_data = &dummy;
4711                 memset(&dummy, 0, sizeof(dummy));
4712                 dummy.md_root = P_INVALID;
4713                 dummy.md_flags = flags & 0xffff;
4714                 mc.mc_txn = txn;
4715                 mc.mc_dbi = MAIN_DBI;
4716                 mc.mc_flags = 0;
4717                 rc = mdb_cursor_put(&mc, &key, &data, F_SUBDATA);
4718                 dirty = 1;
4719         }
4720
4721         /* OK, got info, add to table */
4722         if (rc == MDB_SUCCESS) {
4723                 txn->mt_dbxs[txn->mt_numdbs].md_name.mv_data = strdup(name);
4724                 txn->mt_dbxs[txn->mt_numdbs].md_name.mv_size = len;
4725                 txn->mt_dbxs[txn->mt_numdbs].md_rel = NULL;
4726                 txn->mt_dbxs[txn->mt_numdbs].md_parent = MAIN_DBI;
4727                 txn->mt_dbxs[txn->mt_numdbs].md_dirty = dirty;
4728                 memcpy(&txn->mt_dbs[txn->mt_numdbs], data.mv_data, sizeof(MDB_db));
4729                 *dbi = txn->mt_numdbs;
4730                 txn->mt_env->me_dbs[0][txn->mt_numdbs] = txn->mt_dbs[txn->mt_numdbs];
4731                 txn->mt_env->me_dbs[1][txn->mt_numdbs] = txn->mt_dbs[txn->mt_numdbs];
4732                 mdb_default_cmp(txn, txn->mt_numdbs);
4733                 txn->mt_numdbs++;
4734         }
4735
4736         return rc;
4737 }
4738
4739 int mdb_stat(MDB_txn *txn, MDB_dbi dbi, MDB_stat *arg)
4740 {
4741         if (txn == NULL || arg == NULL || dbi >= txn->mt_numdbs)
4742                 return EINVAL;
4743
4744         return mdb_stat0(txn->mt_env, &txn->mt_dbs[dbi], arg);
4745 }
4746
4747 void mdb_close(MDB_txn *txn, MDB_dbi dbi)
4748 {
4749         char *ptr;
4750         if (dbi <= MAIN_DBI || dbi >= txn->mt_numdbs)
4751                 return;
4752         ptr = txn->mt_dbxs[dbi].md_name.mv_data;
4753         txn->mt_dbxs[dbi].md_name.mv_data = NULL;
4754         txn->mt_dbxs[dbi].md_name.mv_size = 0;
4755         free(ptr);
4756 }
4757
4758 int mdb_set_compare(MDB_txn *txn, MDB_dbi dbi, MDB_cmp_func *cmp)
4759 {
4760         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4761                 return EINVAL;
4762
4763         txn->mt_dbxs[dbi].md_cmp = cmp;
4764         return MDB_SUCCESS;
4765 }
4766
4767 int mdb_set_dupsort(MDB_txn *txn, MDB_dbi dbi, MDB_cmp_func *cmp)
4768 {
4769         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4770                 return EINVAL;
4771
4772         txn->mt_dbxs[dbi].md_dcmp = cmp;
4773         return MDB_SUCCESS;
4774 }
4775
4776 int mdb_set_relfunc(MDB_txn *txn, MDB_dbi dbi, MDB_rel_func *rel)
4777 {
4778         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4779                 return EINVAL;
4780
4781         txn->mt_dbxs[dbi].md_rel = rel;
4782         return MDB_SUCCESS;
4783 }
4784
4785 /** @} */