]> git.sur5r.net Git - openldap/blob - libraries/libmdb/mdb.c
5a73e99317f04849ab1ef78845f846b99f2cbc17
[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 <stddef.h>
52 #include <stdint.h>
53 #include <stdio.h>
54 #include <stdlib.h>
55 #include <string.h>
56 #include <time.h>
57 #include <unistd.h>
58
59 #ifndef _WIN32
60 #include <pthread.h>
61 #endif
62
63 #include "mdb.h"
64 #include "midl.h"
65
66 /** @defgroup internal  MDB Internals
67  *      @{
68  */
69 /** @defgroup compat    Windows Compatibility Macros
70  *      A bunch of macros to minimize the amount of platform-specific ifdefs
71  *      needed throughout the rest of the code. When the features this library
72  *      needs are similar enough to POSIX to be hidden in a one-or-two line
73  *      replacement, this macro approach is used.
74  *      @{
75  */
76 #ifdef _WIN32
77 #define pthread_t       DWORD
78 #define pthread_mutex_t HANDLE
79 #define pthread_key_t   DWORD
80 #define pthread_self()  GetCurrentThreadId()
81 #define pthread_key_create(x,y) *(x) = TlsAlloc()
82 #define pthread_key_delete(x)   TlsFree(x)
83 #define pthread_getspecific(x)  TlsGetValue(x)
84 #define pthread_setspecific(x,y)        TlsSetValue(x,y)
85 #define pthread_mutex_unlock(x) ReleaseMutex(x)
86 #define pthread_mutex_lock(x)   WaitForSingleObject(x, INFINITE)
87 #define LOCK_MUTEX_R(env)       pthread_mutex_lock(env->me_rmutex)
88 #define UNLOCK_MUTEX_R(env)     pthread_mutex_unlock(env->me_rmutex)
89 #define LOCK_MUTEX_W(env)       pthread_mutex_lock(env->me_wmutex)
90 #define UNLOCK_MUTEX_W(env)     pthread_mutex_unlock(env->me_wmutex)
91 #define getpid()        GetCurrentProcessId()
92 #define fdatasync(fd)   !FlushFileBuffers(fd)
93 #define ErrCode()       GetLastError()
94 #define GetPageSize(x)  {SYSTEM_INFO si; GetSystemInfo(&si); (x) = si.dwPageSize;}
95 #define close(fd)       CloseHandle(fd)
96 #define munmap(ptr,len) UnmapViewOfFile(ptr)
97 #else
98         /** Lock the reader mutex.
99          */
100 #define LOCK_MUTEX_R(env)       pthread_mutex_lock(&env->me_txns->mti_mutex)
101         /** Unlock the reader mutex.
102          */
103 #define UNLOCK_MUTEX_R(env)     pthread_mutex_unlock(&env->me_txns->mti_mutex)
104
105         /** Lock the writer mutex.
106          *      Only a single write transaction is allowed at a time. Other writers
107          *      will block waiting for this mutex.
108          */
109 #define LOCK_MUTEX_W(env)       pthread_mutex_lock(&env->me_txns->mti_wmutex)
110         /** Unlock the writer mutex.
111          */
112 #define UNLOCK_MUTEX_W(env)     pthread_mutex_unlock(&env->me_txns->mti_wmutex)
113
114         /** Get the error code for the last failed system function.
115          */
116 #define ErrCode()       errno
117
118         /** An abstraction for a file handle.
119          *      On POSIX systems file handles are small integers. On Windows
120          *      they're opaque pointers.
121          */
122 #define HANDLE  int
123
124         /**     A value for an invalid file handle.
125          *      Mainly used to initialize file variables and signify that they are
126          *      unused.
127          */
128 #define INVALID_HANDLE_VALUE    -1
129
130         /** Get the size of a memory page for the system.
131          *      This is the basic size that the platform's memory manager uses, and is
132          *      fundamental to the use of memory-mapped files.
133          */
134 #define GetPageSize(x)  (x) = sysconf(_SC_PAGE_SIZE)
135 #endif
136
137 /** @} */
138
139 #ifndef _WIN32
140 /**     A flag for opening a file and requesting synchronous data writes.
141  *      This is only used when writing a meta page. It's not strictly needed;
142  *      we could just do a normal write and then immediately perform a flush.
143  *      But if this flag is available it saves us an extra system call.
144  *
145  *      @note If O_DSYNC is undefined but exists in /usr/include,
146  * preferably set some compiler flag to get the definition.
147  * Otherwise compile with the less efficient -DMDB_DSYNC=O_SYNC.
148  */
149 #ifndef MDB_DSYNC
150 # define MDB_DSYNC      O_DSYNC
151 #endif
152 #endif
153
154         /** A page number in the database.
155          *      Note that 64 bit page numbers are overkill, since pages themselves
156          *      already represent 12-13 bits of addressable memory, and the OS will
157          *      always limit applications to a maximum of 63 bits of address space.
158          *
159          *      @note In the #MDB_node structure, we only store 48 bits of this value,
160          *      which thus limits us to only 60 bits of addressable data.
161          */
162 typedef ULONG           pgno_t;
163
164 /** @defgroup debug     Debug Macros
165  *      @{
166  */
167 #ifndef DEBUG
168         /**     Enable debug output.
169          *      Set this to 1 for copious tracing. Set to 2 to add dumps of all IDLs
170          *      read from and written to the database (used for free space management).
171          */
172 #define DEBUG 0
173 #endif
174
175 #if !(__STDC_VERSION__ >= 199901L || defined(__GNUC__))
176 # define DPRINTF        (void)  /* Vararg macros may be unsupported */
177 #elif DEBUG
178         /**     Print a debug message with printf formatting. */
179 # define DPRINTF(fmt, ...)      /**< Requires 2 or more args */ \
180         fprintf(stderr, "%s:%d:(%p) " fmt "\n", __func__, __LINE__, pthread_self(), __VA_ARGS__)
181 #else
182 # define DPRINTF(fmt, ...)      ((void) 0)
183 #endif
184         /**     Print a debug string.
185          *      The string is printed literally, with no format processing.
186          */
187 #define DPUTS(arg)      DPRINTF("%s", arg)
188 /** @} */
189
190         /** A default memory page size.
191          *      The actual size is platform-dependent, but we use this for
192          *      boot-strapping. We probably should not be using this any more.
193          *      The #GetPageSize() macro is used to get the actual size.
194          *
195          *      Note that we don't currently support Huge pages. On Linux,
196          *      regular data files cannot use Huge pages, and in general
197          *      Huge pages aren't actually pageable. We rely on the OS
198          *      demand-pager to read our data and page it out when memory
199          *      pressure from other processes is high. So until OSs have
200          *      actual paging support for Huge pages, they're not viable.
201          */
202 #define PAGESIZE         4096
203
204         /** The minimum number of keys required in a database page.
205          *      Setting this to a larger value will place a smaller bound on the
206          *      maximum size of a data item. Data items larger than this size will
207          *      be pushed into overflow pages instead of being stored directly in
208          *      the B-tree node. This value used to default to 4. With a page size
209          *      of 4096 bytes that meant that any item larger than 1024 bytes would
210          *      go into an overflow page. That also meant that on average 2-3KB of
211          *      each overflow page was wasted space. The value cannot be lower than
212          *      2 because then there would no longer be a tree structure. With this
213          *      value, items larger than 2KB will go into overflow pages, and on
214          *      average only 1KB will be wasted.
215          */
216 #define MDB_MINKEYS      2
217
218         /**     A stamp that identifies a file as an MDB file.
219          *      There's nothing special about this value other than that it is easily
220          *      recognizable, and it will reflect any byte order mismatches.
221          */
222 #define MDB_MAGIC        0xBEEFC0DE
223
224         /**     The version number for a database's file format. */
225 #define MDB_VERSION      1
226
227         /**     The maximum size of a key in the database.
228          *      While data items have essentially unbounded size, we require that
229          *      keys all fit onto a regular page. This limit could be raised a bit
230          *      further if needed; to something just under #PAGESIZE / #MDB_MINKEYS.
231          */
232 #define MAXKEYSIZE       511
233
234 #if DEBUG
235         /**     A key buffer.
236          *      @ingroup debug
237          *      This is used for printing a hex dump of a key's contents.
238          */
239 #define DKBUF   char kbuf[(MAXKEYSIZE*2+1)]
240         /**     Display a key in hex.
241          *      @ingroup debug
242          *      Invoke a function to display a key in hex.
243          */
244 #define DKEY(x) mdb_dkey(x, kbuf)
245 #else
246 #define DKBUF
247 #define DKEY(x)
248 #endif
249
250 /**     @defgroup lazylock      Lazy Locking
251  *      Macros for locks that are't actually needed.
252  *      The DB view is always consistent because all writes are wrapped in
253  *      the wmutex. Finer-grained locks aren't necessary.
254  *      @{
255  */
256 #ifndef LAZY_LOCKS
257         /**     Use lazy locking. I.e., don't lock these accesses at all. */
258 #define LAZY_LOCKS      1
259 #endif
260 #if     LAZY_LOCKS
261         /** Grab the reader lock */
262 #define LAZY_MUTEX_LOCK(x)
263         /** Release the reader lock */
264 #define LAZY_MUTEX_UNLOCK(x)
265         /** Release the DB table reader/writer lock */
266 #define LAZY_RWLOCK_UNLOCK(x)
267         /** Grab the DB table write lock */
268 #define LAZY_RWLOCK_WRLOCK(x)
269         /** Grab the DB table read lock */
270 #define LAZY_RWLOCK_RDLOCK(x)
271         /** Declare the DB table rwlock */
272 #define LAZY_RWLOCK_DEF(x)
273         /** Initialize the DB table rwlock */
274 #define LAZY_RWLOCK_INIT(x,y)
275         /**     Destroy the DB table rwlock */
276 #define LAZY_RWLOCK_DESTROY(x)
277 #else
278 #define LAZY_MUTEX_LOCK(x)              pthread_mutex_lock(x)
279 #define LAZY_MUTEX_UNLOCK(x)    pthread_mutex_unlock(x)
280 #define LAZY_RWLOCK_UNLOCK(x)   pthread_rwlock_unlock(x)
281 #define LAZY_RWLOCK_WRLOCK(x)   pthread_rwlock_wrlock(x)
282 #define LAZY_RWLOCK_RDLOCK(x)   pthread_rwlock_rdlock(x)
283 #define LAZY_RWLOCK_DEF(x)              pthread_rwlock_t        x
284 #define LAZY_RWLOCK_INIT(x,y)   pthread_rwlock_init(x,y)
285 #define LAZY_RWLOCK_DESTROY(x)  pthread_rwlock_destroy(x)
286 #endif
287 /** @} */
288
289         /** An invalid page number.
290          *      Mainly used to denote an empty tree.
291          */
292 #define P_INVALID        (~0UL)
293
294         /** Test if a flag \b f is set in a flag word \b w. */
295 #define F_ISSET(w, f)    (((w) & (f)) == (f))
296
297         /**     Used for offsets within a single page.
298          *      Since memory pages are typically 4 or 8KB in size, 12-13 bits,
299          *      this is plenty.
300          */
301 typedef uint16_t         indx_t;
302
303         /**     Default size of memory map.
304          *      This is certainly too small for any actual applications. Apps should always set
305          *      the size explicitly using #mdb_env_set_mapsize().
306          */
307 #define DEFAULT_MAPSIZE 1048576
308
309 /**     @defgroup readers       Reader Lock Table
310  *      Readers don't acquire any locks for their data access. Instead, they
311  *      simply record their transaction ID in the reader table. The reader
312  *      mutex is needed just to find an empty slot in the reader table. The
313  *      slot's address is saved in thread-specific data so that subsequent read
314  *      transactions started by the same thread need no further locking to proceed.
315  *
316  *      Since the database uses multi-version concurrency control, readers don't
317  *      actually need any locking. This table is used to keep track of which
318  *      readers are using data from which old transactions, so that we'll know
319  *      when a particular old transaction is no longer in use, Old transactions
320  *      that have freed any data pages can then have their freed pages reclaimed
321  *      for use by a later write transaction.
322  *
323  *      The lock table is constructed such that reader slots are aligned with the
324  *      processor's cache line size. Any slot is only ever used by one thread.
325  *      This alignment guarantees that there will be no contention or cache
326  *      thrashing as threads update their own slot info, and also eliminates
327  *      any need for locking when accessing a slot.
328  *
329  *      A writer thread will scan every slot in the table to determine the oldest
330  *      outstanding reader transaction. Any freed pages older than this will be
331  *      reclaimed by the writer. The writer doesn't use any locks when scanning
332  *      this table. This means that there's no guarantee that the writer will
333  *      see the most up-to-date reader info, but that's not required for correct
334  *      operation - all we need is to know the upper bound on the oldest reader,
335  *      we don't care at all about the newest reader. So the only consequence of
336  *      reading stale information here is that old pages might hang around a
337  *      while longer before being reclaimed. That's actually good anyway, because
338  *      the longer we delay reclaiming old pages, the more likely it is that a
339  *      string of contiguous pages can be found after coalescing old pages from
340  *      many old transactions together.
341  *
342  *      @todo We don't actually do such coalescing yet, we grab pages from one
343  *      old transaction at a time.
344  *      @{
345  */
346         /**     Number of slots in the reader table.
347          *      This value was chosen somewhat arbitrarily. 126 readers plus a
348          *      couple mutexes fit exactly into 8KB on my development machine.
349          *      Applications should set the table size using #mdb_env_set_maxreaders().
350          */
351 #define DEFAULT_READERS 126
352
353         /**     The size of a CPU cache line in bytes. We want our lock structures
354          *      aligned to this size to avoid false cache line sharing in the
355          *      lock table.
356          *      This value works for most CPUs. For Itanium this should be 128.
357          */
358 #ifndef CACHELINE
359 #define CACHELINE       64
360 #endif
361
362         /**     The information we store in a single slot of the reader table.
363          *      In addition to a transaction ID, we also record the process and
364          *      thread ID that owns a slot, so that we can detect stale information,
365          *      e.g. threads or processes that went away without cleaning up.
366          *      @note We currently don't check for stale records. We simply re-init
367          *      the table when we know that we're the only process opening the
368          *      lock file.
369          */
370 typedef struct MDB_rxbody {
371         /**     The current Transaction ID when this transaction began.
372          *      Multiple readers that start at the same time will probably have the
373          *      same ID here. Again, it's not important to exclude them from
374          *      anything; all we need to know is which version of the DB they
375          *      started from so we can avoid overwriting any data used in that
376          *      particular version.
377          */
378         ULONG           mrb_txnid;
379         /** The process ID of the process owning this reader txn. */
380         pid_t           mrb_pid;
381         /** The thread ID of the thread owning this txn. */
382         pthread_t       mrb_tid;
383 } MDB_rxbody;
384
385         /** The actual reader record, with cacheline padding. */
386 typedef struct MDB_reader {
387         union {
388                 MDB_rxbody mrx;
389                 /** shorthand for mrb_txnid */
390 #define mr_txnid        mru.mrx.mrb_txnid
391 #define mr_pid  mru.mrx.mrb_pid
392 #define mr_tid  mru.mrx.mrb_tid
393                 /** cache line alignment */
394                 char pad[(sizeof(MDB_rxbody)+CACHELINE-1) & ~(CACHELINE-1)];
395         } mru;
396 } MDB_reader;
397
398         /** The header for the reader table.
399          *      The table resides in a memory-mapped file. (This is a different file
400          *      than is used for the main database.)
401          *
402          *      For POSIX the actual mutexes reside in the shared memory of this
403          *      mapped file. On Windows, mutexes are named objects allocated by the
404          *      kernel; we store the mutex names in this mapped file so that other
405          *      processes can grab them. This same approach will also be used on
406          *      MacOSX/Darwin (using named semaphores) since MacOSX doesn't support
407          *      process-shared POSIX mutexes.
408          */
409 typedef struct MDB_txbody {
410                 /** Stamp identifying this as an MDB lock file. It must be set
411                  *      to #MDB_MAGIC. */
412         uint32_t        mtb_magic;
413                 /** Version number of this lock file. Must be set to #MDB_VERSION. */
414         uint32_t        mtb_version;
415 #ifdef _WIN32
416         char    mtb_rmname[32];
417 #else
418                 /** Mutex protecting access to this table.
419                  *      This is the reader lock that #LOCK_MUTEX_R acquires.
420                  */
421         pthread_mutex_t mtb_mutex;
422 #endif
423                 /**     The ID of the last transaction committed to the database.
424                  *      This is recorded here only for convenience; the value can always
425                  *      be determined by reading the main database meta pages.
426                  */
427         ULONG           mtb_txnid;
428                 /** The number of slots that have been used in the reader table.
429                  *      This always records the maximum count, it is not decremented
430                  *      when readers release their slots.
431                  */
432         uint32_t        mtb_numreaders;
433                 /**     The ID of the most recent meta page in the database.
434                  *      This is recorded here only for convenience; the value can always
435                  *      be determined by reading the main database meta pages.
436                  */
437         uint32_t        mtb_me_toggle;
438 } MDB_txbody;
439
440         /** The actual reader table definition. */
441 typedef struct MDB_txninfo {
442         union {
443                 MDB_txbody mtb;
444 #define mti_magic       mt1.mtb.mtb_magic
445 #define mti_version     mt1.mtb.mtb_version
446 #define mti_mutex       mt1.mtb.mtb_mutex
447 #define mti_rmname      mt1.mtb.mtb_rmname
448 #define mti_txnid       mt1.mtb.mtb_txnid
449 #define mti_numreaders  mt1.mtb.mtb_numreaders
450 #define mti_me_toggle   mt1.mtb.mtb_me_toggle
451                 char pad[(sizeof(MDB_txbody)+CACHELINE-1) & ~(CACHELINE-1)];
452         } mt1;
453         union {
454 #ifdef _WIN32
455                 char mt2_wmname[32];
456 #define mti_wmname      mt2.mt2_wmname
457 #else
458                 pthread_mutex_t mt2_wmutex;
459 #define mti_wmutex      mt2.mt2_wmutex
460 #endif
461                 char pad[(sizeof(pthread_mutex_t)+CACHELINE-1) & ~(CACHELINE-1)];
462         } mt2;
463         MDB_reader      mti_readers[1];
464 } MDB_txninfo;
465 /** @} */
466
467 /** Common header for all page types.
468  * Overflow pages occupy a number of contiguous pages with no
469  * headers on any page after the first.
470  */
471 typedef struct MDB_page {
472         union {
473                 pgno_t          mp_pgno;        /**< page number */
474                 void *          mp_next;        /**< for in-memory list of freed structs */
475         };
476 #define P_BRANCH         0x01           /**< branch page */
477 #define P_LEAF           0x02           /**< leaf page */
478 #define P_OVERFLOW       0x04           /**< overflow page */
479 #define P_META           0x08           /**< meta page */
480 #define P_DIRTY          0x10           /**< dirty page */
481 #define P_LEAF2          0x20           /**< for #MDB_DUPFIXED records */
482         uint32_t        mp_flags;
483         union {
484                 struct {
485                         indx_t          mp_lower;               /**< lower bound of free space */
486                         indx_t          mp_upper;               /**< upper bound of free space */
487                 };
488                 uint32_t        mp_pages;       /**< number of overflow pages */
489         };
490         indx_t          mp_ptrs[1];             /**< dynamic size */
491 } MDB_page;
492
493         /** Size of the page header, excluding dynamic data at the end */
494 #define PAGEHDRSZ        ((unsigned) offsetof(MDB_page, mp_ptrs))
495
496         /** Address of first usable data byte in a page, after the header */
497 #define METADATA(p)      ((void *)((char *)(p) + PAGEHDRSZ))
498
499         /** Number of nodes on a page */
500 #define NUMKEYS(p)       (((p)->mp_lower - PAGEHDRSZ) >> 1)
501
502         /** The amount of space remaining in the page */
503 #define SIZELEFT(p)      (indx_t)((p)->mp_upper - (p)->mp_lower)
504
505         /** The percentage of space used in the page, in tenths of a percent. */
506 #define PAGEFILL(env, p) (1000L * ((env)->me_psize - PAGEHDRSZ - SIZELEFT(p)) / \
507                                 ((env)->me_psize - PAGEHDRSZ))
508         /** The minimum page fill factor, in tenths of a percent.
509          *      Pages emptier than this are candidates for merging.
510          */
511 #define FILL_THRESHOLD   250
512
513         /** Test if a page is a leaf page */
514 #define IS_LEAF(p)       F_ISSET((p)->mp_flags, P_LEAF)
515         /** Test if a page is a LEAF2 page */
516 #define IS_LEAF2(p)      F_ISSET((p)->mp_flags, P_LEAF2)
517         /** Test if a page is a branch page */
518 #define IS_BRANCH(p)     F_ISSET((p)->mp_flags, P_BRANCH)
519         /** Test if a page is an overflow page */
520 #define IS_OVERFLOW(p)   F_ISSET((p)->mp_flags, P_OVERFLOW)
521
522         /** The number of overflow pages needed to store the given size. */
523 #define OVPAGES(size, psize)    ((PAGEHDRSZ-1 + (size)) / (psize) + 1)
524
525         /** Header for a single key/data pair within a page.
526          * We guarantee 2-byte alignment for nodes.
527          */
528 typedef struct MDB_node {
529         /** lo and hi are used for data size on leaf nodes and for
530          * child pgno on branch nodes. On 64 bit platforms, flags
531          * is also used for pgno. (branch nodes ignore flags)
532          */
533         unsigned short  mn_lo;
534         unsigned short  mn_hi;                  /**< part of dsize or pgno */
535         unsigned short  mn_flags;               /**< flags for special node types */
536 #define F_BIGDATA        0x01                   /**< data put on overflow page */
537 #define F_SUBDATA        0x02                   /**< data is a sub-database */
538 #define F_DUPDATA        0x04                   /**< data has duplicates */
539         unsigned short  mn_ksize;               /**< key size */
540         char            mn_data[1];                     /**< key and data are appended here */
541 } MDB_node;
542
543         /** Size of the node header, excluding dynamic data at the end */
544 #define NODESIZE         offsetof(MDB_node, mn_data)
545
546         /** Size of a node in a branch page with a given key.
547          *      This is just the node header plus the key, there is no data.
548          */
549 #define INDXSIZE(k)      (NODESIZE + ((k) == NULL ? 0 : (k)->mv_size))
550
551         /** Size of a node in a leaf page with a given key and data.
552          *      This is node header plus key plus data size.
553          */
554 #define LEAFSIZE(k, d)   (NODESIZE + (k)->mv_size + (d)->mv_size)
555
556         /** Address of node \b i in page \b p */
557 #define NODEPTR(p, i)    ((MDB_node *)((char *)(p) + (p)->mp_ptrs[i]))
558
559         /** Address of the key for the node */
560 #define NODEKEY(node)    (void *)((node)->mn_data)
561
562         /** Address of the data for a node */
563 #define NODEDATA(node)   (void *)((char *)(node)->mn_data + (node)->mn_ksize)
564
565         /** Get the page number pointed to by a branch node */
566 #if LONG_MAX == 0x7fffffff
567 #define NODEPGNO(node)   ((node)->mn_lo | ((node)->mn_hi << 16))
568         /** Set the page number in a branch node */
569 #define SETPGNO(node,pgno)      do { \
570         (node)->mn_lo = (pgno) & 0xffff; (node)->mn_hi = (pgno) >> 16;} while(0)
571 #else
572 #define NODEPGNO(node)   ((node)->mn_lo | ((node)->mn_hi << 16) | ((unsigned long)(node)->mn_flags << 32))
573         /** Set the page number in a branch node */
574 #define SETPGNO(node,pgno)      do { \
575         (node)->mn_lo = (pgno) & 0xffff; (node)->mn_hi = (pgno) >> 16; \
576         (node)->mn_flags = (pgno) >> 32; } while(0)
577 #endif
578
579         /** Get the size of the data in a leaf node */
580 #define NODEDSZ(node)    ((node)->mn_lo | ((unsigned)(node)->mn_hi << 16))
581         /** Set the size of the data for a leaf node */
582 #define SETDSZ(node,size)       do { \
583         (node)->mn_lo = (size) & 0xffff; (node)->mn_hi = (size) >> 16;} while(0)
584         /** The size of a key in a node */
585 #define NODEKSZ(node)    ((node)->mn_ksize)
586
587         /** The address of a key in a LEAF2 page.
588          *      LEAF2 pages are used for #MDB_DUPFIXED sorted-duplicate sub-DBs.
589          *      There are no node headers, keys are stored contiguously.
590          */
591 #define LEAF2KEY(p, i, ks)      ((char *)(p) + PAGEHDRSZ + ((i)*(ks)))
592
593         /** Set the \b node's key into \b key, if requested. */
594 #define MDB_SET_KEY(node, key)  if (key!=NULL) {(key)->mv_size = NODEKSZ(node); (key)->mv_data = NODEKEY(node);}
595
596         /** Information about a single database in the environment. */
597 typedef struct MDB_db {
598         uint32_t        md_pad;         /**< also ksize for LEAF2 pages */
599         uint16_t        md_flags;       /**< @ref mdb_open */
600         uint16_t        md_depth;       /**< depth of this tree */
601         ULONG           md_branch_pages;        /**< number of internal pages */
602         ULONG           md_leaf_pages;          /**< number of leaf pages */
603         ULONG           md_overflow_pages;      /**< number of overflow pages */
604         ULONG           md_entries;             /**< number of data items */
605         pgno_t          md_root;                /**< the root page of this tree */
606 } MDB_db;
607
608         /** Handle for the DB used to track free pages. */
609 #define FREE_DBI        0
610         /** Handle for the default DB. */
611 #define MAIN_DBI        1
612
613         /** Meta page content. */
614 typedef struct MDB_meta {
615                 /** Stamp identifying this as an MDB data file. It must be set
616                  *      to #MDB_MAGIC. */
617         uint32_t        mm_magic;
618                 /** Version number of this lock file. Must be set to #MDB_VERSION. */
619         uint32_t        mm_version;
620         void            *mm_address;            /**< address for fixed mapping */
621         size_t          mm_mapsize;                     /**< size of mmap region */
622         MDB_db          mm_dbs[2];                      /**< first is free space, 2nd is main db */
623         /** The size of pages used in this DB */
624 #define mm_psize        mm_dbs[0].md_pad
625         /** Any persistent environment flags. @ref mdb_env */
626 #define mm_flags        mm_dbs[0].md_flags
627         pgno_t          mm_last_pg;                     /**< last used page in file */
628         ULONG           mm_txnid;                       /**< txnid that committed this page */
629 } MDB_meta;
630
631         /** Auxiliary DB info.
632          *      The information here is mostly static/read-only. There is
633          *      only a single copy of this record in the environment.
634          *      The \b md_dirty flag is not read-only, but only a write
635          *      transaction can ever update it, and only write transactions
636          *      need to worry about it.
637          */
638 typedef struct MDB_dbx {
639         MDB_val         md_name;                /**< name of the database */
640         MDB_cmp_func    *md_cmp;        /**< function for comparing keys */
641         MDB_cmp_func    *md_dcmp;       /**< function for comparing data items */
642         MDB_rel_func    *md_rel;        /**< user relocate function */
643         MDB_dbi md_parent;                      /**< parent DB of a sub-DB */
644         unsigned int    md_dirty;       /**< TRUE if DB was written in this txn */
645 } MDB_dbx;
646
647         /** A database transaction.
648          *      Every operation requires a transaction handle.
649          */
650 struct MDB_txn {
651         pgno_t          mt_next_pgno;   /**< next unallocated page */
652         /** The ID of this transaction. IDs are integers incrementing from 1.
653          *      Only committed write transactions increment the ID. If a transaction
654          *      aborts, the ID may be re-used by the next writer.
655          */
656         ULONG           mt_txnid;
657         MDB_env         *mt_env;                /**< the DB environment */
658         /** The list of pages that became unused during this transaction.
659          *      This is an #IDL.
660          */
661         pgno_t          *mt_free_pgs;
662         union {
663                 ID2L    dirty_list;     /**< modified pages */
664                 MDB_reader      *reader;        /**< this thread's slot in the reader table */
665         } mt_u;
666         /** Array of records for each DB known in the environment. */
667         MDB_dbx         *mt_dbxs;
668         /** Array of MDB_db records for each known DB */
669         MDB_db          *mt_dbs;
670         /**     Number of DB records in use. This number only ever increments;
671          *      we don't decrement it when individual DB handles are closed.
672          */
673         unsigned int    mt_numdbs;
674
675 #define MDB_TXN_RDONLY          0x01            /**< read-only transaction */
676 #define MDB_TXN_ERROR           0x02            /**< an error has occurred */
677         unsigned int    mt_flags;
678         /** Tracks which of the two meta pages was used at the start
679          *      of this transaction.
680          */
681         unsigned int    mt_toggle;
682 };
683
684 /** Enough space for 2^32 nodes with minimum of 2 keys per node. I.e., plenty.
685  * At 4 keys per node, enough for 2^64 nodes, so there's probably no need to
686  * raise this on a 64 bit machine.
687  */
688 #define CURSOR_STACK             32
689
690 struct MDB_xcursor;
691
692         /** Cursors are used for all DB operations */
693 struct MDB_cursor {
694         /** Context used for databases with #MDB_DUPSORT, otherwise NULL */
695         struct MDB_xcursor      *mc_xcursor;
696         /** The transaction that owns this cursor */
697         MDB_txn         *mc_txn;
698         /** The database handle this cursor operates on */
699         MDB_dbi         mc_dbi;
700         unsigned short  mc_snum;        /**< number of pushed pages */
701         unsigned short  mc_top;         /**< index of top page, mc_snum-1 */
702         unsigned int    mc_flags;
703 #define C_INITIALIZED   0x01    /**< cursor has been initialized and is valid */
704 #define C_EOF   0x02                    /**< No more data */
705 #define C_XDIRTY        0x04            /**< @deprecated mc_xcursor needs to be flushed */
706         MDB_page        *mc_pg[CURSOR_STACK];   /**< stack of pushed pages */
707         indx_t          mc_ki[CURSOR_STACK];    /**< stack of page indices */
708 };
709
710         /** Context for sorted-dup records.
711          *      We could have gone to a fully recursive design, with arbitrarily
712          *      deep nesting of sub-databases. But for now we only handle these
713          *      levels - main DB, optional sub-DB, sorted-duplicate DB.
714          */
715 typedef struct MDB_xcursor {
716         /** A sub-cursor for traversing the Dup DB */
717         MDB_cursor mx_cursor;
718         /** A fake transaction struct for pointing to our own table
719          *      of DB info.
720          */
721         MDB_txn mx_txn;
722         /**     Our private DB information tables. Slots 0 and 1 are always
723          *      copies of the corresponding slots in the main transaction. These
724          *      hold the FREEDB and MAINDB, respectively. If the main cursor is
725          *      on a sub-database, that will be copied to slot 2, and the duplicate
726          *      database info will be in slot 3. If the main cursor is on the MAINDB
727          *      then the duplicate DB info will be in slot 2 and slot 3 will be unused.
728          */
729         MDB_dbx mx_dbxs[4];
730         /** MDB_db table */
731         MDB_db  mx_dbs[4];
732 } MDB_xcursor;
733
734         /** A set of pages freed by an earlier transaction. */
735 typedef struct MDB_oldpages {
736         /** Usually we only read one record from the FREEDB at a time, but
737          *      in case we read more, this will chain them together.
738          */
739         struct MDB_oldpages *mo_next;
740         /**     The ID of the transaction in which these pages were freed. */
741         ULONG           mo_txnid;
742         /** An #IDL of the pages */
743         pgno_t          mo_pages[1];    /* dynamic */
744 } MDB_oldpages;
745
746         /** The database environment. */
747 struct MDB_env {
748         HANDLE          me_fd;          /**< The main data file */
749         HANDLE          me_lfd;         /**< The lock file */
750         HANDLE          me_mfd;                 /**< just for writing the meta pages */
751         /** Failed to update the meta page. Probably an I/O error. */
752 #define MDB_FATAL_ERROR 0x80000000U
753         uint32_t        me_flags;
754         uint32_t        me_extrapad;    /**< unused for now */
755         unsigned int    me_maxreaders;  /**< size of the reader table */
756         unsigned int    me_numdbs;              /**< number of DBs opened */
757         unsigned int    me_maxdbs;              /**< size of the DB table */
758         char            *me_path;               /**< path to the DB files */
759         char            *me_map;                /**< the memory map of the data file */
760         MDB_txninfo     *me_txns;               /**< the memory map of the lock file */
761         MDB_meta        *me_metas[2];   /**< pointers to the two meta pages */
762         MDB_txn         *me_txn;                /**< current write transaction */
763         size_t          me_mapsize;             /**< size of the data memory map */
764         off_t           me_size;                /**< current file size */
765         pgno_t          me_maxpg;               /**< me_mapsize / me_psize */
766         unsigned int    me_psize;       /**< size of a page, from #GetPageSize */
767         unsigned int    me_db_toggle;   /**< which DB table is current */
768         MDB_dbx         *me_dbxs;               /**< array of static DB info */
769         MDB_db          *me_dbs[2];             /**< two arrays of MDB_db info */
770         MDB_oldpages *me_pghead;        /**< list of old page records */
771         pthread_key_t   me_txkey;       /**< thread-key for readers */
772         MDB_page        *me_dpages;             /**< list of malloc'd blocks for re-use */
773         /** IDL of pages that became unused in a write txn */
774         pgno_t          me_free_pgs[MDB_IDL_UM_SIZE];
775         /** ID2L of pages that were written during a write txn */
776         ID2                     me_dirty_list[MDB_IDL_UM_SIZE];
777         /** rwlock for the DB tables, if #LAZY_LOCKS is false */
778         LAZY_RWLOCK_DEF(me_dblock);
779 #ifdef _WIN32
780         HANDLE          me_rmutex;              /* Windows mutexes don't reside in shared mem */
781         HANDLE          me_wmutex;
782 #endif
783 };
784         /** max number of pages to commit in one writev() call */
785 #define MDB_COMMIT_PAGES         64
786
787 static MDB_page *mdb_alloc_page(MDB_cursor *mc, int num);
788 static int              mdb_touch(MDB_cursor *mc);
789
790 static int  mdb_search_page_root(MDB_cursor *mc,
791                             MDB_val *key, int modify);
792 static int  mdb_search_page(MDB_cursor *mc,
793                             MDB_val *key, int modify);
794
795 static int  mdb_env_read_header(MDB_env *env, MDB_meta *meta);
796 static int  mdb_env_read_meta(MDB_env *env, int *which);
797 static int  mdb_env_write_meta(MDB_txn *txn);
798 static int  mdb_get_page(MDB_txn *txn, pgno_t pgno, MDB_page **mp);
799
800 static MDB_node *mdb_search_node(MDB_cursor *mc, MDB_val *key, int *exactp);
801 static int  mdb_add_node(MDB_cursor *mc, indx_t indx,
802                             MDB_val *key, MDB_val *data, pgno_t pgno, uint8_t flags);
803 static void mdb_del_node(MDB_page *mp, indx_t indx, int ksize);
804 static int mdb_del0(MDB_cursor *mc, MDB_node *leaf);
805 static int  mdb_read_data(MDB_txn *txn, MDB_node *leaf, MDB_val *data);
806
807 static int      mdb_rebalance(MDB_cursor *mc);
808 static int      mdb_update_key(MDB_page *mp, indx_t indx, MDB_val *key);
809 static int      mdb_move_node(MDB_cursor *csrc, MDB_cursor *cdst);
810 static int      mdb_merge(MDB_cursor *csrc, MDB_cursor *cdst);
811 static int      mdb_split(MDB_cursor *mc, MDB_val *newkey, MDB_val *newdata,
812                                 pgno_t newpgno);
813 static MDB_page *mdb_new_page(MDB_cursor *mc, uint32_t flags, int num);
814
815 static void     cursor_pop_page(MDB_cursor *mc);
816 static int      cursor_push_page(MDB_cursor *mc, MDB_page *mp);
817
818 static int      mdb_sibling(MDB_cursor *mc, int move_right);
819 static int      mdb_cursor_next(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op);
820 static int      mdb_cursor_prev(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op);
821 static int      mdb_cursor_set(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op,
822                                 int *exactp);
823 static int      mdb_cursor_first(MDB_cursor *mc, MDB_val *key, MDB_val *data);
824 static int      mdb_cursor_last(MDB_cursor *mc, MDB_val *key, MDB_val *data);
825
826 static void     mdb_xcursor_init0(MDB_cursor *mc);
827 static void     mdb_xcursor_init1(MDB_cursor *mc, MDB_node *node);
828 static void     mdb_xcursor_init2(MDB_cursor *mc);
829 static void     mdb_xcursor_fini(MDB_cursor *mc);
830
831 static size_t   mdb_leaf_size(MDB_env *env, MDB_val *key, MDB_val *data);
832 static size_t   mdb_branch_size(MDB_env *env, MDB_val *key);
833
834 static void mdb_default_cmp(MDB_txn *txn, MDB_dbi dbi);
835
836 /** @cond */
837 static MDB_cmp_func     memncmp, memnrcmp, intcmp, cintcmp;
838 /** @endcond */
839
840 #ifdef _WIN32
841 static SECURITY_DESCRIPTOR mdb_null_sd;
842 static SECURITY_ATTRIBUTES mdb_all_sa;
843 static int mdb_sec_inited;
844 #endif
845
846 /** Return the library version info. */
847 char *
848 mdb_version(int *major, int *minor, int *patch)
849 {
850         if (major) *major = MDB_VERSION_MAJOR;
851         if (minor) *minor = MDB_VERSION_MINOR;
852         if (patch) *patch = MDB_VERSION_PATCH;
853         return MDB_VERSION_STRING;
854 }
855
856 /** Table of descriptions for MDB @ref errors */
857 static char *const mdb_errstr[] = {
858         "MDB_KEYEXIST: Key/data pair already exists",
859         "MDB_NOTFOUND: No matching key/data pair found",
860         "MDB_PAGE_NOTFOUND: Requested page not found",
861         "MDB_CORRUPTED: Located page was wrong type",
862         "MDB_PANIC: Update of meta page failed",
863         "MDB_VERSION_MISMATCH: Database environment version mismatch"
864 };
865
866 char *
867 mdb_strerror(int err)
868 {
869         if (!err)
870                 return ("Successful return: 0");
871
872         if (err >= MDB_KEYEXIST && err <= MDB_VERSION_MISMATCH)
873                 return mdb_errstr[err - MDB_KEYEXIST];
874
875         return strerror(err);
876 }
877
878 #if DEBUG
879 /** Display a key in hexadecimal and return the address of the result.
880  * @param[in] key the key to display
881  * @param[in] buf the buffer to write into. Should always be #DKBUF.
882  * @return The key in hexadecimal form.
883  */
884 static char *
885 mdb_dkey(MDB_val *key, char *buf)
886 {
887         char *ptr = buf;
888         unsigned char *c = key->mv_data;
889         unsigned int i;
890         if (key->mv_size > MAXKEYSIZE)
891                 return "MAXKEYSIZE";
892         /* may want to make this a dynamic check: if the key is mostly
893          * printable characters, print it as-is instead of converting to hex.
894          */
895 #if 1
896         for (i=0; i<key->mv_size; i++)
897                 ptr += sprintf(ptr, "%02x", *c++);
898 #else
899         sprintf(buf, "%.*s", key->mv_size, key->mv_data);
900 #endif
901         return buf;
902 }
903 #endif
904
905 int
906 mdb_cmp(MDB_txn *txn, MDB_dbi dbi, const MDB_val *a, const MDB_val *b)
907 {
908         return txn->mt_dbxs[dbi].md_cmp(a, b);
909 }
910
911 /** Compare two data items according to a particular database.
912  * This returns a comparison as if the two items were data items of
913  * a sorted duplicates #MDB_DUPSORT database.
914  * @param[in] txn A transaction handle returned by #mdb_txn_begin()
915  * @param[in] dbi A database handle returned by #mdb_open()
916  * @param[in] a The first item to compare
917  * @param[in] b The second item to compare
918  * @return < 0 if a < b, 0 if a == b, > 0 if a > b
919  */
920 int
921 mdb_dcmp(MDB_txn *txn, MDB_dbi dbi, const MDB_val *a, const MDB_val *b)
922 {
923         if (txn->mt_dbxs[dbi].md_dcmp)
924                 return txn->mt_dbxs[dbi].md_dcmp(a, b);
925         else
926                 return EINVAL;  /* too bad you can't distinguish this from a valid result */
927 }
928
929 /** Allocate pages for writing.
930  * If there are free pages available from older transactions, they
931  * will be re-used first. Otherwise a new page will be allocated.
932  * @param[in] mc cursor A cursor handle identifying the transaction and
933  *      database for which we are allocating.
934  * @param[in] num the number of pages to allocate.
935  * @return Address of the allocated page(s). Requests for multiple pages
936  *  will always be satisfied by a single contiguous chunk of memory.
937  */
938 static MDB_page *
939 mdb_alloc_page(MDB_cursor *mc, int num)
940 {
941         MDB_txn *txn = mc->mc_txn;
942         MDB_page *np;
943         pgno_t pgno = P_INVALID;
944         ID2 mid;
945
946         if (txn->mt_txnid > 2) {
947
948                 if (!txn->mt_env->me_pghead && mc->mc_dbi != FREE_DBI &&
949                         txn->mt_dbs[FREE_DBI].md_root != P_INVALID) {
950                         /* See if there's anything in the free DB */
951                         MDB_cursor m2;
952                         MDB_node *leaf;
953                         ULONG *kptr, oldest;
954
955                         m2.mc_txn = txn;
956                         m2.mc_dbi = FREE_DBI;
957                         m2.mc_snum = 0;
958                         m2.mc_flags = 0;
959                         mdb_search_page(&m2, NULL, 0);
960                         leaf = NODEPTR(m2.mc_pg[m2.mc_top], 0);
961                         kptr = (ULONG *)NODEKEY(leaf);
962
963                         {
964                                 unsigned int i;
965                                 oldest = txn->mt_txnid - 1;
966                                 for (i=0; i<txn->mt_env->me_txns->mti_numreaders; i++) {
967                                         ULONG mr = txn->mt_env->me_txns->mti_readers[i].mr_txnid;
968                                         if (mr && mr < oldest)
969                                                 oldest = mr;
970                                 }
971                         }
972
973                         if (oldest > *kptr) {
974                                 /* It's usable, grab it.
975                                  */
976                                 MDB_oldpages *mop;
977                                 MDB_val data;
978                                 pgno_t *idl;
979
980                                 mdb_read_data(txn, leaf, &data);
981                                 idl = (ULONG *)data.mv_data;
982                                 mop = malloc(sizeof(MDB_oldpages) + MDB_IDL_SIZEOF(idl) - sizeof(pgno_t));
983                                 mop->mo_next = txn->mt_env->me_pghead;
984                                 mop->mo_txnid = *kptr;
985                                 txn->mt_env->me_pghead = mop;
986                                 memcpy(mop->mo_pages, idl, MDB_IDL_SIZEOF(idl));
987
988 #if DEBUG > 1
989                                 {
990                                         unsigned int i;
991                                         DPRINTF("IDL read txn %lu root %lu num %lu",
992                                                 mop->mo_txnid, txn->mt_dbs[FREE_DBI].md_root, idl[0]);
993                                         for (i=0; i<idl[0]; i++) {
994                                                 DPRINTF("IDL %lu", idl[i+1]);
995                                         }
996                                 }
997 #endif
998                                 /* drop this IDL from the DB */
999                                 m2.mc_ki[m2.mc_top] = 0;
1000                                 m2.mc_flags = C_INITIALIZED;
1001                                 mdb_cursor_del(&m2, 0);
1002                         }
1003                 }
1004                 if (txn->mt_env->me_pghead) {
1005                         MDB_oldpages *mop = txn->mt_env->me_pghead;
1006                         if (num > 1) {
1007                                 /* FIXME: For now, always use fresh pages. We
1008                                  * really ought to search the free list for a
1009                                  * contiguous range.
1010                                  */
1011                                 ;
1012                         } else {
1013                                 /* peel pages off tail, so we only have to truncate the list */
1014                                 pgno = MDB_IDL_LAST(mop->mo_pages);
1015                                 if (MDB_IDL_IS_RANGE(mop->mo_pages)) {
1016                                         mop->mo_pages[2]++;
1017                                         if (mop->mo_pages[2] > mop->mo_pages[1])
1018                                                 mop->mo_pages[0] = 0;
1019                                 } else {
1020                                         mop->mo_pages[0]--;
1021                                 }
1022                                 if (MDB_IDL_IS_ZERO(mop->mo_pages)) {
1023                                         txn->mt_env->me_pghead = mop->mo_next;
1024                                         free(mop);
1025                                 }
1026                         }
1027                 }
1028         }
1029
1030         if (pgno == P_INVALID) {
1031                 /* DB size is maxed out */
1032                 if (txn->mt_next_pgno + num >= txn->mt_env->me_maxpg)
1033                         return NULL;
1034         }
1035         if (txn->mt_env->me_dpages && num == 1) {
1036                 np = txn->mt_env->me_dpages;
1037                 txn->mt_env->me_dpages = np->mp_next;
1038         } else {
1039                 if ((np = malloc(txn->mt_env->me_psize * num )) == NULL)
1040                         return NULL;
1041         }
1042         if (pgno == P_INVALID) {
1043                 np->mp_pgno = txn->mt_next_pgno;
1044                 txn->mt_next_pgno += num;
1045         } else {
1046                 np->mp_pgno = pgno;
1047         }
1048         mid.mid = np->mp_pgno;
1049         mid.mptr = np;
1050         mdb_mid2l_insert(txn->mt_u.dirty_list, &mid);
1051
1052         return np;
1053 }
1054
1055 /** Touch a page: make it dirty and re-insert into tree with updated pgno.
1056  * @param[in] mc cursor pointing to the page to be touched
1057  * @return 0 on success, non-zero on failure.
1058  */
1059 static int
1060 mdb_touch(MDB_cursor *mc)
1061 {
1062         MDB_page *mp = mc->mc_pg[mc->mc_top];
1063         pgno_t  pgno;
1064
1065         if (!F_ISSET(mp->mp_flags, P_DIRTY)) {
1066                 MDB_page *np;
1067                 if ((np = mdb_alloc_page(mc, 1)) == NULL)
1068                         return ENOMEM;
1069                 DPRINTF("touched db %u page %lu -> %lu", mc->mc_dbi, mp->mp_pgno, np->mp_pgno);
1070                 assert(mp->mp_pgno != np->mp_pgno);
1071                 mdb_midl_append(mc->mc_txn->mt_free_pgs, mp->mp_pgno);
1072                 pgno = np->mp_pgno;
1073                 memcpy(np, mp, mc->mc_txn->mt_env->me_psize);
1074                 mp = np;
1075                 mp->mp_pgno = pgno;
1076                 mp->mp_flags |= P_DIRTY;
1077
1078                 mc->mc_pg[mc->mc_top] = mp;
1079                 /** If this page has a parent, update the parent to point to
1080                  * this new page.
1081                  */
1082                 if (mc->mc_top)
1083                         SETPGNO(NODEPTR(mc->mc_pg[mc->mc_top-1], mc->mc_ki[mc->mc_top-1]), mp->mp_pgno);
1084         }
1085         return 0;
1086 }
1087
1088 int
1089 mdb_env_sync(MDB_env *env, int force)
1090 {
1091         int rc = 0;
1092         if (force || !F_ISSET(env->me_flags, MDB_NOSYNC)) {
1093                 if (fdatasync(env->me_fd))
1094                         rc = ErrCode();
1095         }
1096         return rc;
1097 }
1098
1099 static inline void
1100 mdb_txn_reset0(MDB_txn *txn);
1101
1102 /** Common code for #mdb_txn_begin() and #mdb_txn_renew().
1103  * @param[in] txn the transaction handle to initialize
1104  * @return 0 on success, non-zero on failure. This can only
1105  * fail for read-only transactions, and then only if the
1106  * reader table is full.
1107  */
1108 static inline int
1109 mdb_txn_renew0(MDB_txn *txn)
1110 {
1111         MDB_env *env = txn->mt_env;
1112
1113         if (txn->mt_flags & MDB_TXN_RDONLY) {
1114                 MDB_reader *r = pthread_getspecific(env->me_txkey);
1115                 if (!r) {
1116                         unsigned int i;
1117                         pid_t pid = getpid();
1118                         pthread_t tid = pthread_self();
1119
1120                         LOCK_MUTEX_R(env);
1121                         for (i=0; i<env->me_txns->mti_numreaders; i++)
1122                                 if (env->me_txns->mti_readers[i].mr_pid == 0)
1123                                         break;
1124                         if (i == env->me_maxreaders) {
1125                                 UNLOCK_MUTEX_R(env);
1126                                 return ENOMEM;
1127                         }
1128                         env->me_txns->mti_readers[i].mr_pid = pid;
1129                         env->me_txns->mti_readers[i].mr_tid = tid;
1130                         if (i >= env->me_txns->mti_numreaders)
1131                                 env->me_txns->mti_numreaders = i+1;
1132                         UNLOCK_MUTEX_R(env);
1133                         r = &env->me_txns->mti_readers[i];
1134                         pthread_setspecific(env->me_txkey, r);
1135                 }
1136                 txn->mt_txnid = env->me_txns->mti_txnid;
1137                 txn->mt_toggle = env->me_txns->mti_me_toggle;
1138                 r->mr_txnid = txn->mt_txnid;
1139                 txn->mt_u.reader = r;
1140         } else {
1141                 LOCK_MUTEX_W(env);
1142
1143                 txn->mt_txnid = env->me_txns->mti_txnid+1;
1144                 txn->mt_toggle = env->me_txns->mti_me_toggle;
1145                 txn->mt_u.dirty_list = env->me_dirty_list;
1146                 txn->mt_u.dirty_list[0].mid = 0;
1147                 txn->mt_free_pgs = env->me_free_pgs;
1148                 txn->mt_free_pgs[0] = 0;
1149                 txn->mt_next_pgno = env->me_metas[txn->mt_toggle]->mm_last_pg+1;
1150                 env->me_txn = txn;
1151         }
1152
1153         /* Copy the DB arrays */
1154         LAZY_RWLOCK_RDLOCK(&env->me_dblock);
1155         txn->mt_numdbs = env->me_numdbs;
1156         txn->mt_dbxs = env->me_dbxs;    /* mostly static anyway */
1157         memcpy(txn->mt_dbs, env->me_metas[txn->mt_toggle]->mm_dbs, 2 * sizeof(MDB_db));
1158         if (txn->mt_numdbs > 2)
1159                 memcpy(txn->mt_dbs+2, env->me_dbs[env->me_db_toggle]+2,
1160                         (txn->mt_numdbs - 2) * sizeof(MDB_db));
1161         LAZY_RWLOCK_UNLOCK(&env->me_dblock);
1162
1163         return MDB_SUCCESS;
1164 }
1165
1166 int
1167 mdb_txn_renew(MDB_txn *txn)
1168 {
1169         int rc;
1170
1171         if (!txn)
1172                 return EINVAL;
1173
1174         if (txn->mt_env->me_flags & MDB_FATAL_ERROR) {
1175                 DPUTS("environment had fatal error, must shutdown!");
1176                 return MDB_PANIC;
1177         }
1178
1179         rc = mdb_txn_renew0(txn);
1180         if (rc == MDB_SUCCESS) {
1181                 DPRINTF("renew txn %lu%c %p on mdbenv %p, root page %lu",
1182                         txn->mt_txnid, (txn->mt_flags & MDB_TXN_RDONLY) ? 'r' : 'w', txn,
1183                         (void *)txn->mt_env, txn->mt_dbs[MAIN_DBI].md_root);
1184         }
1185         return rc;
1186 }
1187
1188 int
1189 mdb_txn_begin(MDB_env *env, unsigned int flags, MDB_txn **ret)
1190 {
1191         MDB_txn *txn;
1192         int rc;
1193
1194         if (env->me_flags & MDB_FATAL_ERROR) {
1195                 DPUTS("environment had fatal error, must shutdown!");
1196                 return MDB_PANIC;
1197         }
1198         if ((txn = calloc(1, sizeof(MDB_txn) + env->me_maxdbs * sizeof(MDB_db))) == NULL) {
1199                 DPRINTF("calloc: %s", strerror(ErrCode()));
1200                 return ENOMEM;
1201         }
1202         txn->mt_dbs = (MDB_db *)(txn+1);
1203         if (flags & MDB_RDONLY) {
1204                 txn->mt_flags |= MDB_TXN_RDONLY;
1205         }
1206         txn->mt_env = env;
1207
1208         rc = mdb_txn_renew0(txn);
1209         if (rc)
1210                 free(txn);
1211         else {
1212                 *ret = txn;
1213                 DPRINTF("begin txn %lu%c %p on mdbenv %p, root page %lu",
1214                         txn->mt_txnid, (txn->mt_flags & MDB_TXN_RDONLY) ? 'r' : 'w', txn,
1215                         (void *) env, txn->mt_dbs[MAIN_DBI].md_root);
1216         }
1217
1218         return rc;
1219 }
1220
1221 /** Common code for #mdb_txn_reset() and #mdb_txn_abort().
1222  * @param[in] txn the transaction handle to reset
1223  */
1224 static inline void
1225 mdb_txn_reset0(MDB_txn *txn)
1226 {
1227         MDB_env *env = txn->mt_env;
1228
1229         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
1230                 txn->mt_u.reader->mr_txnid = 0;
1231         } else {
1232                 MDB_oldpages *mop;
1233                 MDB_page *dp;
1234                 unsigned int i;
1235
1236                 /* return all dirty pages to dpage list */
1237                 for (i=1; i<=txn->mt_u.dirty_list[0].mid; i++) {
1238                         dp = txn->mt_u.dirty_list[i].mptr;
1239                         if (!IS_OVERFLOW(dp) || dp->mp_pages == 1) {
1240                                 dp->mp_next = txn->mt_env->me_dpages;
1241                                 txn->mt_env->me_dpages = dp;
1242                         } else {
1243                                 /* large pages just get freed directly */
1244                                 free(dp);
1245                         }
1246                 }
1247
1248                 while ((mop = txn->mt_env->me_pghead)) {
1249                         txn->mt_env->me_pghead = mop->mo_next;
1250                         free(mop);
1251                 }
1252
1253                 env->me_txn = NULL;
1254                 for (i=2; i<env->me_numdbs; i++)
1255                         env->me_dbxs[i].md_dirty = 0;
1256                 /* The writer mutex was locked in mdb_txn_begin. */
1257                 UNLOCK_MUTEX_W(env);
1258         }
1259 }
1260
1261 void
1262 mdb_txn_reset(MDB_txn *txn)
1263 {
1264         if (txn == NULL)
1265                 return;
1266
1267         DPRINTF("reset txn %lu%c %p on mdbenv %p, root page %lu",
1268                 txn->mt_txnid, (txn->mt_flags & MDB_TXN_RDONLY) ? 'r' : 'w', txn,
1269                 (void *)txn->mt_env, txn->mt_dbs[MAIN_DBI].md_root);
1270
1271         mdb_txn_reset0(txn);
1272 }
1273
1274 void
1275 mdb_txn_abort(MDB_txn *txn)
1276 {
1277         if (txn == NULL)
1278                 return;
1279
1280         DPRINTF("abort txn %lu%c %p on mdbenv %p, root page %lu",
1281                 txn->mt_txnid, (txn->mt_flags & MDB_TXN_RDONLY) ? 'r' : 'w', txn,
1282                 (void *)txn->mt_env, txn->mt_dbs[MAIN_DBI].md_root);
1283
1284         mdb_txn_reset0(txn);
1285         free(txn);
1286 }
1287
1288 int
1289 mdb_txn_commit(MDB_txn *txn)
1290 {
1291         int              n, done;
1292         unsigned int i;
1293         ssize_t          rc;
1294         off_t            size;
1295         MDB_page        *dp;
1296         MDB_env *env;
1297         pgno_t  next;
1298         MDB_cursor mc;
1299
1300         assert(txn != NULL);
1301         assert(txn->mt_env != NULL);
1302
1303         env = txn->mt_env;
1304
1305         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
1306                 mdb_txn_abort(txn);
1307                 return MDB_SUCCESS;
1308         }
1309
1310         if (txn != env->me_txn) {
1311                 DPUTS("attempt to commit unknown transaction");
1312                 mdb_txn_abort(txn);
1313                 return EINVAL;
1314         }
1315
1316         if (F_ISSET(txn->mt_flags, MDB_TXN_ERROR)) {
1317                 DPUTS("error flag is set, can't commit");
1318                 mdb_txn_abort(txn);
1319                 return EINVAL;
1320         }
1321
1322         if (!txn->mt_u.dirty_list[0].mid)
1323                 goto done;
1324
1325         DPRINTF("committing txn %lu %p on mdbenv %p, root page %lu",
1326             txn->mt_txnid, txn, (void *)env, txn->mt_dbs[MAIN_DBI].md_root);
1327
1328         mc.mc_txn = txn;
1329         mc.mc_dbi = FREE_DBI;
1330         mc.mc_flags = 0;
1331
1332         /* should only be one record now */
1333         if (env->me_pghead) {
1334                 /* make sure first page of freeDB is touched and on freelist */
1335                 mdb_search_page(&mc, NULL, 1);
1336         }
1337         /* save to free list */
1338         if (!MDB_IDL_IS_ZERO(txn->mt_free_pgs)) {
1339                 MDB_val key, data;
1340                 ULONG i;
1341
1342                 /* make sure last page of freeDB is touched and on freelist */
1343                 key.mv_size = MAXKEYSIZE+1;
1344                 key.mv_data = NULL;
1345                 mdb_search_page(&mc, &key, 1);
1346
1347                 mdb_midl_sort(txn->mt_free_pgs);
1348 #if DEBUG > 1
1349                 {
1350                         unsigned int i;
1351                         ULONG *idl = txn->mt_free_pgs;
1352                         DPRINTF("IDL write txn %lu root %lu num %lu",
1353                                 txn->mt_txnid, txn->mt_dbs[FREE_DBI].md_root, idl[0]);
1354                         for (i=0; i<idl[0]; i++) {
1355                                 DPRINTF("IDL %lu", idl[i+1]);
1356                         }
1357                 }
1358 #endif
1359                 /* write to last page of freeDB */
1360                 key.mv_size = sizeof(pgno_t);
1361                 key.mv_data = (char *)&txn->mt_txnid;
1362                 data.mv_data = txn->mt_free_pgs;
1363                 /* The free list can still grow during this call,
1364                  * despite the pre-emptive touches above. So check
1365                  * and make sure the entire thing got written.
1366                  */
1367                 do {
1368                         i = txn->mt_free_pgs[0];
1369                         data.mv_size = MDB_IDL_SIZEOF(txn->mt_free_pgs);
1370                         rc = mdb_cursor_put(&mc, &key, &data, 0);
1371                         if (rc) {
1372                                 mdb_txn_abort(txn);
1373                                 return rc;
1374                         }
1375                 } while (i != txn->mt_free_pgs[0]);
1376         }
1377         /* should only be one record now */
1378         if (env->me_pghead) {
1379                 MDB_val key, data;
1380                 MDB_oldpages *mop;
1381
1382                 mop = env->me_pghead;
1383                 key.mv_size = sizeof(pgno_t);
1384                 key.mv_data = (char *)&mop->mo_txnid;
1385                 data.mv_size = MDB_IDL_SIZEOF(mop->mo_pages);
1386                 data.mv_data = mop->mo_pages;
1387                 mdb_cursor_put(&mc, &key, &data, 0);
1388                 free(env->me_pghead);
1389                 env->me_pghead = NULL;
1390         }
1391
1392         /* Update DB root pointers. Their pages have already been
1393          * touched so this is all in-place and cannot fail.
1394          */
1395         {
1396                 MDB_val data;
1397                 data.mv_size = sizeof(MDB_db);
1398
1399                 mc.mc_dbi = MAIN_DBI;
1400                 mc.mc_flags = 0;
1401                 for (i = 2; i < txn->mt_numdbs; i++) {
1402                         if (txn->mt_dbxs[i].md_dirty) {
1403                                 data.mv_data = &txn->mt_dbs[i];
1404                                 mdb_cursor_put(&mc, &txn->mt_dbxs[i].md_name, &data, 0);
1405                         }
1406                 }
1407         }
1408
1409         /* Commit up to MDB_COMMIT_PAGES dirty pages to disk until done.
1410          */
1411         next = 0;
1412         i = 1;
1413         do {
1414 #ifdef _WIN32
1415                 /* Windows actually supports scatter/gather I/O, but only on
1416                  * unbuffered file handles. Since we're relying on the OS page
1417                  * cache for all our data, that's self-defeating. So we just
1418                  * write pages one at a time. We use the ov structure to set
1419                  * the write offset, to at least save the overhead of a Seek
1420                  * system call.
1421                  */
1422                 OVERLAPPED ov;
1423                 memset(&ov, 0, sizeof(ov));
1424                 for (; i<=txn->mt_u.dirty_list[0].mid; i++) {
1425                         size_t wsize;
1426                         dp = txn->mt_u.dirty_list[i].mptr;
1427                         DPRINTF("committing page %lu", dp->mp_pgno);
1428                         size = dp->mp_pgno * env->me_psize;
1429                         ov.Offset = size & 0xffffffff;
1430                         ov.OffsetHigh = size >> 16;
1431                         ov.OffsetHigh >>= 16;
1432                         /* clear dirty flag */
1433                         dp->mp_flags &= ~P_DIRTY;
1434                         wsize = env->me_psize;
1435                         if (IS_OVERFLOW(dp)) wsize *= dp->mp_pages;
1436                         rc = WriteFile(env->me_fd, dp, wsize, NULL, &ov);
1437                         if (!rc) {
1438                                 n = ErrCode();
1439                                 DPRINTF("WriteFile: %d", n);
1440                                 mdb_txn_abort(txn);
1441                                 return n;
1442                         }
1443                 }
1444                 done = 1;;
1445 #else
1446                 struct iovec     iov[MDB_COMMIT_PAGES];
1447                 n = 0;
1448                 done = 1;
1449                 size = 0;
1450                 for (; i<=txn->mt_u.dirty_list[0].mid; i++) {
1451                         dp = txn->mt_u.dirty_list[i].mptr;
1452                         if (dp->mp_pgno != next) {
1453                                 if (n) {
1454                                         DPRINTF("committing %u dirty pages", n);
1455                                         rc = writev(env->me_fd, iov, n);
1456                                         if (rc != size) {
1457                                                 n = ErrCode();
1458                                                 if (rc > 0)
1459                                                         DPUTS("short write, filesystem full?");
1460                                                 else
1461                                                         DPRINTF("writev: %s", strerror(n));
1462                                                 mdb_txn_abort(txn);
1463                                                 return n;
1464                                         }
1465                                         n = 0;
1466                                         size = 0;
1467                                 }
1468                                 lseek(env->me_fd, dp->mp_pgno * env->me_psize, SEEK_SET);
1469                                 next = dp->mp_pgno;
1470                         }
1471                         DPRINTF("committing page %lu", dp->mp_pgno);
1472                         iov[n].iov_len = env->me_psize;
1473                         if (IS_OVERFLOW(dp)) iov[n].iov_len *= dp->mp_pages;
1474                         iov[n].iov_base = dp;
1475                         size += iov[n].iov_len;
1476                         next = dp->mp_pgno + (IS_OVERFLOW(dp) ? dp->mp_pages : 1);
1477                         /* clear dirty flag */
1478                         dp->mp_flags &= ~P_DIRTY;
1479                         if (++n >= MDB_COMMIT_PAGES) {
1480                                 done = 0;
1481                                 i++;
1482                                 break;
1483                         }
1484                 }
1485
1486                 if (n == 0)
1487                         break;
1488
1489                 DPRINTF("committing %u dirty pages", n);
1490                 rc = writev(env->me_fd, iov, n);
1491                 if (rc != size) {
1492                         n = ErrCode();
1493                         if (rc > 0)
1494                                 DPUTS("short write, filesystem full?");
1495                         else
1496                                 DPRINTF("writev: %s", strerror(n));
1497                         mdb_txn_abort(txn);
1498                         return n;
1499                 }
1500 #endif
1501         } while (!done);
1502
1503         /* Drop the dirty pages.
1504          */
1505         for (i=1; i<=txn->mt_u.dirty_list[0].mid; i++) {
1506                 dp = txn->mt_u.dirty_list[i].mptr;
1507                 if (!IS_OVERFLOW(dp) || dp->mp_pages == 1) {
1508                         dp->mp_next = txn->mt_env->me_dpages;
1509                         txn->mt_env->me_dpages = dp;
1510                 } else {
1511                         free(dp);
1512                 }
1513                 txn->mt_u.dirty_list[i].mid = 0;
1514         }
1515         txn->mt_u.dirty_list[0].mid = 0;
1516
1517         if ((n = mdb_env_sync(env, 0)) != 0 ||
1518             (n = mdb_env_write_meta(txn)) != MDB_SUCCESS) {
1519                 mdb_txn_abort(txn);
1520                 return n;
1521         }
1522
1523 done:
1524         env->me_txn = NULL;
1525         /* update the DB tables */
1526         {
1527                 int toggle = !env->me_db_toggle;
1528                 MDB_db *ip, *jp;
1529
1530                 ip = &env->me_dbs[toggle][2];
1531                 jp = &txn->mt_dbs[2];
1532                 LAZY_RWLOCK_WRLOCK(&env->me_dblock);
1533                 for (i = 2; i < txn->mt_numdbs; i++) {
1534                         if (ip->md_root != jp->md_root)
1535                                 *ip = *jp;
1536                         ip++; jp++;
1537                 }
1538
1539                 for (i = 2; i < txn->mt_numdbs; i++) {
1540                         if (txn->mt_dbxs[i].md_dirty)
1541                                 txn->mt_dbxs[i].md_dirty = 0;
1542                 }
1543                 env->me_db_toggle = toggle;
1544                 env->me_numdbs = txn->mt_numdbs;
1545                 LAZY_RWLOCK_UNLOCK(&env->me_dblock);
1546         }
1547
1548         UNLOCK_MUTEX_W(env);
1549         free(txn);
1550
1551         return MDB_SUCCESS;
1552 }
1553
1554 /** Read the environment parameters of a DB environment before
1555  * mapping it into memory.
1556  * @param[in] env the environment handle
1557  * @param[out] meta address of where to store the meta information
1558  * @return 0 on success, non-zero on failure.
1559  */
1560 static int
1561 mdb_env_read_header(MDB_env *env, MDB_meta *meta)
1562 {
1563         char             page[PAGESIZE];
1564         MDB_page        *p;
1565         MDB_meta        *m;
1566         int              rc, err;
1567
1568         /* We don't know the page size yet, so use a minimum value.
1569          */
1570
1571 #ifdef _WIN32
1572         if (!ReadFile(env->me_fd, page, PAGESIZE, (DWORD *)&rc, NULL) || rc == 0)
1573 #else
1574         if ((rc = read(env->me_fd, page, PAGESIZE)) == 0)
1575 #endif
1576         {
1577                 return ENOENT;
1578         }
1579         else if (rc != PAGESIZE) {
1580                 err = ErrCode();
1581                 if (rc > 0)
1582                         err = EINVAL;
1583                 DPRINTF("read: %s", strerror(err));
1584                 return err;
1585         }
1586
1587         p = (MDB_page *)page;
1588
1589         if (!F_ISSET(p->mp_flags, P_META)) {
1590                 DPRINTF("page %lu not a meta page", p->mp_pgno);
1591                 return EINVAL;
1592         }
1593
1594         m = METADATA(p);
1595         if (m->mm_magic != MDB_MAGIC) {
1596                 DPUTS("meta has invalid magic");
1597                 return EINVAL;
1598         }
1599
1600         if (m->mm_version != MDB_VERSION) {
1601                 DPRINTF("database is version %u, expected version %u",
1602                     m->mm_version, MDB_VERSION);
1603                 return MDB_VERSION_MISMATCH;
1604         }
1605
1606         memcpy(meta, m, sizeof(*m));
1607         return 0;
1608 }
1609
1610 /** Write the environment parameters of a freshly created DB environment.
1611  * @param[in] env the environment handle
1612  * @param[out] meta address of where to store the meta information
1613  * @return 0 on success, non-zero on failure.
1614  */
1615 static int
1616 mdb_env_init_meta(MDB_env *env, MDB_meta *meta)
1617 {
1618         MDB_page *p, *q;
1619         MDB_meta *m;
1620         int rc;
1621         unsigned int     psize;
1622
1623         DPUTS("writing new meta page");
1624
1625         GetPageSize(psize);
1626
1627         meta->mm_magic = MDB_MAGIC;
1628         meta->mm_version = MDB_VERSION;
1629         meta->mm_psize = psize;
1630         meta->mm_last_pg = 1;
1631         meta->mm_flags = env->me_flags & 0xffff;
1632         meta->mm_flags |= MDB_INTEGERKEY;
1633         meta->mm_dbs[0].md_root = P_INVALID;
1634         meta->mm_dbs[1].md_root = P_INVALID;
1635
1636         p = calloc(2, psize);
1637         p->mp_pgno = 0;
1638         p->mp_flags = P_META;
1639
1640         m = METADATA(p);
1641         memcpy(m, meta, sizeof(*meta));
1642
1643         q = (MDB_page *)((char *)p + psize);
1644
1645         q->mp_pgno = 1;
1646         q->mp_flags = P_META;
1647
1648         m = METADATA(q);
1649         memcpy(m, meta, sizeof(*meta));
1650
1651 #ifdef _WIN32
1652         {
1653                 DWORD len;
1654                 rc = WriteFile(env->me_fd, p, psize * 2, &len, NULL);
1655                 rc = (len == psize * 2) ? MDB_SUCCESS : ErrCode();
1656         }
1657 #else
1658         rc = write(env->me_fd, p, psize * 2);
1659         rc = (rc == (int)psize * 2) ? MDB_SUCCESS : ErrCode();
1660 #endif
1661         free(p);
1662         return rc;
1663 }
1664
1665 /** Update the environment info to commit a transaction.
1666  * @param[in] txn the transaction that's being committed
1667  * @return 0 on success, non-zero on failure.
1668  */
1669 static int
1670 mdb_env_write_meta(MDB_txn *txn)
1671 {
1672         MDB_env *env;
1673         MDB_meta        meta, metab;
1674         off_t off;
1675         int rc, len, toggle;
1676         char *ptr;
1677 #ifdef _WIN32
1678         OVERLAPPED ov;
1679 #endif
1680
1681         assert(txn != NULL);
1682         assert(txn->mt_env != NULL);
1683
1684         toggle = !txn->mt_toggle;
1685         DPRINTF("writing meta page %d for root page %lu",
1686                 toggle, txn->mt_dbs[MAIN_DBI].md_root);
1687
1688         env = txn->mt_env;
1689
1690         metab.mm_txnid = env->me_metas[toggle]->mm_txnid;
1691         metab.mm_last_pg = env->me_metas[toggle]->mm_last_pg;
1692
1693         ptr = (char *)&meta;
1694         off = offsetof(MDB_meta, mm_dbs[0].md_depth);
1695         len = sizeof(MDB_meta) - off;
1696
1697         ptr += off;
1698         meta.mm_dbs[0] = txn->mt_dbs[0];
1699         meta.mm_dbs[1] = txn->mt_dbs[1];
1700         meta.mm_last_pg = txn->mt_next_pgno - 1;
1701         meta.mm_txnid = txn->mt_txnid;
1702
1703         if (toggle)
1704                 off += env->me_psize;
1705         off += PAGEHDRSZ;
1706
1707         /* Write to the SYNC fd */
1708 #ifdef _WIN32
1709         {
1710                 memset(&ov, 0, sizeof(ov));
1711                 ov.Offset = off;
1712                 WriteFile(env->me_mfd, ptr, len, (DWORD *)&rc, &ov);
1713         }
1714 #else
1715         rc = pwrite(env->me_mfd, ptr, len, off);
1716 #endif
1717         if (rc != len) {
1718                 int r2;
1719                 rc = ErrCode();
1720                 DPUTS("write failed, disk error?");
1721                 /* On a failure, the pagecache still contains the new data.
1722                  * Write some old data back, to prevent it from being used.
1723                  * Use the non-SYNC fd; we know it will fail anyway.
1724                  */
1725                 meta.mm_last_pg = metab.mm_last_pg;
1726                 meta.mm_txnid = metab.mm_txnid;
1727 #ifdef _WIN32
1728                 WriteFile(env->me_fd, ptr, len, NULL, &ov);
1729 #else
1730                 r2 = pwrite(env->me_fd, ptr, len, off);
1731 #endif
1732                 env->me_flags |= MDB_FATAL_ERROR;
1733                 return rc;
1734         }
1735         /* Memory ordering issues are irrelevant; since the entire writer
1736          * is wrapped by wmutex, all of these changes will become visible
1737          * after the wmutex is unlocked. Since the DB is multi-version,
1738          * readers will get consistent data regardless of how fresh or
1739          * how stale their view of these values is.
1740          */
1741         LAZY_MUTEX_LOCK(&env->me_txns->mti_mutex);
1742         txn->mt_env->me_txns->mti_me_toggle = toggle;
1743         txn->mt_env->me_txns->mti_txnid = txn->mt_txnid;
1744         LAZY_MUTEX_UNLOCK(&env->me_txns->mti_mutex);
1745
1746         return MDB_SUCCESS;
1747 }
1748
1749 /** Check both meta pages to see which one is newer.
1750  * @param[in] env the environment handle
1751  * @param[out] which address of where to store the meta toggle ID
1752  * @return 0 on success, non-zero on failure.
1753  */
1754 static int
1755 mdb_env_read_meta(MDB_env *env, int *which)
1756 {
1757         int toggle = 0;
1758
1759         assert(env != NULL);
1760
1761         if (env->me_metas[0]->mm_txnid < env->me_metas[1]->mm_txnid)
1762                 toggle = 1;
1763
1764         DPRINTF("Using meta page %d", toggle);
1765         *which = toggle;
1766
1767         return MDB_SUCCESS;
1768 }
1769
1770 int
1771 mdb_env_create(MDB_env **env)
1772 {
1773         MDB_env *e;
1774
1775         e = calloc(1, sizeof(MDB_env));
1776         if (!e) return ENOMEM;
1777
1778         e->me_maxreaders = DEFAULT_READERS;
1779         e->me_maxdbs = 2;
1780         e->me_fd = INVALID_HANDLE_VALUE;
1781         e->me_lfd = INVALID_HANDLE_VALUE;
1782         e->me_mfd = INVALID_HANDLE_VALUE;
1783         *env = e;
1784         return MDB_SUCCESS;
1785 }
1786
1787 int
1788 mdb_env_set_mapsize(MDB_env *env, size_t size)
1789 {
1790         if (env->me_map)
1791                 return EINVAL;
1792         env->me_mapsize = size;
1793         return MDB_SUCCESS;
1794 }
1795
1796 int
1797 mdb_env_set_maxdbs(MDB_env *env, int dbs)
1798 {
1799         if (env->me_map)
1800                 return EINVAL;
1801         env->me_maxdbs = dbs;
1802         return MDB_SUCCESS;
1803 }
1804
1805 int
1806 mdb_env_set_maxreaders(MDB_env *env, int readers)
1807 {
1808         if (env->me_map)
1809                 return EINVAL;
1810         env->me_maxreaders = readers;
1811         return MDB_SUCCESS;
1812 }
1813
1814 int
1815 mdb_env_get_maxreaders(MDB_env *env, int *readers)
1816 {
1817         if (!env || !readers)
1818                 return EINVAL;
1819         *readers = env->me_maxreaders;
1820         return MDB_SUCCESS;
1821 }
1822
1823 /** Further setup required for opening an MDB environment
1824  */
1825 static int
1826 mdb_env_open2(MDB_env *env, unsigned int flags)
1827 {
1828         int i, newenv = 0, toggle;
1829         MDB_meta meta;
1830         MDB_page *p;
1831
1832         env->me_flags = flags;
1833
1834         memset(&meta, 0, sizeof(meta));
1835
1836         if ((i = mdb_env_read_header(env, &meta)) != 0) {
1837                 if (i != ENOENT)
1838                         return i;
1839                 DPUTS("new mdbenv");
1840                 newenv = 1;
1841         }
1842
1843         if (!env->me_mapsize) {
1844                 env->me_mapsize = newenv ? DEFAULT_MAPSIZE : meta.mm_mapsize;
1845         }
1846
1847 #ifdef _WIN32
1848         {
1849                 HANDLE mh;
1850                 LONG sizelo, sizehi;
1851                 sizelo = env->me_mapsize & 0xffffffff;
1852                 sizehi = env->me_mapsize >> 16;         /* pointless on WIN32, only needed on W64 */
1853                 sizehi >>= 16;
1854                 /* Windows won't create mappings for zero length files.
1855                  * Just allocate the maxsize right now.
1856                  */
1857                 if (newenv) {
1858                         SetFilePointer(env->me_fd, sizelo, sizehi ? &sizehi : NULL, 0);
1859                         if (!SetEndOfFile(env->me_fd))
1860                                 return ErrCode();
1861                         SetFilePointer(env->me_fd, 0, NULL, 0);
1862                 }
1863                 mh = CreateFileMapping(env->me_fd, NULL, PAGE_READONLY,
1864                         sizehi, sizelo, NULL);
1865                 if (!mh)
1866                         return ErrCode();
1867                 env->me_map = MapViewOfFileEx(mh, FILE_MAP_READ, 0, 0, env->me_mapsize,
1868                         meta.mm_address);
1869                 CloseHandle(mh);
1870                 if (!env->me_map)
1871                         return ErrCode();
1872         }
1873 #else
1874         i = MAP_SHARED;
1875         if (meta.mm_address && (flags & MDB_FIXEDMAP))
1876                 i |= MAP_FIXED;
1877         env->me_map = mmap(meta.mm_address, env->me_mapsize, PROT_READ, i,
1878                 env->me_fd, 0);
1879         if (env->me_map == MAP_FAILED)
1880                 return ErrCode();
1881 #endif
1882
1883         if (newenv) {
1884                 meta.mm_mapsize = env->me_mapsize;
1885                 if (flags & MDB_FIXEDMAP)
1886                         meta.mm_address = env->me_map;
1887                 i = mdb_env_init_meta(env, &meta);
1888                 if (i != MDB_SUCCESS) {
1889                         munmap(env->me_map, env->me_mapsize);
1890                         return i;
1891                 }
1892         }
1893         env->me_psize = meta.mm_psize;
1894
1895         env->me_maxpg = env->me_mapsize / env->me_psize;
1896
1897         p = (MDB_page *)env->me_map;
1898         env->me_metas[0] = METADATA(p);
1899         env->me_metas[1] = (MDB_meta *)((char *)env->me_metas[0] + meta.mm_psize);
1900
1901         if ((i = mdb_env_read_meta(env, &toggle)) != 0)
1902                 return i;
1903
1904         DPRINTF("opened database version %u, pagesize %u",
1905             env->me_metas[toggle]->mm_version, env->me_psize);
1906         DPRINTF("depth: %u", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_depth);
1907         DPRINTF("entries: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_entries);
1908         DPRINTF("branch pages: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_branch_pages);
1909         DPRINTF("leaf pages: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_leaf_pages);
1910         DPRINTF("overflow pages: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_overflow_pages);
1911         DPRINTF("root: %lu", env->me_metas[toggle]->mm_dbs[MAIN_DBI].md_root);
1912
1913         return MDB_SUCCESS;
1914 }
1915
1916 #ifndef _WIN32
1917 /* Windows doesn't support destructor callbacks for thread-specific storage */
1918 static void
1919 mdb_env_reader_dest(void *ptr)
1920 {
1921         MDB_reader *reader = ptr;
1922
1923         reader->mr_txnid = 0;
1924         reader->mr_pid = 0;
1925         reader->mr_tid = 0;
1926 }
1927 #endif
1928
1929 /* downgrade the exclusive lock on the region back to shared */
1930 static void
1931 mdb_env_share_locks(MDB_env *env)
1932 {
1933         int toggle = 0;
1934
1935         if (env->me_metas[0]->mm_txnid < env->me_metas[1]->mm_txnid)
1936                 toggle = 1;
1937         env->me_txns->mti_me_toggle = toggle;
1938         env->me_txns->mti_txnid = env->me_metas[toggle]->mm_txnid;
1939
1940 #ifdef _WIN32
1941         {
1942                 OVERLAPPED ov;
1943                 /* First acquire a shared lock. The Unlock will
1944                  * then release the existing exclusive lock.
1945                  */
1946                 memset(&ov, 0, sizeof(ov));
1947                 LockFileEx(env->me_lfd, 0, 0, 1, 0, &ov);
1948                 UnlockFile(env->me_lfd, 0, 0, 1, 0);
1949         }
1950 #else
1951         {
1952                 struct flock lock_info;
1953                 /* The shared lock replaces the existing lock */
1954                 memset((void *)&lock_info, 0, sizeof(lock_info));
1955                 lock_info.l_type = F_RDLCK;
1956                 lock_info.l_whence = SEEK_SET;
1957                 lock_info.l_start = 0;
1958                 lock_info.l_len = 1;
1959                 fcntl(env->me_lfd, F_SETLK, &lock_info);
1960         }
1961 #endif
1962 }
1963
1964 static int
1965 mdb_env_setup_locks(MDB_env *env, char *lpath, int mode, int *excl)
1966 {
1967         int rc;
1968         off_t size, rsize;
1969
1970         *excl = 0;
1971
1972 #ifdef _WIN32
1973         if ((env->me_lfd = CreateFile(lpath, GENERIC_READ|GENERIC_WRITE,
1974                 FILE_SHARE_READ|FILE_SHARE_WRITE, NULL, OPEN_ALWAYS,
1975                 FILE_ATTRIBUTE_NORMAL, NULL)) == INVALID_HANDLE_VALUE) {
1976                 rc = ErrCode();
1977                 return rc;
1978         }
1979         /* Try to get exclusive lock. If we succeed, then
1980          * nobody is using the lock region and we should initialize it.
1981          */
1982         {
1983                 if (LockFile(env->me_lfd, 0, 0, 1, 0)) {
1984                         *excl = 1;
1985                 } else {
1986                         OVERLAPPED ov;
1987                         memset(&ov, 0, sizeof(ov));
1988                         if (!LockFileEx(env->me_lfd, 0, 0, 1, 0, &ov)) {
1989                                 rc = ErrCode();
1990                                 goto fail;
1991                         }
1992                 }
1993         }
1994         size = GetFileSize(env->me_lfd, NULL);
1995 #else
1996         if ((env->me_lfd = open(lpath, O_RDWR|O_CREAT, mode)) == -1) {
1997                 rc = ErrCode();
1998                 return rc;
1999         }
2000         /* Try to get exclusive lock. If we succeed, then
2001          * nobody is using the lock region and we should initialize it.
2002          */
2003         {
2004                 struct flock lock_info;
2005                 memset((void *)&lock_info, 0, sizeof(lock_info));
2006                 lock_info.l_type = F_WRLCK;
2007                 lock_info.l_whence = SEEK_SET;
2008                 lock_info.l_start = 0;
2009                 lock_info.l_len = 1;
2010                 rc = fcntl(env->me_lfd, F_SETLK, &lock_info);
2011                 if (rc == 0) {
2012                         *excl = 1;
2013                 } else {
2014                         lock_info.l_type = F_RDLCK;
2015                         rc = fcntl(env->me_lfd, F_SETLKW, &lock_info);
2016                         if (rc) {
2017                                 rc = ErrCode();
2018                                 goto fail;
2019                         }
2020                 }
2021         }
2022         size = lseek(env->me_lfd, 0, SEEK_END);
2023 #endif
2024         rsize = (env->me_maxreaders-1) * sizeof(MDB_reader) + sizeof(MDB_txninfo);
2025         if (size < rsize && *excl) {
2026 #ifdef _WIN32
2027                 SetFilePointer(env->me_lfd, rsize, NULL, 0);
2028                 if (!SetEndOfFile(env->me_lfd)) {
2029                         rc = ErrCode();
2030                         goto fail;
2031                 }
2032 #else
2033                 if (ftruncate(env->me_lfd, rsize) != 0) {
2034                         rc = ErrCode();
2035                         goto fail;
2036                 }
2037 #endif
2038         } else {
2039                 rsize = size;
2040                 size = rsize - sizeof(MDB_txninfo);
2041                 env->me_maxreaders = size/sizeof(MDB_reader) + 1;
2042         }
2043 #ifdef _WIN32
2044         {
2045                 HANDLE mh;
2046                 mh = CreateFileMapping(env->me_lfd, NULL, PAGE_READWRITE,
2047                         0, 0, NULL);
2048                 if (!mh) {
2049                         rc = ErrCode();
2050                         goto fail;
2051                 }
2052                 env->me_txns = MapViewOfFileEx(mh, FILE_MAP_WRITE, 0, 0, rsize, NULL);
2053                 CloseHandle(mh);
2054                 if (!env->me_txns) {
2055                         rc = ErrCode();
2056                         goto fail;
2057                 }
2058         }
2059 #else
2060         env->me_txns = mmap(0, rsize, PROT_READ|PROT_WRITE, MAP_SHARED,
2061                 env->me_lfd, 0);
2062         if (env->me_txns == MAP_FAILED) {
2063                 rc = ErrCode();
2064                 goto fail;
2065         }
2066 #endif
2067         if (*excl) {
2068 #ifdef _WIN32
2069                 char *ptr;
2070                 if (!mdb_sec_inited) {
2071                         InitializeSecurityDescriptor(&mdb_null_sd,
2072                                 SECURITY_DESCRIPTOR_REVISION);
2073                         SetSecurityDescriptorDacl(&mdb_null_sd, TRUE, 0, FALSE);
2074                         mdb_all_sa.nLength = sizeof(SECURITY_ATTRIBUTES);
2075                         mdb_all_sa.bInheritHandle = FALSE;
2076                         mdb_all_sa.lpSecurityDescriptor = &mdb_null_sd;
2077                         mdb_sec_inited = 1;
2078                 }
2079                 /* FIXME: only using up to 20 characters of the env path here,
2080                  * probably not enough to assure uniqueness...
2081                  */
2082                 sprintf(env->me_txns->mti_rmname, "Global\\MDBr%.20s", lpath);
2083                 ptr = env->me_txns->mti_rmname + sizeof("Global\\MDBr");
2084                 while ((ptr = strchr(ptr, '\\')))
2085                         *ptr++ = '/';
2086                 env->me_rmutex = CreateMutex(&mdb_all_sa, FALSE, env->me_txns->mti_rmname);
2087                 if (!env->me_rmutex) {
2088                         rc = ErrCode();
2089                         goto fail;
2090                 }
2091                 sprintf(env->me_txns->mti_rmname, "Global\\MDBw%.20s", lpath);
2092                 ptr = env->me_txns->mti_rmname + sizeof("Global\\MDBw");
2093                 while ((ptr = strchr(ptr, '\\')))
2094                         *ptr++ = '/';
2095                 env->me_wmutex = CreateMutex(&mdb_all_sa, FALSE, env->me_txns->mti_rmname);
2096                 if (!env->me_wmutex) {
2097                         rc = ErrCode();
2098                         goto fail;
2099                 }
2100 #else
2101                 pthread_mutexattr_t mattr;
2102
2103                 pthread_mutexattr_init(&mattr);
2104                 rc = pthread_mutexattr_setpshared(&mattr, PTHREAD_PROCESS_SHARED);
2105                 if (rc) {
2106                         goto fail;
2107                 }
2108                 pthread_mutex_init(&env->me_txns->mti_mutex, &mattr);
2109                 pthread_mutex_init(&env->me_txns->mti_wmutex, &mattr);
2110 #endif
2111                 env->me_txns->mti_version = MDB_VERSION;
2112                 env->me_txns->mti_magic = MDB_MAGIC;
2113                 env->me_txns->mti_txnid = 0;
2114                 env->me_txns->mti_numreaders = 0;
2115                 env->me_txns->mti_me_toggle = 0;
2116
2117         } else {
2118                 if (env->me_txns->mti_magic != MDB_MAGIC) {
2119                         DPUTS("lock region has invalid magic");
2120                         rc = EINVAL;
2121                         goto fail;
2122                 }
2123                 if (env->me_txns->mti_version != MDB_VERSION) {
2124                         DPRINTF("lock region is version %u, expected version %u",
2125                                 env->me_txns->mti_version, MDB_VERSION);
2126                         rc = MDB_VERSION_MISMATCH;
2127                         goto fail;
2128                 }
2129                 rc = ErrCode();
2130                 if (rc != EACCES && rc != EAGAIN) {
2131                         goto fail;
2132                 }
2133 #ifdef _WIN32
2134                 env->me_rmutex = OpenMutex(SYNCHRONIZE, FALSE, env->me_txns->mti_rmname);
2135                 if (!env->me_rmutex) {
2136                         rc = ErrCode();
2137                         goto fail;
2138                 }
2139                 env->me_wmutex = OpenMutex(SYNCHRONIZE, FALSE, env->me_txns->mti_wmname);
2140                 if (!env->me_wmutex) {
2141                         rc = ErrCode();
2142                         goto fail;
2143                 }
2144 #endif
2145         }
2146         return MDB_SUCCESS;
2147
2148 fail:
2149         close(env->me_lfd);
2150         env->me_lfd = INVALID_HANDLE_VALUE;
2151         return rc;
2152
2153 }
2154
2155         /** The name of the lock file in the DB environment */
2156 #define LOCKNAME        "/lock.mdb"
2157         /** The name of the data file in the DB environment */
2158 #define DATANAME        "/data.mdb"
2159 int
2160 mdb_env_open(MDB_env *env, const char *path, unsigned int flags, mode_t mode)
2161 {
2162         int             oflags, rc, len, excl;
2163         char *lpath, *dpath;
2164
2165         len = strlen(path);
2166         lpath = malloc(len + sizeof(LOCKNAME) + len + sizeof(DATANAME));
2167         if (!lpath)
2168                 return ENOMEM;
2169         dpath = lpath + len + sizeof(LOCKNAME);
2170         sprintf(lpath, "%s" LOCKNAME, path);
2171         sprintf(dpath, "%s" DATANAME, path);
2172
2173         rc = mdb_env_setup_locks(env, lpath, mode, &excl);
2174         if (rc)
2175                 goto leave;
2176
2177 #ifdef _WIN32
2178         if (F_ISSET(flags, MDB_RDONLY)) {
2179                 oflags = GENERIC_READ;
2180                 len = OPEN_EXISTING;
2181         } else {
2182                 oflags = GENERIC_READ|GENERIC_WRITE;
2183                 len = OPEN_ALWAYS;
2184         }
2185         mode = FILE_ATTRIBUTE_NORMAL;
2186         if ((env->me_fd = CreateFile(dpath, oflags, FILE_SHARE_READ|FILE_SHARE_WRITE,
2187                         NULL, len, mode, NULL)) == INVALID_HANDLE_VALUE) {
2188                 rc = ErrCode();
2189                 goto leave;
2190         }
2191 #else
2192         if (F_ISSET(flags, MDB_RDONLY))
2193                 oflags = O_RDONLY;
2194         else
2195                 oflags = O_RDWR | O_CREAT;
2196
2197         if ((env->me_fd = open(dpath, oflags, mode)) == -1) {
2198                 rc = ErrCode();
2199                 goto leave;
2200         }
2201 #endif
2202
2203         if ((rc = mdb_env_open2(env, flags)) == MDB_SUCCESS) {
2204                 /* synchronous fd for meta writes */
2205 #ifdef _WIN32
2206                 if (!(flags & (MDB_RDONLY|MDB_NOSYNC)))
2207                         mode |= FILE_FLAG_WRITE_THROUGH;
2208                 if ((env->me_mfd = CreateFile(dpath, oflags, FILE_SHARE_READ|FILE_SHARE_WRITE,
2209                         NULL, len, mode, NULL)) == INVALID_HANDLE_VALUE) {
2210                         rc = ErrCode();
2211                         goto leave;
2212                 }
2213 #else
2214                 if (!(flags & (MDB_RDONLY|MDB_NOSYNC)))
2215                         oflags |= MDB_DSYNC;
2216                 if ((env->me_mfd = open(dpath, oflags, mode)) == -1) {
2217                         rc = ErrCode();
2218                         goto leave;
2219                 }
2220 #endif
2221                 env->me_path = strdup(path);
2222                 DPRINTF("opened dbenv %p", (void *) env);
2223                 pthread_key_create(&env->me_txkey, mdb_env_reader_dest);
2224                 LAZY_RWLOCK_INIT(&env->me_dblock, NULL);
2225                 if (excl)
2226                         mdb_env_share_locks(env);
2227                 env->me_dbxs = calloc(env->me_maxdbs, sizeof(MDB_dbx));
2228                 env->me_dbs[0] = calloc(env->me_maxdbs, sizeof(MDB_db));
2229                 env->me_dbs[1] = calloc(env->me_maxdbs, sizeof(MDB_db));
2230                 env->me_numdbs = 2;
2231         }
2232
2233 leave:
2234         if (rc) {
2235                 if (env->me_fd != INVALID_HANDLE_VALUE) {
2236                         close(env->me_fd);
2237                         env->me_fd = INVALID_HANDLE_VALUE;
2238                 }
2239                 if (env->me_lfd != INVALID_HANDLE_VALUE) {
2240                         close(env->me_lfd);
2241                         env->me_lfd = INVALID_HANDLE_VALUE;
2242                 }
2243         }
2244         free(lpath);
2245         return rc;
2246 }
2247
2248 void
2249 mdb_env_close(MDB_env *env)
2250 {
2251         MDB_page *dp;
2252
2253         if (env == NULL)
2254                 return;
2255
2256         while (env->me_dpages) {
2257                 dp = env->me_dpages;
2258                 env->me_dpages = dp->mp_next;
2259                 free(dp);
2260         }
2261
2262         free(env->me_dbs[1]);
2263         free(env->me_dbs[0]);
2264         free(env->me_dbxs);
2265         free(env->me_path);
2266
2267         LAZY_RWLOCK_DESTROY(&env->me_dblock);
2268         pthread_key_delete(env->me_txkey);
2269
2270         if (env->me_map) {
2271                 munmap(env->me_map, env->me_mapsize);
2272         }
2273         close(env->me_mfd);
2274         close(env->me_fd);
2275         if (env->me_txns) {
2276                 pid_t pid = getpid();
2277                 unsigned int i;
2278                 for (i=0; i<env->me_txns->mti_numreaders; i++)
2279                         if (env->me_txns->mti_readers[i].mr_pid == pid)
2280                                 env->me_txns->mti_readers[i].mr_pid = 0;
2281                 munmap(env->me_txns, (env->me_maxreaders-1)*sizeof(MDB_reader)+sizeof(MDB_txninfo));
2282         }
2283         close(env->me_lfd);
2284         free(env);
2285 }
2286
2287 /* only for aligned ints */
2288 static int
2289 intcmp(const MDB_val *a, const MDB_val *b)
2290 {
2291         if (a->mv_size == sizeof(long))
2292         {
2293                 unsigned long *la, *lb;
2294                 la = a->mv_data;
2295                 lb = b->mv_data;
2296                 return *la - *lb;
2297         } else {
2298                 unsigned int *ia, *ib;
2299                 ia = a->mv_data;
2300                 ib = b->mv_data;
2301                 return *ia - *ib;
2302         }
2303 }
2304
2305 /* ints must always be the same size */
2306 static int
2307 cintcmp(const MDB_val *a, const MDB_val *b)
2308 {
2309 #if __BYTE_ORDER == __LITTLE_ENDIAN
2310         unsigned short *u, *c;
2311         int x;
2312
2313         u = a->mv_data + a->mv_size;
2314         c = b->mv_data + a->mv_size;
2315         do {
2316                 x = *--u - *--c;
2317         } while(!x && u > (unsigned short *)a->mv_data);
2318         return x;
2319 #else
2320         return memcmp(a->mv_data, b->mv_data, a->mv_size);
2321 #endif
2322 }
2323
2324 static int
2325 memncmp(const MDB_val *a, const MDB_val *b)
2326 {
2327         int diff, len_diff;
2328         unsigned int len;
2329
2330         len = a->mv_size;
2331         len_diff = a->mv_size - b->mv_size;
2332         if (len_diff > 0)
2333                 len = b->mv_size;
2334         diff = memcmp(a->mv_data, b->mv_data, len);
2335         return diff ? diff : len_diff;
2336 }
2337
2338 static int
2339 memnrcmp(const MDB_val *a, const MDB_val *b)
2340 {
2341         const unsigned char     *p1, *p2, *p1_lim;
2342         int diff, len_diff;
2343
2344         if (b->mv_size == 0)
2345                 return a->mv_size != 0;
2346         if (a->mv_size == 0)
2347                 return -1;
2348
2349         p1 = (const unsigned char *)a->mv_data + a->mv_size - 1;
2350         p2 = (const unsigned char *)b->mv_data + b->mv_size - 1;
2351
2352         len_diff = a->mv_size - b->mv_size;
2353         if (len_diff < 0)
2354                 p1_lim = p1 - a->mv_size;
2355         else
2356                 p1_lim = p1 - b->mv_size;
2357
2358         while (p1 > p1_lim) {
2359                 diff = *p1 - *p2;
2360                 if (diff)
2361                         return diff;
2362                 p1--;
2363                 p2--;
2364         }
2365         return len_diff;
2366 }
2367
2368 /* Search for key within a leaf page, using binary search.
2369  * Returns the smallest entry larger or equal to the key.
2370  * If exactp is non-null, stores whether the found entry was an exact match
2371  * in *exactp (1 or 0).
2372  * If kip is non-null, stores the index of the found entry in *kip.
2373  * If no entry larger or equal to the key is found, returns NULL.
2374  */
2375 static MDB_node *
2376 mdb_search_node(MDB_cursor *mc, MDB_val *key, int *exactp)
2377 {
2378         unsigned int     i = 0, nkeys;
2379         int              low, high;
2380         int              rc = 0;
2381         MDB_page *mp = mc->mc_pg[mc->mc_top];
2382         MDB_node        *node = NULL;
2383         MDB_val  nodekey;
2384         MDB_cmp_func *cmp;
2385         DKBUF;
2386
2387         nkeys = NUMKEYS(mp);
2388
2389         DPRINTF("searching %u keys in %s page %lu",
2390             nkeys, IS_LEAF(mp) ? "leaf" : "branch",
2391             mp->mp_pgno);
2392
2393         assert(nkeys > 0);
2394
2395         low = IS_LEAF(mp) ? 0 : 1;
2396         high = nkeys - 1;
2397         cmp = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_cmp;
2398         if (IS_LEAF2(mp)) {
2399                 nodekey.mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2400                 node = NODEPTR(mp, 0);  /* fake */
2401         }
2402         while (low <= high) {
2403                 i = (low + high) >> 1;
2404
2405                 if (IS_LEAF2(mp)) {
2406                         nodekey.mv_data = LEAF2KEY(mp, i, nodekey.mv_size);
2407                 } else {
2408                         node = NODEPTR(mp, i);
2409
2410                         nodekey.mv_size = node->mn_ksize;
2411                         nodekey.mv_data = NODEKEY(node);
2412                 }
2413
2414                 rc = cmp(key, &nodekey);
2415
2416 #if DEBUG
2417                 if (IS_LEAF(mp))
2418                         DPRINTF("found leaf index %u [%s], rc = %i",
2419                             i, DKEY(&nodekey), rc);
2420                 else
2421                         DPRINTF("found branch index %u [%s -> %lu], rc = %i",
2422                             i, DKEY(&nodekey), NODEPGNO(node), rc);
2423 #endif
2424
2425                 if (rc == 0)
2426                         break;
2427                 if (rc > 0)
2428                         low = i + 1;
2429                 else
2430                         high = i - 1;
2431         }
2432
2433         if (rc > 0) {   /* Found entry is less than the key. */
2434                 i++;    /* Skip to get the smallest entry larger than key. */
2435                 if (!IS_LEAF2(mp))
2436                         node = NODEPTR(mp, i);
2437         }
2438         if (exactp)
2439                 *exactp = (rc == 0);
2440         /* store the key index */
2441         mc->mc_ki[mc->mc_top] = i;
2442         if (i >= nkeys)
2443                 /* There is no entry larger or equal to the key. */
2444                 return NULL;
2445
2446         /* nodeptr is fake for LEAF2 */
2447         return node;
2448 }
2449
2450 static void
2451 cursor_pop_page(MDB_cursor *mc)
2452 {
2453         MDB_page        *top;
2454
2455         if (mc->mc_snum) {
2456                 top = mc->mc_pg[mc->mc_top];
2457                 mc->mc_snum--;
2458                 if (mc->mc_snum)
2459                         mc->mc_top--;
2460
2461                 DPRINTF("popped page %lu off db %u cursor %p", top->mp_pgno,
2462                         mc->mc_dbi, (void *) mc);
2463         }
2464 }
2465
2466 static int
2467 cursor_push_page(MDB_cursor *mc, MDB_page *mp)
2468 {
2469         DPRINTF("pushing page %lu on db %u cursor %p", mp->mp_pgno,
2470                 mc->mc_dbi, (void *) mc);
2471
2472         if (mc->mc_snum >= CURSOR_STACK)
2473                 return ENOMEM;
2474
2475         mc->mc_top = mc->mc_snum++;
2476         mc->mc_pg[mc->mc_top] = mp;
2477         mc->mc_ki[mc->mc_top] = 0;
2478
2479         return MDB_SUCCESS;
2480 }
2481
2482 static int
2483 mdb_get_page(MDB_txn *txn, pgno_t pgno, MDB_page **ret)
2484 {
2485         MDB_page *p = NULL;
2486
2487         if (!F_ISSET(txn->mt_flags, MDB_TXN_RDONLY) && txn->mt_u.dirty_list[0].mid) {
2488                 unsigned x;
2489                 x = mdb_mid2l_search(txn->mt_u.dirty_list, pgno);
2490                 if (x <= txn->mt_u.dirty_list[0].mid && txn->mt_u.dirty_list[x].mid == pgno) {
2491                         p = txn->mt_u.dirty_list[x].mptr;
2492                 }
2493         }
2494         if (!p) {
2495                 if (pgno <= txn->mt_env->me_metas[txn->mt_toggle]->mm_last_pg)
2496                         p = (MDB_page *)(txn->mt_env->me_map + txn->mt_env->me_psize * pgno);
2497         }
2498         *ret = p;
2499         if (!p) {
2500                 DPRINTF("page %lu not found", pgno);
2501                 assert(p != NULL);
2502         }
2503         return (p != NULL) ? MDB_SUCCESS : MDB_PAGE_NOTFOUND;
2504 }
2505
2506 static int
2507 mdb_search_page_root(MDB_cursor *mc, MDB_val *key, int modify)
2508 {
2509         MDB_page        *mp = mc->mc_pg[mc->mc_top];
2510         DKBUF;
2511         int rc;
2512
2513
2514         while (IS_BRANCH(mp)) {
2515                 MDB_node        *node;
2516
2517                 DPRINTF("branch page %lu has %u keys", mp->mp_pgno, NUMKEYS(mp));
2518                 assert(NUMKEYS(mp) > 1);
2519                 DPRINTF("found index 0 to page %lu", NODEPGNO(NODEPTR(mp, 0)));
2520
2521                 if (key == NULL)        /* Initialize cursor to first page. */
2522                         mc->mc_ki[mc->mc_top] = 0;
2523                 else if (key->mv_size > MAXKEYSIZE && key->mv_data == NULL) {
2524                                                         /* cursor to last page */
2525                         mc->mc_ki[mc->mc_top] = NUMKEYS(mp)-1;
2526                 } else {
2527                         int      exact;
2528                         node = mdb_search_node(mc, key, &exact);
2529                         if (node == NULL)
2530                                 mc->mc_ki[mc->mc_top] = NUMKEYS(mp) - 1;
2531                         else if (!exact) {
2532                                 assert(mc->mc_ki[mc->mc_top] > 0);
2533                                 mc->mc_ki[mc->mc_top]--;
2534                         }
2535                 }
2536
2537                 if (key)
2538                         DPRINTF("following index %u for key [%s]",
2539                             mc->mc_ki[mc->mc_top], DKEY(key));
2540                 assert(mc->mc_ki[mc->mc_top] < NUMKEYS(mp));
2541                 node = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2542
2543                 if ((rc = mdb_get_page(mc->mc_txn, NODEPGNO(node), &mp)))
2544                         return rc;
2545
2546                 if ((rc = cursor_push_page(mc, mp)))
2547                         return rc;
2548
2549                 if (modify) {
2550                         if ((rc = mdb_touch(mc)) != 0)
2551                                 return rc;
2552                         mp = mc->mc_pg[mc->mc_top];
2553                 }
2554         }
2555
2556         if (!IS_LEAF(mp)) {
2557                 DPRINTF("internal error, index points to a %02X page!?",
2558                     mp->mp_flags);
2559                 return MDB_CORRUPTED;
2560         }
2561
2562         DPRINTF("found leaf page %lu for key [%s]", mp->mp_pgno,
2563             key ? DKEY(key) : NULL);
2564
2565         return MDB_SUCCESS;
2566 }
2567
2568 /* Search for the page a given key should be in.
2569  * Pushes parent pages on the cursor stack.
2570  * If key is NULL, search for the lowest page (used by mdb_cursor_first).
2571  * If modify is true, visited pages are updated with new page numbers.
2572  */
2573 static int
2574 mdb_search_page(MDB_cursor *mc, MDB_val *key, int modify)
2575 {
2576         int              rc;
2577         pgno_t           root;
2578
2579         /* Make sure the txn is still viable, then find the root from
2580          * the txn's db table.
2581          */
2582         if (F_ISSET(mc->mc_txn->mt_flags, MDB_TXN_ERROR)) {
2583                 DPUTS("transaction has failed, must abort");
2584                 return EINVAL;
2585         } else
2586                 root = mc->mc_txn->mt_dbs[mc->mc_dbi].md_root;
2587
2588         if (root == P_INVALID) {                /* Tree is empty. */
2589                 DPUTS("tree is empty");
2590                 return MDB_NOTFOUND;
2591         }
2592
2593         if ((rc = mdb_get_page(mc->mc_txn, root, &mc->mc_pg[0])))
2594                 return rc;
2595
2596         mc->mc_snum = 1;
2597         mc->mc_top = 0;
2598
2599         DPRINTF("db %u root page %lu has flags 0x%X",
2600                 mc->mc_dbi, root, mc->mc_pg[0]->mp_flags);
2601
2602         if (modify) {
2603                 /* For sub-databases, update main root first */
2604                 if (mc->mc_dbi > MAIN_DBI && !mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty) {
2605                         MDB_cursor mc2;
2606                         mc2.mc_txn = mc->mc_txn;
2607                         mc2.mc_dbi = MAIN_DBI;
2608                         rc = mdb_search_page(&mc2, &mc->mc_txn->mt_dbxs[mc->mc_dbi].md_name, 1);
2609                         if (rc)
2610                                 return rc;
2611                         mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty = 1;
2612                 }
2613                 if (!F_ISSET(mc->mc_pg[0]->mp_flags, P_DIRTY)) {
2614                         if ((rc = mdb_touch(mc)))
2615                                 return rc;
2616                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = mc->mc_pg[0]->mp_pgno;
2617                 }
2618         }
2619
2620         return mdb_search_page_root(mc, key, modify);
2621 }
2622
2623 static int
2624 mdb_read_data(MDB_txn *txn, MDB_node *leaf, MDB_val *data)
2625 {
2626         MDB_page        *omp;           /* overflow mpage */
2627         pgno_t           pgno;
2628         int rc;
2629
2630         if (!F_ISSET(leaf->mn_flags, F_BIGDATA)) {
2631                 data->mv_size = NODEDSZ(leaf);
2632                 data->mv_data = NODEDATA(leaf);
2633                 return MDB_SUCCESS;
2634         }
2635
2636         /* Read overflow data.
2637          */
2638         data->mv_size = NODEDSZ(leaf);
2639         memcpy(&pgno, NODEDATA(leaf), sizeof(pgno));
2640         if ((rc = mdb_get_page(txn, pgno, &omp))) {
2641                 DPRINTF("read overflow page %lu failed", pgno);
2642                 return rc;
2643         }
2644         data->mv_data = METADATA(omp);
2645
2646         return MDB_SUCCESS;
2647 }
2648
2649 int
2650 mdb_get(MDB_txn *txn, MDB_dbi dbi,
2651     MDB_val *key, MDB_val *data)
2652 {
2653         MDB_cursor      mc;
2654         MDB_xcursor     mx;
2655         int exact = 0;
2656         DKBUF;
2657
2658         assert(key);
2659         assert(data);
2660         DPRINTF("===> get db %u key [%s]", dbi, DKEY(key));
2661
2662         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
2663                 return EINVAL;
2664
2665         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
2666                 return EINVAL;
2667         }
2668
2669         mc.mc_txn = txn;
2670         mc.mc_dbi = dbi;
2671         mc.mc_flags = 0;
2672         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
2673                 mc.mc_xcursor = &mx;
2674                 mdb_xcursor_init0(&mc);
2675         } else {
2676                 mc.mc_xcursor = NULL;
2677         }
2678         return mdb_cursor_set(&mc, key, data, MDB_SET, &exact);
2679 }
2680
2681 static int
2682 mdb_sibling(MDB_cursor *mc, int move_right)
2683 {
2684         int              rc;
2685         unsigned int    ptop;
2686         MDB_node        *indx;
2687         MDB_page        *mp;
2688
2689         if (mc->mc_snum < 2) {
2690                 return MDB_NOTFOUND;            /* root has no siblings */
2691         }
2692         ptop = mc->mc_top-1;
2693
2694         DPRINTF("parent page is page %lu, index %u",
2695                 mc->mc_pg[ptop]->mp_pgno, mc->mc_ki[ptop]);
2696
2697         cursor_pop_page(mc);
2698         if (move_right ? (mc->mc_ki[ptop] + 1u >= NUMKEYS(mc->mc_pg[ptop]))
2699                        : (mc->mc_ki[ptop] == 0)) {
2700                 DPRINTF("no more keys left, moving to %s sibling",
2701                     move_right ? "right" : "left");
2702                 if ((rc = mdb_sibling(mc, move_right)) != MDB_SUCCESS)
2703                         return rc;
2704         } else {
2705                 if (move_right)
2706                         mc->mc_ki[ptop]++;
2707                 else
2708                         mc->mc_ki[ptop]--;
2709                 DPRINTF("just moving to %s index key %u",
2710                     move_right ? "right" : "left", mc->mc_ki[ptop]);
2711         }
2712         assert(IS_BRANCH(mc->mc_pg[ptop]));
2713
2714         indx = NODEPTR(mc->mc_pg[ptop], mc->mc_ki[ptop]);
2715         if ((rc = mdb_get_page(mc->mc_txn, NODEPGNO(indx), &mp)))
2716                 return rc;;
2717
2718         cursor_push_page(mc, mp);
2719
2720         return MDB_SUCCESS;
2721 }
2722
2723 static int
2724 mdb_cursor_next(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op)
2725 {
2726         MDB_page        *mp;
2727         MDB_node        *leaf;
2728         int rc;
2729
2730         if (mc->mc_flags & C_EOF) {
2731                 return MDB_NOTFOUND;
2732         }
2733
2734         assert(mc->mc_flags & C_INITIALIZED);
2735
2736         mp = mc->mc_pg[mc->mc_top];
2737
2738         if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT) {
2739                 leaf = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2740                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2741                         if (op == MDB_NEXT || op == MDB_NEXT_DUP) {
2742                                 rc = mdb_cursor_next(&mc->mc_xcursor->mx_cursor, data, NULL, MDB_NEXT);
2743                                 if (op != MDB_NEXT || rc == MDB_SUCCESS)
2744                                         return rc;
2745                         }
2746                 } else {
2747                         mc->mc_xcursor->mx_cursor.mc_flags = 0;
2748                         if (op == MDB_NEXT_DUP)
2749                                 return MDB_NOTFOUND;
2750                 }
2751         }
2752
2753         DPRINTF("cursor_next: top page is %lu in cursor %p", mp->mp_pgno, (void *) mc);
2754
2755         if (mc->mc_ki[mc->mc_top] + 1u >= NUMKEYS(mp)) {
2756                 DPUTS("=====> move to next sibling page");
2757                 if (mdb_sibling(mc, 1) != MDB_SUCCESS) {
2758                         mc->mc_flags |= C_EOF;
2759                         return MDB_NOTFOUND;
2760                 }
2761                 mp = mc->mc_pg[mc->mc_top];
2762                 DPRINTF("next page is %lu, key index %u", mp->mp_pgno, mc->mc_ki[mc->mc_top]);
2763         } else
2764                 mc->mc_ki[mc->mc_top]++;
2765
2766         DPRINTF("==> cursor points to page %lu with %u keys, key index %u",
2767             mp->mp_pgno, NUMKEYS(mp), mc->mc_ki[mc->mc_top]);
2768
2769         if (IS_LEAF2(mp)) {
2770                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2771                 key->mv_data = LEAF2KEY(mp, mc->mc_ki[mc->mc_top], key->mv_size);
2772                 return MDB_SUCCESS;
2773         }
2774
2775         assert(IS_LEAF(mp));
2776         leaf = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2777
2778         if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2779                 mdb_xcursor_init1(mc, leaf);
2780         }
2781         if (data) {
2782                 if ((rc = mdb_read_data(mc->mc_txn, leaf, data) != MDB_SUCCESS))
2783                         return rc;
2784
2785                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2786                         rc = mdb_cursor_first(&mc->mc_xcursor->mx_cursor, data, NULL);
2787                         if (rc != MDB_SUCCESS)
2788                                 return rc;
2789                 }
2790         }
2791
2792         MDB_SET_KEY(leaf, key);
2793         return MDB_SUCCESS;
2794 }
2795
2796 static int
2797 mdb_cursor_prev(MDB_cursor *mc, MDB_val *key, MDB_val *data, MDB_cursor_op op)
2798 {
2799         MDB_page        *mp;
2800         MDB_node        *leaf;
2801         int rc;
2802
2803         assert(mc->mc_flags & C_INITIALIZED);
2804
2805         mp = mc->mc_pg[mc->mc_top];
2806
2807         if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT) {
2808                 leaf = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2809                 if (op == MDB_PREV || op == MDB_PREV_DUP) {
2810                         if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2811                                 rc = mdb_cursor_prev(&mc->mc_xcursor->mx_cursor, data, NULL, MDB_PREV);
2812                                 if (op != MDB_PREV || rc == MDB_SUCCESS)
2813                                         return rc;
2814                         } else {
2815                                 mc->mc_xcursor->mx_cursor.mc_flags = 0;
2816                                 if (op == MDB_PREV_DUP)
2817                                         return MDB_NOTFOUND;
2818                         }
2819                 }
2820         }
2821
2822         DPRINTF("cursor_prev: top page is %lu in cursor %p", mp->mp_pgno, (void *) mc);
2823
2824         if (mc->mc_ki[mc->mc_top] == 0)  {
2825                 DPUTS("=====> move to prev sibling page");
2826                 if (mdb_sibling(mc, 0) != MDB_SUCCESS) {
2827                         mc->mc_flags &= ~C_INITIALIZED;
2828                         return MDB_NOTFOUND;
2829                 }
2830                 mp = mc->mc_pg[mc->mc_top];
2831                 mc->mc_ki[mc->mc_top] = NUMKEYS(mp) - 1;
2832                 DPRINTF("prev page is %lu, key index %u", mp->mp_pgno, mc->mc_ki[mc->mc_top]);
2833         } else
2834                 mc->mc_ki[mc->mc_top]--;
2835
2836         mc->mc_flags &= ~C_EOF;
2837
2838         DPRINTF("==> cursor points to page %lu with %u keys, key index %u",
2839             mp->mp_pgno, NUMKEYS(mp), mc->mc_ki[mc->mc_top]);
2840
2841         if (IS_LEAF2(mp)) {
2842                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2843                 key->mv_data = LEAF2KEY(mp, mc->mc_ki[mc->mc_top], key->mv_size);
2844                 return MDB_SUCCESS;
2845         }
2846
2847         assert(IS_LEAF(mp));
2848         leaf = NODEPTR(mp, mc->mc_ki[mc->mc_top]);
2849
2850         if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2851                 mdb_xcursor_init1(mc, leaf);
2852         }
2853         if (data) {
2854                 if ((rc = mdb_read_data(mc->mc_txn, leaf, data) != MDB_SUCCESS))
2855                         return rc;
2856
2857                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2858                         rc = mdb_cursor_last(&mc->mc_xcursor->mx_cursor, data, NULL);
2859                         if (rc != MDB_SUCCESS)
2860                                 return rc;
2861                 }
2862         }
2863
2864         MDB_SET_KEY(leaf, key);
2865         return MDB_SUCCESS;
2866 }
2867
2868 static int
2869 mdb_cursor_set(MDB_cursor *mc, MDB_val *key, MDB_val *data,
2870     MDB_cursor_op op, int *exactp)
2871 {
2872         int              rc;
2873         MDB_node        *leaf;
2874         DKBUF;
2875
2876         assert(mc);
2877         assert(key);
2878         assert(key->mv_size > 0);
2879
2880         /* See if we're already on the right page */
2881         if (mc->mc_flags & C_INITIALIZED) {
2882                 MDB_val nodekey;
2883
2884                 if (mc->mc_pg[mc->mc_top]->mp_flags & P_LEAF2) {
2885                         nodekey.mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2886                         nodekey.mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top], 0, nodekey.mv_size);
2887                 } else {
2888                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], 0);
2889                         MDB_SET_KEY(leaf, &nodekey);
2890                 }
2891                 rc = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_cmp(key, &nodekey);
2892                 if (rc == 0) {
2893                         /* Probably happens rarely, but first node on the page
2894                          * was the one we wanted.
2895                          */
2896                         mc->mc_ki[mc->mc_top] = 0;
2897 set1:
2898                         if (exactp)
2899                                 *exactp = 1;
2900                         rc = 0;
2901                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
2902                         goto set3;
2903                 }
2904                 if (rc > 0) {
2905                         unsigned int i;
2906                         if (NUMKEYS(mc->mc_pg[mc->mc_top]) > 1) {
2907                                 if (mc->mc_pg[mc->mc_top]->mp_flags & P_LEAF2) {
2908                                         nodekey.mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top],
2909                                                  NUMKEYS(mc->mc_pg[mc->mc_top])-1, nodekey.mv_size);
2910                                 } else {
2911                                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], NUMKEYS(mc->mc_pg[mc->mc_top])-1);
2912                                         MDB_SET_KEY(leaf, &nodekey);
2913                                 }
2914                                 rc = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_cmp(key, &nodekey);
2915                                 if (rc == 0) {
2916                                         /* last node was the one we wanted */
2917                                         mc->mc_ki[mc->mc_top] = NUMKEYS(mc->mc_pg[mc->mc_top])-1;
2918                                         goto set1;
2919                                 }
2920                                 if (rc < 0) {
2921                                         /* This is definitely the right page, skip search_page */
2922                                         rc = 0;
2923                                         goto set2;
2924                                 }
2925                         }
2926                         /* If any parents have right-sibs, search.
2927                          * Otherwise, there's nothing further.
2928                          */
2929                         for (i=0; i<mc->mc_top; i++)
2930                                 if (mc->mc_ki[i] <
2931                                         NUMKEYS(mc->mc_pg[i])-1)
2932                                         break;
2933                         if (i == mc->mc_top) {
2934                                 /* There are no other pages */
2935                                 mc->mc_ki[mc->mc_top] = NUMKEYS(mc->mc_pg[mc->mc_top]);
2936                                 return MDB_NOTFOUND;
2937                         }
2938                 }
2939         }
2940
2941         rc = mdb_search_page(mc, key, 0);
2942         if (rc != MDB_SUCCESS)
2943                 return rc;
2944
2945         assert(IS_LEAF(mc->mc_pg[mc->mc_top]));
2946
2947 set2:
2948         leaf = mdb_search_node(mc, key, exactp);
2949         if (exactp != NULL && !*exactp) {
2950                 /* MDB_SET specified and not an exact match. */
2951                 return MDB_NOTFOUND;
2952         }
2953
2954         if (leaf == NULL) {
2955                 DPUTS("===> inexact leaf not found, goto sibling");
2956                 if ((rc = mdb_sibling(mc, 1)) != MDB_SUCCESS)
2957                         return rc;              /* no entries matched */
2958                 mc->mc_ki[mc->mc_top] = 0;
2959                 assert(IS_LEAF(mc->mc_pg[mc->mc_top]));
2960                 leaf = NODEPTR(mc->mc_pg[mc->mc_top], 0);
2961         }
2962
2963 set3:
2964         mc->mc_flags |= C_INITIALIZED;
2965         mc->mc_flags &= ~C_EOF;
2966
2967         if (IS_LEAF2(mc->mc_pg[mc->mc_top])) {
2968                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
2969                 key->mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], key->mv_size);
2970                 return MDB_SUCCESS;
2971         }
2972
2973         if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2974                 mdb_xcursor_init1(mc, leaf);
2975         }
2976         if (data) {
2977                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
2978                         if (op == MDB_SET || op == MDB_SET_RANGE) {
2979                                 rc = mdb_cursor_first(&mc->mc_xcursor->mx_cursor, data, NULL);
2980                         } else {
2981                                 int ex2, *ex2p;
2982                                 if (op == MDB_GET_BOTH) {
2983                                         ex2p = &ex2;
2984                                         ex2 = 0;
2985                                 } else {
2986                                         ex2p = NULL;
2987                                 }
2988                                 rc = mdb_cursor_set(&mc->mc_xcursor->mx_cursor, data, NULL, MDB_SET_RANGE, ex2p);
2989                                 if (rc != MDB_SUCCESS)
2990                                         return rc;
2991                         }
2992                 } else if (op == MDB_GET_BOTH || op == MDB_GET_BOTH_RANGE) {
2993                         MDB_val d2;
2994                         if ((rc = mdb_read_data(mc->mc_txn, leaf, &d2)) != MDB_SUCCESS)
2995                                 return rc;
2996                         rc = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dcmp(data, &d2);
2997                         if (rc) {
2998                                 if (op == MDB_GET_BOTH || rc > 0)
2999                                         return MDB_NOTFOUND;
3000                         }
3001
3002                 } else {
3003                         if ((rc = mdb_read_data(mc->mc_txn, leaf, data)) != MDB_SUCCESS)
3004                                 return rc;
3005                 }
3006         }
3007
3008         /* The key already matches in all other cases */
3009         if (op == MDB_SET_RANGE)
3010                 MDB_SET_KEY(leaf, key);
3011         DPRINTF("==> cursor placed on key [%s]", DKEY(key));
3012
3013         return rc;
3014 }
3015
3016 static int
3017 mdb_cursor_first(MDB_cursor *mc, MDB_val *key, MDB_val *data)
3018 {
3019         int              rc;
3020         MDB_node        *leaf;
3021
3022         rc = mdb_search_page(mc, NULL, 0);
3023         if (rc != MDB_SUCCESS)
3024                 return rc;
3025         assert(IS_LEAF(mc->mc_pg[mc->mc_top]));
3026
3027         leaf = NODEPTR(mc->mc_pg[mc->mc_top], 0);
3028         mc->mc_flags |= C_INITIALIZED;
3029         mc->mc_flags &= ~C_EOF;
3030
3031         if (IS_LEAF2(mc->mc_pg[mc->mc_top])) {
3032                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
3033                 key->mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top], 0, key->mv_size);
3034                 return MDB_SUCCESS;
3035         }
3036
3037         if (data) {
3038                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3039                         mdb_xcursor_init1(mc, leaf);
3040                         rc = mdb_cursor_first(&mc->mc_xcursor->mx_cursor, data, NULL);
3041                         if (rc)
3042                                 return rc;
3043                 } else {
3044                         if (mc->mc_xcursor)
3045                                 mc->mc_xcursor->mx_cursor.mc_flags = 0;
3046                         if ((rc = mdb_read_data(mc->mc_txn, leaf, data)) != MDB_SUCCESS)
3047                                 return rc;
3048                 }
3049         }
3050         MDB_SET_KEY(leaf, key);
3051         return MDB_SUCCESS;
3052 }
3053
3054 static int
3055 mdb_cursor_last(MDB_cursor *mc, MDB_val *key, MDB_val *data)
3056 {
3057         int              rc;
3058         MDB_node        *leaf;
3059         MDB_val lkey;
3060
3061         lkey.mv_size = MAXKEYSIZE+1;
3062         lkey.mv_data = NULL;
3063
3064         rc = mdb_search_page(mc, &lkey, 0);
3065         if (rc != MDB_SUCCESS)
3066                 return rc;
3067         assert(IS_LEAF(mc->mc_pg[mc->mc_top]));
3068
3069         leaf = NODEPTR(mc->mc_pg[mc->mc_top], NUMKEYS(mc->mc_pg[mc->mc_top])-1);
3070         mc->mc_flags |= C_INITIALIZED;
3071         mc->mc_flags &= ~C_EOF;
3072
3073         mc->mc_ki[mc->mc_top] = NUMKEYS(mc->mc_pg[mc->mc_top]) - 1;
3074
3075         if (IS_LEAF2(mc->mc_pg[mc->mc_top])) {
3076                 key->mv_size = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
3077                 key->mv_data = LEAF2KEY(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], key->mv_size);
3078                 return MDB_SUCCESS;
3079         }
3080
3081         if (data) {
3082                 if (F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3083                         mdb_xcursor_init1(mc, leaf);
3084                         rc = mdb_cursor_last(&mc->mc_xcursor->mx_cursor, data, NULL);
3085                         if (rc)
3086                                 return rc;
3087                 } else {
3088                         if ((rc = mdb_read_data(mc->mc_txn, leaf, data)) != MDB_SUCCESS)
3089                                 return rc;
3090                 }
3091         }
3092
3093         MDB_SET_KEY(leaf, key);
3094         return MDB_SUCCESS;
3095 }
3096
3097 int
3098 mdb_cursor_get(MDB_cursor *mc, MDB_val *key, MDB_val *data,
3099     MDB_cursor_op op)
3100 {
3101         int              rc;
3102         int              exact = 0;
3103
3104         assert(mc);
3105
3106         switch (op) {
3107         case MDB_GET_BOTH:
3108         case MDB_GET_BOTH_RANGE:
3109                 if (data == NULL || mc->mc_xcursor == NULL) {
3110                         rc = EINVAL;
3111                         break;
3112                 }
3113                 /* FALLTHRU */
3114         case MDB_SET:
3115         case MDB_SET_RANGE:
3116                 if (key == NULL || key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
3117                         rc = EINVAL;
3118                 } else if (op == MDB_SET_RANGE)
3119                         rc = mdb_cursor_set(mc, key, data, op, NULL);
3120                 else
3121                         rc = mdb_cursor_set(mc, key, data, op, &exact);
3122                 break;
3123         case MDB_GET_MULTIPLE:
3124                 if (data == NULL ||
3125                         !(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPFIXED) ||
3126                         !(mc->mc_flags & C_INITIALIZED)) {
3127                         rc = EINVAL;
3128                         break;
3129                 }
3130                 rc = MDB_SUCCESS;
3131                 if (!(mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED) ||
3132                         (mc->mc_xcursor->mx_cursor.mc_flags & C_EOF))
3133                         break;
3134                 goto fetchm;
3135         case MDB_NEXT_MULTIPLE:
3136                 if (data == NULL ||
3137                         !(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPFIXED)) {
3138                         rc = EINVAL;
3139                         break;
3140                 }
3141                 if (!(mc->mc_flags & C_INITIALIZED))
3142                         rc = mdb_cursor_first(mc, key, data);
3143                 else
3144                         rc = mdb_cursor_next(mc, key, data, MDB_NEXT_DUP);
3145                 if (rc == MDB_SUCCESS) {
3146                         if (mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED) {
3147                                 MDB_cursor *mx;
3148 fetchm:
3149                                 mx = &mc->mc_xcursor->mx_cursor;
3150                                 data->mv_size = NUMKEYS(mx->mc_pg[mx->mc_top]) *
3151                                         mx->mc_txn->mt_dbs[mx->mc_dbi].md_pad;
3152                                 data->mv_data = METADATA(mx->mc_pg[mx->mc_top]);
3153                                 mx->mc_ki[mx->mc_top] = NUMKEYS(mx->mc_pg[mx->mc_top])-1;
3154                         } else {
3155                                 rc = MDB_NOTFOUND;
3156                         }
3157                 }
3158                 break;
3159         case MDB_NEXT:
3160         case MDB_NEXT_DUP:
3161         case MDB_NEXT_NODUP:
3162                 if (!(mc->mc_flags & C_INITIALIZED))
3163                         rc = mdb_cursor_first(mc, key, data);
3164                 else
3165                         rc = mdb_cursor_next(mc, key, data, op);
3166                 break;
3167         case MDB_PREV:
3168         case MDB_PREV_DUP:
3169         case MDB_PREV_NODUP:
3170                 if (!(mc->mc_flags & C_INITIALIZED) || (mc->mc_flags & C_EOF))
3171                         rc = mdb_cursor_last(mc, key, data);
3172                 else
3173                         rc = mdb_cursor_prev(mc, key, data, op);
3174                 break;
3175         case MDB_FIRST:
3176                 rc = mdb_cursor_first(mc, key, data);
3177                 break;
3178         case MDB_FIRST_DUP:
3179                 if (data == NULL ||
3180                         !(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT) ||
3181                         !(mc->mc_flags & C_INITIALIZED) ||
3182                         !(mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED)) {
3183                         rc = EINVAL;
3184                         break;
3185                 }
3186                 rc = mdb_cursor_first(&mc->mc_xcursor->mx_cursor, data, NULL);
3187                 break;
3188         case MDB_LAST:
3189                 rc = mdb_cursor_last(mc, key, data);
3190                 break;
3191         case MDB_LAST_DUP:
3192                 if (data == NULL ||
3193                         !(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT) ||
3194                         !(mc->mc_flags & C_INITIALIZED) ||
3195                         !(mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED)) {
3196                         rc = EINVAL;
3197                         break;
3198                 }
3199                 rc = mdb_cursor_last(&mc->mc_xcursor->mx_cursor, data, NULL);
3200                 break;
3201         default:
3202                 DPRINTF("unhandled/unimplemented cursor operation %u", op);
3203                 rc = EINVAL;
3204                 break;
3205         }
3206
3207         return rc;
3208 }
3209
3210 static int
3211 mdb_cursor_touch(MDB_cursor *mc)
3212 {
3213         int rc;
3214
3215         if (mc->mc_dbi > MAIN_DBI && !mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty) {
3216                 MDB_cursor mc2;
3217                 mc2.mc_txn = mc->mc_txn;
3218                 mc2.mc_dbi = MAIN_DBI;
3219                 rc = mdb_search_page(&mc2, &mc->mc_txn->mt_dbxs[mc->mc_dbi].md_name, 1);
3220                 if (rc) return rc;
3221                 mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty = 1;
3222         }
3223         for (mc->mc_top = 0; mc->mc_top < mc->mc_snum; mc->mc_top++) {
3224                 if (!F_ISSET(mc->mc_pg[mc->mc_top]->mp_flags, P_DIRTY)) {
3225                         rc = mdb_touch(mc);
3226                         if (rc) return rc;
3227                         if (!mc->mc_top) {
3228                                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_root =
3229                                         mc->mc_pg[mc->mc_top]->mp_pgno;
3230                         }
3231                 }
3232         }
3233         mc->mc_top = mc->mc_snum-1;
3234         return MDB_SUCCESS;
3235 }
3236
3237 int
3238 mdb_cursor_put(MDB_cursor *mc, MDB_val *key, MDB_val *data,
3239     unsigned int flags)
3240 {
3241         MDB_node        *leaf;
3242         MDB_val xdata, *rdata, dkey;
3243         MDB_db dummy;
3244         char dbuf[PAGESIZE];
3245         int do_sub = 0;
3246         size_t nsize;
3247         DKBUF;
3248         int rc, rc2;
3249
3250         if (F_ISSET(mc->mc_txn->mt_flags, MDB_TXN_RDONLY))
3251                 return EACCES;
3252
3253         DPRINTF("==> put db %u key [%s], size %zu, data size %zu",
3254                 mc->mc_dbi, DKEY(key), key->mv_size, data->mv_size);
3255
3256         dkey.mv_size = 0;
3257
3258         if (flags == MDB_CURRENT) {
3259                 if (!(mc->mc_flags & C_INITIALIZED))
3260                         return EINVAL;
3261                 rc = MDB_SUCCESS;
3262         } else if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_root == P_INVALID) {
3263                 MDB_page *np;
3264                 /* new database, write a root leaf page */
3265                 DPUTS("allocating new root leaf page");
3266                 if ((np = mdb_new_page(mc, P_LEAF, 1)) == NULL) {
3267                         return ENOMEM;
3268                 }
3269                 mc->mc_snum = 0;
3270                 cursor_push_page(mc, np);
3271                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = np->mp_pgno;
3272                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth++;
3273                 mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty = 1;
3274                 if ((mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & (MDB_DUPSORT|MDB_DUPFIXED))
3275                         == MDB_DUPFIXED)
3276                         np->mp_flags |= P_LEAF2;
3277                 mc->mc_flags |= C_INITIALIZED;
3278                 rc = MDB_NOTFOUND;
3279                 goto top;
3280         } else {
3281                 int exact = 0;
3282                 rc = mdb_cursor_set(mc, key, NULL, MDB_SET, &exact);
3283                 if (flags == MDB_NOOVERWRITE && rc == 0) {
3284                         DPRINTF("duplicate key [%s]", DKEY(key));
3285                         return MDB_KEYEXIST;
3286                 }
3287                 if (rc && rc != MDB_NOTFOUND)
3288                         return rc;
3289         }
3290
3291         /* Cursor is positioned, now make sure all pages are writable */
3292         rc2 = mdb_cursor_touch(mc);
3293         if (rc2) return rc2;
3294
3295 top:
3296         /* The key already exists */
3297         if (rc == MDB_SUCCESS) {
3298                 /* there's only a key anyway, so this is a no-op */
3299                 if (IS_LEAF2(mc->mc_pg[mc->mc_top])) {
3300                         unsigned int ksize = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
3301                         if (key->mv_size != ksize)
3302                                 return EINVAL;
3303                         if (flags == MDB_CURRENT) {
3304                                 char *ptr = LEAF2KEY(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], ksize);
3305                                 memcpy(ptr, key->mv_data, ksize);
3306                         }
3307                         return MDB_SUCCESS;
3308                 }
3309
3310                 leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3311
3312                 /* DB has dups? */
3313                 if (F_ISSET(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags, MDB_DUPSORT)) {
3314                         /* Was a single item before, must convert now */
3315                         if (!F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3316                                 dkey.mv_size = NODEDSZ(leaf);
3317                                 dkey.mv_data = dbuf;
3318                                 memcpy(dbuf, NODEDATA(leaf), dkey.mv_size);
3319                                 /* data matches, ignore it */
3320                                 if (!mdb_dcmp(mc->mc_txn, mc->mc_dbi, data, &dkey))
3321                                         return (flags == MDB_NODUPDATA) ? MDB_KEYEXIST : MDB_SUCCESS;
3322                                 memset(&dummy, 0, sizeof(dummy));
3323                                 if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPFIXED) {
3324                                         dummy.md_pad = data->mv_size;
3325                                         dummy.md_flags = MDB_DUPFIXED;
3326                                         if (mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_INTEGERDUP)
3327                                                 dummy.md_flags |= MDB_INTEGERKEY;
3328                                 }
3329                                 dummy.md_root = P_INVALID;
3330                                 if (dkey.mv_size == sizeof(MDB_db)) {
3331                                         memcpy(NODEDATA(leaf), &dummy, sizeof(dummy));
3332                                         goto put_sub;
3333                                 }
3334                                 mdb_del_node(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], 0);
3335                                 do_sub = 1;
3336                                 rdata = &xdata;
3337                                 xdata.mv_size = sizeof(MDB_db);
3338                                 xdata.mv_data = &dummy;
3339                                 goto new_sub;
3340                         }
3341                         goto put_sub;
3342                 }
3343                 /* same size, just replace it */
3344                 if (!F_ISSET(leaf->mn_flags, F_BIGDATA) &&
3345                         NODEDSZ(leaf) == data->mv_size) {
3346                         memcpy(NODEDATA(leaf), data->mv_data, data->mv_size);
3347                         goto done;
3348                 }
3349                 mdb_del_node(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top], 0);
3350         } else {
3351                 DPRINTF("inserting key at index %i", mc->mc_ki[mc->mc_top]);
3352         }
3353
3354         rdata = data;
3355
3356 new_sub:
3357         nsize = IS_LEAF2(mc->mc_pg[mc->mc_top]) ? key->mv_size : mdb_leaf_size(mc->mc_txn->mt_env, key, rdata);
3358         if (SIZELEFT(mc->mc_pg[mc->mc_top]) < nsize) {
3359                 rc = mdb_split(mc, key, rdata, P_INVALID);
3360         } else {
3361                 /* There is room already in this leaf page. */
3362                 rc = mdb_add_node(mc, mc->mc_ki[mc->mc_top], key, rdata, 0, 0);
3363         }
3364
3365         if (rc != MDB_SUCCESS)
3366                 mc->mc_txn->mt_flags |= MDB_TXN_ERROR;
3367         else {
3368                 /* Remember if we just added a subdatabase */
3369                 if (flags & F_SUBDATA) {
3370                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3371                         leaf->mn_flags |= F_SUBDATA;
3372                 }
3373
3374                 /* Now store the actual data in the child DB. Note that we're
3375                  * storing the user data in the keys field, so there are strict
3376                  * size limits on dupdata. The actual data fields of the child
3377                  * DB are all zero size.
3378                  */
3379                 if (do_sub) {
3380                         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3381 put_sub:
3382                         if (flags == MDB_CURRENT)
3383                                 mdb_xcursor_init2(mc);
3384                         else
3385                                 mdb_xcursor_init1(mc, leaf);
3386                         xdata.mv_size = 0;
3387                         xdata.mv_data = "";
3388                         if (flags == MDB_NODUPDATA)
3389                                 flags = MDB_NOOVERWRITE;
3390                         /* converted, write the original data first */
3391                         if (dkey.mv_size) {
3392                                 rc = mdb_cursor_put(&mc->mc_xcursor->mx_cursor, &dkey, &xdata, flags);
3393                                 if (rc) return rc;
3394                                 leaf->mn_flags |= F_DUPDATA;
3395                         }
3396                         rc = mdb_cursor_put(&mc->mc_xcursor->mx_cursor, data, &xdata, flags);
3397                         mdb_xcursor_fini(mc);
3398                         memcpy(NODEDATA(leaf),
3399                                 &mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi],
3400                                 sizeof(MDB_db));
3401                 }
3402                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_entries++;
3403         }
3404 done:
3405         return rc;
3406 }
3407
3408 int
3409 mdb_cursor_del(MDB_cursor *mc, unsigned int flags)
3410 {
3411         MDB_node        *leaf;
3412         int rc;
3413
3414         if (F_ISSET(mc->mc_txn->mt_flags, MDB_TXN_RDONLY))
3415                 return EACCES;
3416
3417         if (!mc->mc_flags & C_INITIALIZED)
3418                 return EINVAL;
3419
3420         rc = mdb_cursor_touch(mc);
3421         if (rc) return rc;
3422
3423         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3424
3425         if (!IS_LEAF2(mc->mc_pg[mc->mc_top]) && F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3426                 if (flags != MDB_NODUPDATA) {
3427                         mdb_xcursor_init2(mc);
3428                         rc = mdb_cursor_del(&mc->mc_xcursor->mx_cursor, 0);
3429                         mdb_xcursor_fini(mc);
3430                         /* If sub-DB still has entries, we're done */
3431                         if (mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi].md_root
3432                                 != P_INVALID) {
3433                                 memcpy(NODEDATA(leaf),
3434                                         &mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi],
3435                                         sizeof(MDB_db));
3436                                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_entries--;
3437                                 return rc;
3438                         }
3439                         /* otherwise fall thru and delete the sub-DB */
3440                 }
3441
3442                 /* add all the child DB's pages to the free list */
3443                 rc = mdb_search_page(&mc->mc_xcursor->mx_cursor, NULL, 0);
3444                 if (rc == MDB_SUCCESS) {
3445                         MDB_node *ni;
3446                         MDB_cursor *mx;
3447                         unsigned int i;
3448
3449                         mx = &mc->mc_xcursor->mx_cursor;
3450                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_entries -=
3451                                 mx->mc_txn->mt_dbs[mx->mc_dbi].md_entries;
3452
3453                         cursor_pop_page(mx);
3454                         if (mx->mc_snum) {
3455                                 while (mx->mc_snum > 1) {
3456                                         for (i=0; i<NUMKEYS(mx->mc_pg[mx->mc_top]); i++) {
3457                                                 pgno_t pg;
3458                                                 ni = NODEPTR(mx->mc_pg[mx->mc_top], i);
3459                                                 pg = NODEPGNO(ni);
3460                                                 /* free it */
3461                                                 mdb_midl_append(mc->mc_txn->mt_free_pgs, pg);
3462                                         }
3463                                         rc = mdb_sibling(mx, 1);
3464                                         if (rc) break;
3465                                 }
3466                         }
3467                         /* free it */
3468                         mdb_midl_append(mc->mc_txn->mt_free_pgs,
3469                                 mx->mc_txn->mt_dbs[mx->mc_dbi].md_root);
3470                 }
3471         }
3472
3473         return mdb_del0(mc, leaf);
3474 }
3475
3476 /* Allocate a page and initialize it
3477  */
3478 static MDB_page *
3479 mdb_new_page(MDB_cursor *mc, uint32_t flags, int num)
3480 {
3481         MDB_page        *np;
3482
3483         if ((np = mdb_alloc_page(mc, num)) == NULL)
3484                 return NULL;
3485         DPRINTF("allocated new mpage %lu, page size %u",
3486             np->mp_pgno, mc->mc_txn->mt_env->me_psize);
3487         np->mp_flags = flags | P_DIRTY;
3488         np->mp_lower = PAGEHDRSZ;
3489         np->mp_upper = mc->mc_txn->mt_env->me_psize;
3490
3491         if (IS_BRANCH(np))
3492                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_branch_pages++;
3493         else if (IS_LEAF(np))
3494                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_leaf_pages++;
3495         else if (IS_OVERFLOW(np)) {
3496                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_overflow_pages += num;
3497                 np->mp_pages = num;
3498         }
3499
3500         return np;
3501 }
3502
3503 static size_t
3504 mdb_leaf_size(MDB_env *env, MDB_val *key, MDB_val *data)
3505 {
3506         size_t           sz;
3507
3508         sz = LEAFSIZE(key, data);
3509         if (data->mv_size >= env->me_psize / MDB_MINKEYS) {
3510                 /* put on overflow page */
3511                 sz -= data->mv_size - sizeof(pgno_t);
3512         }
3513         sz += sz & 1;
3514
3515         return sz + sizeof(indx_t);
3516 }
3517
3518 static size_t
3519 mdb_branch_size(MDB_env *env, MDB_val *key)
3520 {
3521         size_t           sz;
3522
3523         sz = INDXSIZE(key);
3524         if (sz >= env->me_psize / MDB_MINKEYS) {
3525                 /* put on overflow page */
3526                 /* not implemented */
3527                 /* sz -= key->size - sizeof(pgno_t); */
3528         }
3529
3530         return sz + sizeof(indx_t);
3531 }
3532
3533 static int
3534 mdb_add_node(MDB_cursor *mc, indx_t indx,
3535     MDB_val *key, MDB_val *data, pgno_t pgno, uint8_t flags)
3536 {
3537         unsigned int     i;
3538         size_t           node_size = NODESIZE;
3539         indx_t           ofs;
3540         MDB_node        *node;
3541         MDB_page        *mp = mc->mc_pg[mc->mc_top];
3542         MDB_page        *ofp = NULL;            /* overflow page */
3543         DKBUF;
3544
3545         assert(mp->mp_upper >= mp->mp_lower);
3546
3547         DPRINTF("add to %s page %lu index %i, data size %zu key size %zu [%s]",
3548             IS_LEAF(mp) ? "leaf" : "branch",
3549             mp->mp_pgno, indx, data ? data->mv_size : 0,
3550                 key ? key->mv_size : 0, key ? DKEY(key) : NULL);
3551
3552         if (IS_LEAF2(mp)) {
3553                 /* Move higher keys up one slot. */
3554                 int ksize = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad, dif;
3555                 char *ptr = LEAF2KEY(mp, indx, ksize);
3556                 dif = NUMKEYS(mp) - indx;
3557                 if (dif > 0)
3558                         memmove(ptr+ksize, ptr, dif*ksize);
3559                 /* insert new key */
3560                 memcpy(ptr, key->mv_data, ksize);
3561
3562                 /* Just using these for counting */
3563                 mp->mp_lower += sizeof(indx_t);
3564                 mp->mp_upper -= ksize - sizeof(indx_t);
3565                 return MDB_SUCCESS;
3566         }
3567
3568         if (key != NULL)
3569                 node_size += key->mv_size;
3570
3571         if (IS_LEAF(mp)) {
3572                 assert(data);
3573                 if (F_ISSET(flags, F_BIGDATA)) {
3574                         /* Data already on overflow page. */
3575                         node_size += sizeof(pgno_t);
3576                 } else if (data->mv_size >= mc->mc_txn->mt_env->me_psize / MDB_MINKEYS) {
3577                         int ovpages = OVPAGES(data->mv_size, mc->mc_txn->mt_env->me_psize);
3578                         /* Put data on overflow page. */
3579                         DPRINTF("data size is %zu, put on overflow page",
3580                             data->mv_size);
3581                         node_size += sizeof(pgno_t);
3582                         if ((ofp = mdb_new_page(mc, P_OVERFLOW, ovpages)) == NULL)
3583                                 return ENOMEM;
3584                         DPRINTF("allocated overflow page %lu", ofp->mp_pgno);
3585                         flags |= F_BIGDATA;
3586                 } else {
3587                         node_size += data->mv_size;
3588                 }
3589         }
3590         node_size += node_size & 1;
3591
3592         if (node_size + sizeof(indx_t) > SIZELEFT(mp)) {
3593                 DPRINTF("not enough room in page %lu, got %u ptrs",
3594                     mp->mp_pgno, NUMKEYS(mp));
3595                 DPRINTF("upper - lower = %u - %u = %u", mp->mp_upper, mp->mp_lower,
3596                     mp->mp_upper - mp->mp_lower);
3597                 DPRINTF("node size = %zu", node_size);
3598                 return ENOSPC;
3599         }
3600
3601         /* Move higher pointers up one slot. */
3602         for (i = NUMKEYS(mp); i > indx; i--)
3603                 mp->mp_ptrs[i] = mp->mp_ptrs[i - 1];
3604
3605         /* Adjust free space offsets. */
3606         ofs = mp->mp_upper - node_size;
3607         assert(ofs >= mp->mp_lower + sizeof(indx_t));
3608         mp->mp_ptrs[indx] = ofs;
3609         mp->mp_upper = ofs;
3610         mp->mp_lower += sizeof(indx_t);
3611
3612         /* Write the node data. */
3613         node = NODEPTR(mp, indx);
3614         node->mn_ksize = (key == NULL) ? 0 : key->mv_size;
3615         node->mn_flags = flags;
3616         if (IS_LEAF(mp))
3617                 SETDSZ(node,data->mv_size);
3618         else
3619                 SETPGNO(node,pgno);
3620
3621         if (key)
3622                 memcpy(NODEKEY(node), key->mv_data, key->mv_size);
3623
3624         if (IS_LEAF(mp)) {
3625                 assert(key);
3626                 if (ofp == NULL) {
3627                         if (F_ISSET(flags, F_BIGDATA))
3628                                 memcpy(node->mn_data + key->mv_size, data->mv_data,
3629                                     sizeof(pgno_t));
3630                         else
3631                                 memcpy(node->mn_data + key->mv_size, data->mv_data,
3632                                     data->mv_size);
3633                 } else {
3634                         memcpy(node->mn_data + key->mv_size, &ofp->mp_pgno,
3635                             sizeof(pgno_t));
3636                         memcpy(METADATA(ofp), data->mv_data, data->mv_size);
3637                 }
3638         }
3639
3640         return MDB_SUCCESS;
3641 }
3642
3643 static void
3644 mdb_del_node(MDB_page *mp, indx_t indx, int ksize)
3645 {
3646         unsigned int     sz;
3647         indx_t           i, j, numkeys, ptr;
3648         MDB_node        *node;
3649         char            *base;
3650
3651         DPRINTF("delete node %u on %s page %lu", indx,
3652             IS_LEAF(mp) ? "leaf" : "branch", mp->mp_pgno);
3653         assert(indx < NUMKEYS(mp));
3654
3655         if (IS_LEAF2(mp)) {
3656                 int x = NUMKEYS(mp) - 1 - indx;
3657                 base = LEAF2KEY(mp, indx, ksize);
3658                 if (x)
3659                         memmove(base, base + ksize, x * ksize);
3660                 mp->mp_lower -= sizeof(indx_t);
3661                 mp->mp_upper += ksize - sizeof(indx_t);
3662                 return;
3663         }
3664
3665         node = NODEPTR(mp, indx);
3666         sz = NODESIZE + node->mn_ksize;
3667         if (IS_LEAF(mp)) {
3668                 if (F_ISSET(node->mn_flags, F_BIGDATA))
3669                         sz += sizeof(pgno_t);
3670                 else
3671                         sz += NODEDSZ(node);
3672         }
3673         sz += sz & 1;
3674
3675         ptr = mp->mp_ptrs[indx];
3676         numkeys = NUMKEYS(mp);
3677         for (i = j = 0; i < numkeys; i++) {
3678                 if (i != indx) {
3679                         mp->mp_ptrs[j] = mp->mp_ptrs[i];
3680                         if (mp->mp_ptrs[i] < ptr)
3681                                 mp->mp_ptrs[j] += sz;
3682                         j++;
3683                 }
3684         }
3685
3686         base = (char *)mp + mp->mp_upper;
3687         memmove(base + sz, base, ptr - mp->mp_upper);
3688
3689         mp->mp_lower -= sizeof(indx_t);
3690         mp->mp_upper += sz;
3691 }
3692
3693 static void
3694 mdb_xcursor_init0(MDB_cursor *mc)
3695 {
3696         MDB_xcursor *mx = mc->mc_xcursor;
3697         MDB_dbi dbn;
3698
3699         mx->mx_txn = *mc->mc_txn;
3700         mx->mx_txn.mt_dbxs = mx->mx_dbxs;
3701         mx->mx_txn.mt_dbs = mx->mx_dbs;
3702         mx->mx_dbxs[0] = mc->mc_txn->mt_dbxs[0];
3703         mx->mx_dbxs[1] = mc->mc_txn->mt_dbxs[1];
3704         if (mc->mc_dbi > 1) {
3705                 mx->mx_dbxs[2] = mc->mc_txn->mt_dbxs[mc->mc_dbi];
3706                 dbn = 2;
3707         } else {
3708                 dbn = 1;
3709         }
3710         mx->mx_dbxs[dbn+1].md_parent = dbn;
3711         mx->mx_dbxs[dbn+1].md_cmp = mx->mx_dbxs[dbn].md_dcmp;
3712         mx->mx_dbxs[dbn+1].md_rel = mx->mx_dbxs[dbn].md_rel;
3713         mx->mx_dbxs[dbn+1].md_dirty = 0;
3714         mx->mx_txn.mt_numdbs = dbn+2;
3715         mx->mx_txn.mt_u = mc->mc_txn->mt_u;
3716
3717         mx->mx_cursor.mc_xcursor = NULL;
3718         mx->mx_cursor.mc_txn = &mx->mx_txn;
3719         mx->mx_cursor.mc_dbi = dbn+1;
3720 }
3721
3722 static void
3723 mdb_xcursor_init1(MDB_cursor *mc, MDB_node *node)
3724 {
3725         MDB_db *db = NODEDATA(node);
3726         MDB_xcursor *mx = mc->mc_xcursor;
3727         MDB_dbi dbn;
3728         mx->mx_dbs[0] = mc->mc_txn->mt_dbs[0];
3729         mx->mx_dbs[1] = mc->mc_txn->mt_dbs[1];
3730         if (mc->mc_dbi > 1) {
3731                 mx->mx_dbs[2] = mc->mc_txn->mt_dbs[mc->mc_dbi];
3732                 mx->mx_dbxs[2].md_dirty = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty;
3733                 dbn = 3;
3734         } else {
3735                 dbn = 2;
3736         }
3737         DPRINTF("Sub-db %u for db %u root page %lu", dbn, mc->mc_dbi, db->md_root);
3738         mx->mx_dbs[dbn] = *db;
3739         if (F_ISSET(mc->mc_pg[mc->mc_top]->mp_flags, P_DIRTY))
3740                 mx->mx_dbxs[dbn].md_dirty = 1;
3741         mx->mx_dbxs[dbn].md_name.mv_data = NODEKEY(node);
3742         mx->mx_dbxs[dbn].md_name.mv_size = node->mn_ksize;
3743         mx->mx_txn.mt_next_pgno = mc->mc_txn->mt_next_pgno;
3744         mx->mx_cursor.mc_snum = 0;
3745         mx->mx_cursor.mc_flags = 0;
3746 }
3747
3748 static void
3749 mdb_xcursor_init2(MDB_cursor *mc)
3750 {
3751         MDB_xcursor *mx = mc->mc_xcursor;
3752         MDB_dbi dbn;
3753         mx->mx_dbs[0] = mc->mc_txn->mt_dbs[0];
3754         mx->mx_dbs[1] = mc->mc_txn->mt_dbs[1];
3755         if (mc->mc_dbi > 1) {
3756                 mx->mx_dbs[2] = mc->mc_txn->mt_dbs[mc->mc_dbi];
3757                 mx->mx_dbxs[2].md_dirty = mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty;
3758                 dbn = 3;
3759         } else {
3760                 dbn = 2;
3761         }
3762         DPRINTF("Sub-db %u for db %u root page %lu", dbn, mc->mc_dbi,
3763                 mx->mx_dbs[dbn].md_root);
3764         mx->mx_txn.mt_next_pgno = mc->mc_txn->mt_next_pgno;
3765 }
3766
3767 static void
3768 mdb_xcursor_fini(MDB_cursor *mc)
3769 {
3770         MDB_xcursor *mx = mc->mc_xcursor;
3771         mc->mc_txn->mt_next_pgno = mx->mx_txn.mt_next_pgno;
3772         mc->mc_txn->mt_dbs[0] = mx->mx_dbs[0];
3773         mc->mc_txn->mt_dbs[1] = mx->mx_dbs[1];
3774         if (mc->mc_dbi > 1) {
3775                 mc->mc_txn->mt_dbs[mc->mc_dbi] = mx->mx_dbs[2];
3776                 mc->mc_txn->mt_dbxs[mc->mc_dbi].md_dirty = mx->mx_dbxs[2].md_dirty;
3777         }
3778 }
3779
3780 int
3781 mdb_cursor_open(MDB_txn *txn, MDB_dbi dbi, MDB_cursor **ret)
3782 {
3783         MDB_cursor      *mc;
3784         size_t size = sizeof(MDB_cursor);
3785
3786         if (txn == NULL || ret == NULL || !dbi || dbi >= txn->mt_numdbs)
3787                 return EINVAL;
3788
3789         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT)
3790                 size += sizeof(MDB_xcursor);
3791
3792         if ((mc = calloc(1, size)) != NULL) {
3793                 mc->mc_dbi = dbi;
3794                 mc->mc_txn = txn;
3795                 if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
3796                         MDB_xcursor *mx = (MDB_xcursor *)(mc + 1);
3797                         mc->mc_xcursor = mx;
3798                         mdb_xcursor_init0(mc);
3799                 }
3800         } else {
3801                 return ENOMEM;
3802         }
3803
3804         *ret = mc;
3805
3806         return MDB_SUCCESS;
3807 }
3808
3809 /* Return the count of duplicate data items for the current key */
3810 int
3811 mdb_cursor_count(MDB_cursor *mc, unsigned long *countp)
3812 {
3813         MDB_node        *leaf;
3814
3815         if (mc == NULL || countp == NULL)
3816                 return EINVAL;
3817
3818         if (!(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT))
3819                 return EINVAL;
3820
3821         leaf = NODEPTR(mc->mc_pg[mc->mc_top], mc->mc_ki[mc->mc_top]);
3822         if (!F_ISSET(leaf->mn_flags, F_DUPDATA)) {
3823                 *countp = 1;
3824         } else {
3825                 if (!(mc->mc_xcursor->mx_cursor.mc_flags & C_INITIALIZED))
3826                         return EINVAL;
3827
3828                 *countp = mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi].md_entries;
3829         }
3830         return MDB_SUCCESS;
3831 }
3832
3833 void
3834 mdb_cursor_close(MDB_cursor *mc)
3835 {
3836         if (mc != NULL) {
3837                 free(mc);
3838         }
3839 }
3840
3841 static int
3842 mdb_update_key(MDB_page *mp, indx_t indx, MDB_val *key)
3843 {
3844         indx_t                   ptr, i, numkeys;
3845         int                      delta;
3846         size_t                   len;
3847         MDB_node                *node;
3848         char                    *base;
3849         DKBUF;
3850
3851         node = NODEPTR(mp, indx);
3852         ptr = mp->mp_ptrs[indx];
3853         DPRINTF("update key %u (ofs %u) [%.*s] to [%s] on page %lu",
3854             indx, ptr,
3855             (int)node->mn_ksize, (char *)NODEKEY(node),
3856                 DKEY(key),
3857             mp->mp_pgno);
3858
3859         delta = key->mv_size - node->mn_ksize;
3860         if (delta) {
3861                 if (delta > 0 && SIZELEFT(mp) < delta) {
3862                         DPRINTF("OUCH! Not enough room, delta = %d", delta);
3863                         return ENOSPC;
3864                 }
3865
3866                 numkeys = NUMKEYS(mp);
3867                 for (i = 0; i < numkeys; i++) {
3868                         if (mp->mp_ptrs[i] <= ptr)
3869                                 mp->mp_ptrs[i] -= delta;
3870                 }
3871
3872                 base = (char *)mp + mp->mp_upper;
3873                 len = ptr - mp->mp_upper + NODESIZE;
3874                 memmove(base - delta, base, len);
3875                 mp->mp_upper -= delta;
3876
3877                 node = NODEPTR(mp, indx);
3878                 node->mn_ksize = key->mv_size;
3879         }
3880
3881         memcpy(NODEKEY(node), key->mv_data, key->mv_size);
3882
3883         return MDB_SUCCESS;
3884 }
3885
3886 /* Move a node from csrc to cdst.
3887  */
3888 static int
3889 mdb_move_node(MDB_cursor *csrc, MDB_cursor *cdst)
3890 {
3891         int                      rc;
3892         MDB_node                *srcnode;
3893         MDB_val          key, data;
3894         DKBUF;
3895
3896         /* Mark src and dst as dirty. */
3897         if ((rc = mdb_touch(csrc)) ||
3898             (rc = mdb_touch(cdst)))
3899                 return rc;;
3900
3901         if (IS_LEAF2(csrc->mc_pg[csrc->mc_top])) {
3902                 srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], 0);        /* fake */
3903                 key.mv_size = csrc->mc_txn->mt_dbs[csrc->mc_dbi].md_pad;
3904                 key.mv_data = LEAF2KEY(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top], key.mv_size);
3905                 data.mv_size = 0;
3906                 data.mv_data = NULL;
3907         } else {
3908                 if (csrc->mc_ki[csrc->mc_top] == 0 && IS_BRANCH(csrc->mc_pg[csrc->mc_top])) {
3909                         unsigned int snum = csrc->mc_snum;
3910                         /* must find the lowest key below src */
3911                         mdb_search_page_root(csrc, NULL, 0);
3912                         srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], 0);
3913                         csrc->mc_snum = snum--;
3914                         csrc->mc_top = snum;
3915                 } else {
3916                         srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top]);
3917                 }
3918                 key.mv_size = NODEKSZ(srcnode);
3919                 key.mv_data = NODEKEY(srcnode);
3920                 data.mv_size = NODEDSZ(srcnode);
3921                 data.mv_data = NODEDATA(srcnode);
3922         }
3923         DPRINTF("moving %s node %u [%s] on page %lu to node %u on page %lu",
3924             IS_LEAF(csrc->mc_pg[csrc->mc_top]) ? "leaf" : "branch",
3925             csrc->mc_ki[csrc->mc_top],
3926                 DKEY(&key),
3927             csrc->mc_pg[csrc->mc_top]->mp_pgno,
3928             cdst->mc_ki[cdst->mc_top], cdst->mc_pg[cdst->mc_top]->mp_pgno);
3929
3930         /* Add the node to the destination page.
3931          */
3932         rc = mdb_add_node(cdst, cdst->mc_ki[cdst->mc_top], &key, &data, NODEPGNO(srcnode),
3933             srcnode->mn_flags);
3934         if (rc != MDB_SUCCESS)
3935                 return rc;
3936
3937         /* Delete the node from the source page.
3938          */
3939         mdb_del_node(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top], key.mv_size);
3940
3941         /* Update the parent separators.
3942          */
3943         if (csrc->mc_ki[csrc->mc_top] == 0) {
3944                 if (csrc->mc_ki[csrc->mc_top-1] != 0) {
3945                         if (IS_LEAF2(csrc->mc_pg[csrc->mc_top])) {
3946                                 key.mv_data = LEAF2KEY(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top], key.mv_size);
3947                         } else {
3948                                 srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], csrc->mc_ki[csrc->mc_top]);
3949                                 key.mv_size = NODEKSZ(srcnode);
3950                                 key.mv_data = NODEKEY(srcnode);
3951                         }
3952                         DPRINTF("update separator for source page %lu to [%s]",
3953                                 csrc->mc_pg[csrc->mc_top]->mp_pgno, DKEY(&key));
3954                         if ((rc = mdb_update_key(csrc->mc_pg[csrc->mc_top-1], csrc->mc_ki[csrc->mc_top-1],
3955                                 &key)) != MDB_SUCCESS)
3956                                 return rc;
3957                 }
3958                 if (IS_BRANCH(csrc->mc_pg[csrc->mc_top])) {
3959                         MDB_val  nullkey;
3960                         nullkey.mv_size = 0;
3961                         assert(mdb_update_key(csrc->mc_pg[csrc->mc_top], 0, &nullkey) == MDB_SUCCESS);
3962                 }
3963         }
3964
3965         if (cdst->mc_ki[cdst->mc_top] == 0) {
3966                 if (cdst->mc_ki[cdst->mc_top-1] != 0) {
3967                         if (IS_LEAF2(csrc->mc_pg[csrc->mc_top])) {
3968                                 key.mv_data = LEAF2KEY(cdst->mc_pg[cdst->mc_top], 0, key.mv_size);
3969                         } else {
3970                                 srcnode = NODEPTR(cdst->mc_pg[cdst->mc_top], 0);
3971                                 key.mv_size = NODEKSZ(srcnode);
3972                                 key.mv_data = NODEKEY(srcnode);
3973                         }
3974                         DPRINTF("update separator for destination page %lu to [%s]",
3975                                 cdst->mc_pg[cdst->mc_top]->mp_pgno, DKEY(&key));
3976                         if ((rc = mdb_update_key(cdst->mc_pg[cdst->mc_top-1], cdst->mc_ki[cdst->mc_top-1],
3977                                 &key)) != MDB_SUCCESS)
3978                                 return rc;
3979                 }
3980                 if (IS_BRANCH(cdst->mc_pg[cdst->mc_top])) {
3981                         MDB_val  nullkey;
3982                         nullkey.mv_size = 0;
3983                         assert(mdb_update_key(cdst->mc_pg[cdst->mc_top], 0, &nullkey) == MDB_SUCCESS);
3984                 }
3985         }
3986
3987         return MDB_SUCCESS;
3988 }
3989
3990 static int
3991 mdb_merge(MDB_cursor *csrc, MDB_cursor *cdst)
3992 {
3993         int                      rc;
3994         indx_t                   i, j;
3995         MDB_node                *srcnode;
3996         MDB_val          key, data;
3997
3998         DPRINTF("merging page %lu into %lu", csrc->mc_pg[csrc->mc_top]->mp_pgno, cdst->mc_pg[cdst->mc_top]->mp_pgno);
3999
4000         assert(csrc->mc_snum > 1);      /* can't merge root page */
4001         assert(cdst->mc_snum > 1);
4002
4003         /* Mark dst as dirty. */
4004         if ((rc = mdb_touch(cdst)))
4005                 return rc;
4006
4007         /* Move all nodes from src to dst.
4008          */
4009         j = NUMKEYS(cdst->mc_pg[cdst->mc_top]);
4010         if (IS_LEAF2(csrc->mc_pg[csrc->mc_top])) {
4011                 key.mv_size = csrc->mc_txn->mt_dbs[csrc->mc_dbi].md_pad;
4012                 key.mv_data = METADATA(csrc->mc_pg[csrc->mc_top]);
4013                 for (i = 0; i < NUMKEYS(csrc->mc_pg[csrc->mc_top]); i++, j++) {
4014                         rc = mdb_add_node(cdst, j, &key, NULL, 0, 0);
4015                         if (rc != MDB_SUCCESS)
4016                                 return rc;
4017                         key.mv_data = (char *)key.mv_data + key.mv_size;
4018                 }
4019         } else {
4020                 for (i = 0; i < NUMKEYS(csrc->mc_pg[csrc->mc_top]); i++, j++) {
4021                         srcnode = NODEPTR(csrc->mc_pg[csrc->mc_top], i);
4022
4023                         key.mv_size = srcnode->mn_ksize;
4024                         key.mv_data = NODEKEY(srcnode);
4025                         data.mv_size = NODEDSZ(srcnode);
4026                         data.mv_data = NODEDATA(srcnode);
4027                         rc = mdb_add_node(cdst, j, &key, &data, NODEPGNO(srcnode), srcnode->mn_flags);
4028                         if (rc != MDB_SUCCESS)
4029                                 return rc;
4030                 }
4031         }
4032
4033         DPRINTF("dst page %lu now has %u keys (%.1f%% filled)",
4034             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);
4035
4036         /* Unlink the src page from parent and add to free list.
4037          */
4038         mdb_del_node(csrc->mc_pg[csrc->mc_top-1], csrc->mc_ki[csrc->mc_top-1], 0);
4039         if (csrc->mc_ki[csrc->mc_top-1] == 0) {
4040                 key.mv_size = 0;
4041                 if ((rc = mdb_update_key(csrc->mc_pg[csrc->mc_top-1], 0, &key)) != MDB_SUCCESS)
4042                         return rc;
4043         }
4044
4045         mdb_midl_append(csrc->mc_txn->mt_free_pgs, csrc->mc_pg[csrc->mc_top]->mp_pgno);
4046         if (IS_LEAF(csrc->mc_pg[csrc->mc_top]))
4047                 csrc->mc_txn->mt_dbs[csrc->mc_dbi].md_leaf_pages--;
4048         else
4049                 csrc->mc_txn->mt_dbs[csrc->mc_dbi].md_branch_pages--;
4050         cursor_pop_page(csrc);
4051
4052         return mdb_rebalance(csrc);
4053 }
4054
4055 static void
4056 mdb_cursor_copy(const MDB_cursor *csrc, MDB_cursor *cdst)
4057 {
4058         unsigned int i;
4059
4060         cdst->mc_txn = csrc->mc_txn;
4061         cdst->mc_dbi = csrc->mc_dbi;
4062         cdst->mc_snum = csrc->mc_snum;
4063         cdst->mc_top = csrc->mc_top;
4064         cdst->mc_flags = csrc->mc_flags;
4065
4066         for (i=0; i<csrc->mc_snum; i++) {
4067                 cdst->mc_pg[i] = csrc->mc_pg[i];
4068                 cdst->mc_ki[i] = csrc->mc_ki[i];
4069         }
4070 }
4071
4072 static int
4073 mdb_rebalance(MDB_cursor *mc)
4074 {
4075         MDB_node        *node;
4076         MDB_page        *root;
4077         int rc;
4078         unsigned int ptop;
4079         MDB_cursor      mn;
4080
4081         DPRINTF("rebalancing %s page %lu (has %u keys, %.1f%% full)",
4082             IS_LEAF(mc->mc_pg[mc->mc_top]) ? "leaf" : "branch",
4083             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);
4084
4085         if (PAGEFILL(mc->mc_txn->mt_env, mc->mc_pg[mc->mc_top]) >= FILL_THRESHOLD) {
4086                 DPRINTF("no need to rebalance page %lu, above fill threshold",
4087                     mc->mc_pg[mc->mc_top]->mp_pgno);
4088                 return MDB_SUCCESS;
4089         }
4090
4091         if (mc->mc_snum < 2) {
4092                 if (NUMKEYS(mc->mc_pg[mc->mc_top]) == 0) {
4093                         DPUTS("tree is completely empty");
4094                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = P_INVALID;
4095                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth = 0;
4096                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_leaf_pages = 0;
4097                         mdb_midl_append(mc->mc_txn->mt_free_pgs, mc->mc_pg[mc->mc_top]->mp_pgno);
4098                 } else if (IS_BRANCH(mc->mc_pg[mc->mc_top]) && NUMKEYS(mc->mc_pg[mc->mc_top]) == 1) {
4099                         DPUTS("collapsing root page!");
4100                         mdb_midl_append(mc->mc_txn->mt_free_pgs, mc->mc_pg[mc->mc_top]->mp_pgno);
4101                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = NODEPGNO(NODEPTR(mc->mc_pg[mc->mc_top], 0));
4102                         if ((rc = mdb_get_page(mc->mc_txn, mc->mc_txn->mt_dbs[mc->mc_dbi].md_root, &root)))
4103                                 return rc;
4104                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth--;
4105                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_branch_pages--;
4106                 } else
4107                         DPUTS("root page doesn't need rebalancing");
4108                 return MDB_SUCCESS;
4109         }
4110
4111         /* The parent (branch page) must have at least 2 pointers,
4112          * otherwise the tree is invalid.
4113          */
4114         ptop = mc->mc_top-1;
4115         assert(NUMKEYS(mc->mc_pg[ptop]) > 1);
4116
4117         /* Leaf page fill factor is below the threshold.
4118          * Try to move keys from left or right neighbor, or
4119          * merge with a neighbor page.
4120          */
4121
4122         /* Find neighbors.
4123          */
4124         mdb_cursor_copy(mc, &mn);
4125         mn.mc_xcursor = NULL;
4126
4127         if (mc->mc_ki[ptop] == 0) {
4128                 /* We're the leftmost leaf in our parent.
4129                  */
4130                 DPUTS("reading right neighbor");
4131                 mn.mc_ki[ptop]++;
4132                 node = NODEPTR(mc->mc_pg[ptop], mn.mc_ki[ptop]);
4133                 if ((rc = mdb_get_page(mc->mc_txn, NODEPGNO(node), &mn.mc_pg[mn.mc_top])))
4134                         return rc;
4135                 mn.mc_ki[mn.mc_top] = 0;
4136                 mc->mc_ki[mc->mc_top] = NUMKEYS(mc->mc_pg[mc->mc_top]);
4137         } else {
4138                 /* There is at least one neighbor to the left.
4139                  */
4140                 DPUTS("reading left neighbor");
4141                 mn.mc_ki[ptop]--;
4142                 node = NODEPTR(mc->mc_pg[ptop], mn.mc_ki[ptop]);
4143                 if ((rc = mdb_get_page(mc->mc_txn, NODEPGNO(node), &mn.mc_pg[mn.mc_top])))
4144                         return rc;
4145                 mn.mc_ki[mn.mc_top] = NUMKEYS(mn.mc_pg[mn.mc_top]) - 1;
4146                 mc->mc_ki[mc->mc_top] = 0;
4147         }
4148
4149         DPRINTF("found neighbor page %lu (%u keys, %.1f%% full)",
4150             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);
4151
4152         /* If the neighbor page is above threshold and has at least two
4153          * keys, move one key from it.
4154          *
4155          * Otherwise we should try to merge them.
4156          */
4157         if (PAGEFILL(mc->mc_txn->mt_env, mn.mc_pg[mn.mc_top]) >= FILL_THRESHOLD && NUMKEYS(mn.mc_pg[mn.mc_top]) >= 2)
4158                 return mdb_move_node(&mn, mc);
4159         else { /* FIXME: if (has_enough_room()) */
4160                 if (mc->mc_ki[ptop] == 0)
4161                         return mdb_merge(&mn, mc);
4162                 else
4163                         return mdb_merge(mc, &mn);
4164         }
4165 }
4166
4167 static int
4168 mdb_del0(MDB_cursor *mc, MDB_node *leaf)
4169 {
4170         int rc;
4171
4172         /* add overflow pages to free list */
4173         if (!IS_LEAF2(mc->mc_pg[mc->mc_top]) && F_ISSET(leaf->mn_flags, F_BIGDATA)) {
4174                 int i, ovpages;
4175                 pgno_t pg;
4176
4177                 memcpy(&pg, NODEDATA(leaf), sizeof(pg));
4178                 ovpages = OVPAGES(NODEDSZ(leaf), mc->mc_txn->mt_env->me_psize);
4179                 for (i=0; i<ovpages; i++) {
4180                         DPRINTF("freed ov page %lu", pg);
4181                         mdb_midl_append(mc->mc_txn->mt_free_pgs, pg);
4182                         pg++;
4183                 }
4184         }
4185         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);
4186         mc->mc_txn->mt_dbs[mc->mc_dbi].md_entries--;
4187         rc = mdb_rebalance(mc);
4188         if (rc != MDB_SUCCESS)
4189                 mc->mc_txn->mt_flags |= MDB_TXN_ERROR;
4190
4191         return rc;
4192 }
4193
4194 int
4195 mdb_del(MDB_txn *txn, MDB_dbi dbi,
4196     MDB_val *key, MDB_val *data)
4197 {
4198         MDB_cursor mc;
4199         MDB_xcursor mx;
4200         MDB_cursor_op op;
4201         MDB_val rdata, *xdata;
4202         int              rc, exact;
4203         DKBUF;
4204
4205         assert(key != NULL);
4206
4207         DPRINTF("====> delete db %u key [%s]", dbi, DKEY(key));
4208
4209         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4210                 return EINVAL;
4211
4212         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
4213                 return EACCES;
4214         }
4215
4216         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
4217                 return EINVAL;
4218         }
4219
4220         mc.mc_txn = txn;
4221         mc.mc_dbi = dbi;
4222         mc.mc_flags = 0;
4223         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
4224                 mc.mc_xcursor = &mx;
4225                 mdb_xcursor_init0(&mc);
4226         } else {
4227                 mc.mc_xcursor = NULL;
4228         }
4229
4230         exact = 0;
4231         if (data) {
4232                 op = MDB_GET_BOTH;
4233                 rdata = *data;
4234                 xdata = &rdata;
4235         } else {
4236                 op = MDB_SET;
4237                 xdata = NULL;
4238         }
4239         rc = mdb_cursor_set(&mc, key, xdata, op, &exact);
4240         if (rc == 0)
4241                 rc = mdb_cursor_del(&mc, data ? 0 : MDB_NODUPDATA);
4242         return rc;
4243 }
4244
4245 /* Split page <mc->top>, and insert <key,(data|newpgno)> in either left or
4246  * right sibling, at index <mc->ki> (as if unsplit). Updates mc->top and
4247  * mc->ki with the actual values after split, ie if mc->top and mc->ki
4248  * refer to a node in the new right sibling page.
4249  */
4250 static int
4251 mdb_split(MDB_cursor *mc, MDB_val *newkey, MDB_val *newdata, pgno_t newpgno)
4252 {
4253         uint8_t          flags;
4254         int              rc = MDB_SUCCESS, ins_new = 0;
4255         indx_t           newindx;
4256         pgno_t           pgno = 0;
4257         unsigned int     i, j, split_indx, nkeys, pmax;
4258         MDB_node        *node;
4259         MDB_val  sepkey, rkey, rdata;
4260         MDB_page        *copy;
4261         MDB_page        *mp, *rp, *pp;
4262         unsigned int ptop;
4263         MDB_cursor      mn;
4264         DKBUF;
4265
4266         mp = mc->mc_pg[mc->mc_top];
4267         newindx = mc->mc_ki[mc->mc_top];
4268
4269         DPRINTF("-----> splitting %s page %lu and adding [%s] at index %i",
4270             IS_LEAF(mp) ? "leaf" : "branch", mp->mp_pgno,
4271             DKEY(newkey), mc->mc_ki[mc->mc_top]);
4272
4273         if (mc->mc_snum < 2) {
4274                 if ((pp = mdb_new_page(mc, P_BRANCH, 1)) == NULL)
4275                         return ENOMEM;
4276                 /* shift current top to make room for new parent */
4277                 mc->mc_pg[1] = mc->mc_pg[0];
4278                 mc->mc_ki[1] = mc->mc_ki[0];
4279                 mc->mc_pg[0] = pp;
4280                 mc->mc_ki[0] = 0;
4281                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = pp->mp_pgno;
4282                 DPRINTF("root split! new root = %lu", pp->mp_pgno);
4283                 mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth++;
4284
4285                 /* Add left (implicit) pointer. */
4286                 if ((rc = mdb_add_node(mc, 0, NULL, NULL, mp->mp_pgno, 0)) != MDB_SUCCESS) {
4287                         /* undo the pre-push */
4288                         mc->mc_pg[0] = mc->mc_pg[1];
4289                         mc->mc_ki[0] = mc->mc_ki[1];
4290                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_root = mp->mp_pgno;
4291                         mc->mc_txn->mt_dbs[mc->mc_dbi].md_depth--;
4292                         return rc;
4293                 }
4294                 mc->mc_snum = 2;
4295                 mc->mc_top = 1;
4296                 ptop = 0;
4297         } else {
4298                 ptop = mc->mc_top-1;
4299                 DPRINTF("parent branch page is %lu", mc->mc_pg[ptop]->mp_pgno);
4300         }
4301
4302         /* Create a right sibling. */
4303         if ((rp = mdb_new_page(mc, mp->mp_flags, 1)) == NULL)
4304                 return ENOMEM;
4305         mdb_cursor_copy(mc, &mn);
4306         mn.mc_pg[mn.mc_top] = rp;
4307         mn.mc_ki[ptop] = mc->mc_ki[ptop]+1;
4308         DPRINTF("new right sibling: page %lu", rp->mp_pgno);
4309
4310         nkeys = NUMKEYS(mp);
4311         split_indx = nkeys / 2 + 1;
4312
4313         if (IS_LEAF2(rp)) {
4314                 char *split, *ins;
4315                 int x;
4316                 unsigned int lsize, rsize, ksize;
4317                 /* Move half of the keys to the right sibling */
4318                 copy = NULL;
4319                 x = mc->mc_ki[mc->mc_top] - split_indx;
4320                 ksize = mc->mc_txn->mt_dbs[mc->mc_dbi].md_pad;
4321                 split = LEAF2KEY(mp, split_indx, ksize);
4322                 rsize = (nkeys - split_indx) * ksize;
4323                 lsize = (nkeys - split_indx) * sizeof(indx_t);
4324                 mp->mp_lower -= lsize;
4325                 rp->mp_lower += lsize;
4326                 mp->mp_upper += rsize - lsize;
4327                 rp->mp_upper -= rsize - lsize;
4328                 sepkey.mv_size = ksize;
4329                 if (newindx == split_indx) {
4330                         sepkey.mv_data = newkey->mv_data;
4331                 } else {
4332                         sepkey.mv_data = split;
4333                 }
4334                 if (x<0) {
4335                         ins = LEAF2KEY(mp, mc->mc_ki[mc->mc_top], ksize);
4336                         memcpy(rp->mp_ptrs, split, rsize);
4337                         sepkey.mv_data = rp->mp_ptrs;
4338                         memmove(ins+ksize, ins, (split_indx - mc->mc_ki[mc->mc_top]) * ksize);
4339                         memcpy(ins, newkey->mv_data, ksize);
4340                         mp->mp_lower += sizeof(indx_t);
4341                         mp->mp_upper -= ksize - sizeof(indx_t);
4342                 } else {
4343                         if (x)
4344                                 memcpy(rp->mp_ptrs, split, x * ksize);
4345                         ins = LEAF2KEY(rp, x, ksize);
4346                         memcpy(ins, newkey->mv_data, ksize);
4347                         memcpy(ins+ksize, split + x * ksize, rsize - x * ksize);
4348                         rp->mp_lower += sizeof(indx_t);
4349                         rp->mp_upper -= ksize - sizeof(indx_t);
4350                         mc->mc_ki[mc->mc_top] = x;
4351                         mc->mc_pg[mc->mc_top] = rp;
4352                 }
4353                 goto newsep;
4354         }
4355
4356         /* For leaf pages, check the split point based on what
4357          * fits where, since otherwise add_node can fail.
4358          */
4359         if (IS_LEAF(mp)) {
4360                 unsigned int psize, nsize;
4361                 /* Maximum free space in an empty page */
4362                 pmax = mc->mc_txn->mt_env->me_psize - PAGEHDRSZ;
4363                 nsize = mdb_leaf_size(mc->mc_txn->mt_env, newkey, newdata);
4364                 if (newindx < split_indx) {
4365                         psize = nsize;
4366                         for (i=0; i<split_indx; i++) {
4367                                 node = NODEPTR(mp, i);
4368                                 psize += NODESIZE + NODEKSZ(node) + sizeof(indx_t);
4369                                 if (F_ISSET(node->mn_flags, F_BIGDATA))
4370                                         psize += sizeof(pgno_t);
4371                                 else
4372                                         psize += NODEDSZ(node);
4373                                 psize += psize & 1;
4374                                 if (psize > pmax) {
4375                                         split_indx = i;
4376                                         break;
4377                                 }
4378                         }
4379                 } else {
4380                         psize = nsize;
4381                         for (i=nkeys-1; i>=split_indx; i--) {
4382                                 node = NODEPTR(mp, i);
4383                                 psize += NODESIZE + NODEKSZ(node) + sizeof(indx_t);
4384                                 if (F_ISSET(node->mn_flags, F_BIGDATA))
4385                                         psize += sizeof(pgno_t);
4386                                 else
4387                                         psize += NODEDSZ(node);
4388                                 psize += psize & 1;
4389                                 if (psize > pmax) {
4390                                         split_indx = i+1;
4391                                         break;
4392                                 }
4393                         }
4394                 }
4395         }
4396
4397         /* First find the separating key between the split pages.
4398          */
4399         if (newindx == split_indx) {
4400                 sepkey.mv_size = newkey->mv_size;
4401                 sepkey.mv_data = newkey->mv_data;
4402         } else {
4403                 node = NODEPTR(mp, split_indx);
4404                 sepkey.mv_size = node->mn_ksize;
4405                 sepkey.mv_data = NODEKEY(node);
4406         }
4407
4408 newsep:
4409         DPRINTF("separator is [%s]", DKEY(&sepkey));
4410
4411         /* Copy separator key to the parent.
4412          */
4413         if (SIZELEFT(mn.mc_pg[ptop]) < mdb_branch_size(mc->mc_txn->mt_env, &sepkey)) {
4414                 mn.mc_snum--;
4415                 mn.mc_top--;
4416                 rc = mdb_split(&mn, &sepkey, NULL, rp->mp_pgno);
4417
4418                 /* Right page might now have changed parent.
4419                  * Check if left page also changed parent.
4420                  */
4421                 if (mn.mc_pg[ptop] != mc->mc_pg[ptop] &&
4422                     mc->mc_ki[ptop] >= NUMKEYS(mc->mc_pg[ptop])) {
4423                         mc->mc_pg[ptop] = mn.mc_pg[ptop];
4424                         mc->mc_ki[ptop] = mn.mc_ki[ptop] - 1;
4425                 }
4426         } else {
4427                 mn.mc_top--;
4428                 rc = mdb_add_node(&mn, mn.mc_ki[ptop], &sepkey, NULL, rp->mp_pgno, 0);
4429                 mn.mc_top++;
4430         }
4431         if (IS_LEAF2(rp)) {
4432                 return rc;
4433         }
4434         if (rc != MDB_SUCCESS) {
4435                 return rc;
4436         }
4437
4438         /* Move half of the keys to the right sibling. */
4439
4440         /* grab a page to hold a temporary copy */
4441         if (mc->mc_txn->mt_env->me_dpages) {
4442                 copy = mc->mc_txn->mt_env->me_dpages;
4443                 mc->mc_txn->mt_env->me_dpages = copy->mp_next;
4444         } else {
4445                 if ((copy = malloc(mc->mc_txn->mt_env->me_psize)) == NULL)
4446                         return ENOMEM;
4447         }
4448
4449         copy->mp_pgno  = mp->mp_pgno;
4450         copy->mp_flags = mp->mp_flags;
4451         copy->mp_lower = PAGEHDRSZ;
4452         copy->mp_upper = mc->mc_txn->mt_env->me_psize;
4453         mc->mc_pg[mc->mc_top] = copy;
4454         for (i = j = 0; i <= nkeys; j++) {
4455                 if (i == split_indx) {
4456                 /* Insert in right sibling. */
4457                 /* Reset insert index for right sibling. */
4458                         j = (i == newindx && ins_new);
4459                         mc->mc_pg[mc->mc_top] = rp;
4460                 }
4461
4462                 if (i == newindx && !ins_new) {
4463                         /* Insert the original entry that caused the split. */
4464                         rkey.mv_data = newkey->mv_data;
4465                         rkey.mv_size = newkey->mv_size;
4466                         if (IS_LEAF(mp)) {
4467                                 rdata.mv_data = newdata->mv_data;
4468                                 rdata.mv_size = newdata->mv_size;
4469                         } else
4470                                 pgno = newpgno;
4471                         flags = 0;
4472
4473                         ins_new = 1;
4474
4475                         /* Update page and index for the new key. */
4476                         mc->mc_ki[mc->mc_top] = j;
4477                 } else if (i == nkeys) {
4478                         break;
4479                 } else {
4480                         node = NODEPTR(mp, i);
4481                         rkey.mv_data = NODEKEY(node);
4482                         rkey.mv_size = node->mn_ksize;
4483                         if (IS_LEAF(mp)) {
4484                                 rdata.mv_data = NODEDATA(node);
4485                                 rdata.mv_size = NODEDSZ(node);
4486                         } else
4487                                 pgno = NODEPGNO(node);
4488                         flags = node->mn_flags;
4489
4490                         i++;
4491                 }
4492
4493                 if (!IS_LEAF(mp) && j == 0) {
4494                         /* First branch index doesn't need key data. */
4495                         rkey.mv_size = 0;
4496                 }
4497
4498                 rc = mdb_add_node(mc, j, &rkey, &rdata, pgno, flags);
4499         }
4500
4501         /* reset back to original page */
4502         if (newindx < split_indx)
4503                 mc->mc_pg[mc->mc_top] = mp;
4504
4505         nkeys = NUMKEYS(copy);
4506         for (i=0; i<nkeys; i++)
4507                 mp->mp_ptrs[i] = copy->mp_ptrs[i];
4508         mp->mp_lower = copy->mp_lower;
4509         mp->mp_upper = copy->mp_upper;
4510         memcpy(NODEPTR(mp, nkeys-1), NODEPTR(copy, nkeys-1),
4511                 mc->mc_txn->mt_env->me_psize - copy->mp_upper);
4512
4513         /* return tmp page to freelist */
4514         copy->mp_next = mc->mc_txn->mt_env->me_dpages;
4515         mc->mc_txn->mt_env->me_dpages = copy;
4516         return rc;
4517 }
4518
4519 int
4520 mdb_put(MDB_txn *txn, MDB_dbi dbi,
4521     MDB_val *key, MDB_val *data, unsigned int flags)
4522 {
4523         MDB_cursor mc;
4524         MDB_xcursor mx;
4525
4526         assert(key != NULL);
4527         assert(data != NULL);
4528
4529         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4530                 return EINVAL;
4531
4532         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
4533                 return EACCES;
4534         }
4535
4536         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
4537                 return EINVAL;
4538         }
4539
4540         if ((flags & (MDB_NOOVERWRITE|MDB_NODUPDATA)) != flags)
4541                 return EINVAL;
4542
4543         mc.mc_txn = txn;
4544         mc.mc_dbi = dbi;
4545         mc.mc_snum = 0;
4546         mc.mc_flags = 0;
4547         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
4548                 mc.mc_xcursor = &mx;
4549                 mdb_xcursor_init0(&mc);
4550         } else {
4551                 mc.mc_xcursor = NULL;
4552         }
4553         return mdb_cursor_put(&mc, key, data, flags);
4554 }
4555
4556 int
4557 mdb_env_set_flags(MDB_env *env, unsigned int flag, int onoff)
4558 {
4559         /** Only a subset of the @ref mdb_env flags can be changed
4560          *      at runtime. Changing other flags requires closing the environment
4561          *      and re-opening it with the new flags.
4562          */
4563 #define CHANGEABLE      (MDB_NOSYNC)
4564         if ((flag & CHANGEABLE) != flag)
4565                 return EINVAL;
4566         if (onoff)
4567                 env->me_flags |= flag;
4568         else
4569                 env->me_flags &= ~flag;
4570         return MDB_SUCCESS;
4571 }
4572
4573 int
4574 mdb_env_get_flags(MDB_env *env, unsigned int *arg)
4575 {
4576         if (!env || !arg)
4577                 return EINVAL;
4578
4579         *arg = env->me_flags;
4580         return MDB_SUCCESS;
4581 }
4582
4583 int
4584 mdb_env_get_path(MDB_env *env, const char **arg)
4585 {
4586         if (!env || !arg)
4587                 return EINVAL;
4588
4589         *arg = env->me_path;
4590         return MDB_SUCCESS;
4591 }
4592
4593 static int
4594 mdb_stat0(MDB_env *env, MDB_db *db, MDB_stat *arg)
4595 {
4596         arg->ms_psize = env->me_psize;
4597         arg->ms_depth = db->md_depth;
4598         arg->ms_branch_pages = db->md_branch_pages;
4599         arg->ms_leaf_pages = db->md_leaf_pages;
4600         arg->ms_overflow_pages = db->md_overflow_pages;
4601         arg->ms_entries = db->md_entries;
4602
4603         return MDB_SUCCESS;
4604 }
4605 int
4606 mdb_env_stat(MDB_env *env, MDB_stat *arg)
4607 {
4608         int toggle;
4609
4610         if (env == NULL || arg == NULL)
4611                 return EINVAL;
4612
4613         mdb_env_read_meta(env, &toggle);
4614
4615         return mdb_stat0(env, &env->me_metas[toggle]->mm_dbs[MAIN_DBI], arg);
4616 }
4617
4618 static void
4619 mdb_default_cmp(MDB_txn *txn, MDB_dbi dbi)
4620 {
4621         if (txn->mt_dbs[dbi].md_flags & MDB_REVERSEKEY)
4622                 txn->mt_dbxs[dbi].md_cmp = memnrcmp;
4623         else if (txn->mt_dbs[dbi].md_flags & MDB_INTEGERKEY)
4624                 txn->mt_dbxs[dbi].md_cmp = cintcmp;
4625         else
4626                 txn->mt_dbxs[dbi].md_cmp = memncmp;
4627
4628         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
4629                 if (txn->mt_dbs[dbi].md_flags & MDB_INTEGERDUP) {
4630                         if (txn->mt_dbs[dbi].md_flags & MDB_DUPFIXED)
4631                                 txn->mt_dbxs[dbi].md_dcmp = intcmp;
4632                         else
4633                                 txn->mt_dbxs[dbi].md_dcmp = cintcmp;
4634                 } else if (txn->mt_dbs[dbi].md_flags & MDB_REVERSEDUP) {
4635                         txn->mt_dbxs[dbi].md_dcmp = memnrcmp;
4636                 } else {
4637                         txn->mt_dbxs[dbi].md_dcmp = memncmp;
4638                 }
4639         } else {
4640                 txn->mt_dbxs[dbi].md_dcmp = NULL;
4641         }
4642 }
4643
4644 int mdb_open(MDB_txn *txn, const char *name, unsigned int flags, MDB_dbi *dbi)
4645 {
4646         MDB_val key, data;
4647         MDB_dbi i;
4648         int rc, dirty = 0;
4649         size_t len;
4650
4651         if (txn->mt_dbxs[FREE_DBI].md_cmp == NULL) {
4652                 mdb_default_cmp(txn, FREE_DBI);
4653         }
4654
4655         /* main DB? */
4656         if (!name) {
4657                 *dbi = MAIN_DBI;
4658                 if (flags & (MDB_DUPSORT|MDB_REVERSEKEY|MDB_INTEGERKEY))
4659                         txn->mt_dbs[MAIN_DBI].md_flags |= (flags & (MDB_DUPSORT|MDB_REVERSEKEY|MDB_INTEGERKEY));
4660                 mdb_default_cmp(txn, MAIN_DBI);
4661                 return MDB_SUCCESS;
4662         }
4663
4664         if (txn->mt_dbxs[MAIN_DBI].md_cmp == NULL) {
4665                 mdb_default_cmp(txn, MAIN_DBI);
4666         }
4667
4668         /* Is the DB already open? */
4669         len = strlen(name);
4670         for (i=2; i<txn->mt_numdbs; i++) {
4671                 if (len == txn->mt_dbxs[i].md_name.mv_size &&
4672                         !strncmp(name, txn->mt_dbxs[i].md_name.mv_data, len)) {
4673                         *dbi = i;
4674                         return MDB_SUCCESS;
4675                 }
4676         }
4677
4678         if (txn->mt_numdbs >= txn->mt_env->me_maxdbs - 1)
4679                 return ENFILE;
4680
4681         /* Find the DB info */
4682         key.mv_size = len;
4683         key.mv_data = (void *)name;
4684         rc = mdb_get(txn, MAIN_DBI, &key, &data);
4685
4686         /* Create if requested */
4687         if (rc == MDB_NOTFOUND && (flags & MDB_CREATE)) {
4688                 MDB_cursor mc;
4689                 MDB_db dummy;
4690                 data.mv_size = sizeof(MDB_db);
4691                 data.mv_data = &dummy;
4692                 memset(&dummy, 0, sizeof(dummy));
4693                 dummy.md_root = P_INVALID;
4694                 dummy.md_flags = flags & 0xffff;
4695                 mc.mc_txn = txn;
4696                 mc.mc_dbi = MAIN_DBI;
4697                 mc.mc_flags = 0;
4698                 rc = mdb_cursor_put(&mc, &key, &data, F_SUBDATA);
4699                 dirty = 1;
4700         }
4701
4702         /* OK, got info, add to table */
4703         if (rc == MDB_SUCCESS) {
4704                 txn->mt_dbxs[txn->mt_numdbs].md_name.mv_data = strdup(name);
4705                 txn->mt_dbxs[txn->mt_numdbs].md_name.mv_size = len;
4706                 txn->mt_dbxs[txn->mt_numdbs].md_rel = NULL;
4707                 txn->mt_dbxs[txn->mt_numdbs].md_parent = MAIN_DBI;
4708                 txn->mt_dbxs[txn->mt_numdbs].md_dirty = dirty;
4709                 memcpy(&txn->mt_dbs[txn->mt_numdbs], data.mv_data, sizeof(MDB_db));
4710                 *dbi = txn->mt_numdbs;
4711                 txn->mt_env->me_dbs[0][txn->mt_numdbs] = txn->mt_dbs[txn->mt_numdbs];
4712                 txn->mt_env->me_dbs[1][txn->mt_numdbs] = txn->mt_dbs[txn->mt_numdbs];
4713                 mdb_default_cmp(txn, txn->mt_numdbs);
4714                 txn->mt_numdbs++;
4715         }
4716
4717         return rc;
4718 }
4719
4720 int mdb_stat(MDB_txn *txn, MDB_dbi dbi, MDB_stat *arg)
4721 {
4722         if (txn == NULL || arg == NULL || dbi >= txn->mt_numdbs)
4723                 return EINVAL;
4724
4725         return mdb_stat0(txn->mt_env, &txn->mt_dbs[dbi], arg);
4726 }
4727
4728 void mdb_close(MDB_txn *txn, MDB_dbi dbi)
4729 {
4730         char *ptr;
4731         if (dbi <= MAIN_DBI || dbi >= txn->mt_numdbs)
4732                 return;
4733         ptr = txn->mt_dbxs[dbi].md_name.mv_data;
4734         txn->mt_dbxs[dbi].md_name.mv_data = NULL;
4735         txn->mt_dbxs[dbi].md_name.mv_size = 0;
4736         free(ptr);
4737 }
4738
4739 int mdb_set_compare(MDB_txn *txn, MDB_dbi dbi, MDB_cmp_func *cmp)
4740 {
4741         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4742                 return EINVAL;
4743
4744         txn->mt_dbxs[dbi].md_cmp = cmp;
4745         return MDB_SUCCESS;
4746 }
4747
4748 int mdb_set_dupsort(MDB_txn *txn, MDB_dbi dbi, MDB_cmp_func *cmp)
4749 {
4750         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4751                 return EINVAL;
4752
4753         txn->mt_dbxs[dbi].md_dcmp = cmp;
4754         return MDB_SUCCESS;
4755 }
4756
4757 int mdb_set_relfunc(MDB_txn *txn, MDB_dbi dbi, MDB_rel_func *rel)
4758 {
4759         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
4760                 return EINVAL;
4761
4762         txn->mt_dbxs[dbi].md_rel = rel;
4763         return MDB_SUCCESS;
4764 }
4765
4766 /** @} */