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