git.sur5r.net Git - openldap/blob - libraries/libmdb/mdb.c

   1 /* mdb.c - memory-mapped database library */
   2 /*
   3  * Copyright 2011 Howard Chu, Symas Corp.
   4  * All rights reserved.
   5  *
   6  * Redistribution and use in source and binary forms, with or without
   7  * modification, are permitted only as authorized by the OpenLDAP
   8  * Public License.
   9  *
  10  * A copy of this license is available in the file LICENSE in the
  11  * top-level directory of the distribution or, alternatively, at
  12  * <http://www.OpenLDAP.org/license.html>.
  13  *
  14  * This code is derived from btree.c written by Martin Hedenfalk.
  15  *
  16  * Copyright (c) 2009, 2010 Martin Hedenfalk <martin@bzero.se>
  17  *
  18  * Permission to use, copy, modify, and distribute this software for any
  19  * purpose with or without fee is hereby granted, provided that the above
  20  * copyright notice and this permission notice appear in all copies.
  21  *
  22  * THE SOFTWARE IS PROVIDED "AS IS" AND THE AUTHOR DISCLAIMS ALL WARRANTIES
  23  * WITH REGARD TO THIS SOFTWARE INCLUDING ALL IMPLIED WARRANTIES OF
  24  * MERCHANTABILITY AND FITNESS. IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR
  25  * ANY SPECIAL, DIRECT, INDIRECT, OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
  26  * WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
  27  * ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF
  28  * OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
  29  */
  30 #include <sys/types.h>
  31 #include <sys/stat.h>
  32 #include <sys/queue.h>
  33 #include <sys/param.h>
  34 #include <sys/uio.h>
  35 #include <sys/mman.h>
  36 #ifdef HAVE_SYS_FILE_H
  37 #include <sys/file.h>
  38 #endif
  39 #include <fcntl.h>
  40
  41 #include <assert.h>
  42 #include <errno.h>
  43 #include <stddef.h>
  44 #include <stdint.h>
  45 #include <stdio.h>
  46 #include <stdlib.h>
  47 #include <string.h>
  48 #include <time.h>
  49 #include <unistd.h>
  50 #include <pthread.h>
  51
  52 #include "mdb.h"
  53
  54 #define ULONG           unsigned long
  55 typedef ULONG           pgno_t;
  56
  57 #include "midl.h"
  58
  59 #ifndef DEBUG
  60 #define DEBUG 1
  61 #endif
  62
  63 #if DEBUG && defined(__GNUC__)
  64 # define DPRINTF(fmt, ...) \
  65         fprintf(stderr, "%s:%d: " fmt "\n", __func__, __LINE__, ##__VA_ARGS__)
  66 #else
  67 # define DPRINTF(...)   ((void) 0)
  68 #endif
  69
  70 #define PAGESIZE         4096
  71 #define MDB_MINKEYS      4
  72 #define MDB_MAGIC        0xBEEFC0DE
  73 #define MDB_VERSION      1
  74 #define MAXKEYSIZE       511
  75
  76 #define P_INVALID        (~0UL)
  77
  78 #define F_ISSET(w, f)    (((w) & (f)) == (f))
  79
  80 typedef uint16_t         indx_t;
  81
  82 #define DEFAULT_READERS 126
  83 #define DEFAULT_MAPSIZE 1048576
  84
  85 /* Lock descriptor stuff */
  86 #ifndef CACHELINE
  87 #define CACHELINE       64      /* most CPUs. Itanium uses 128 */
  88 #endif
  89
  90 typedef struct MDB_rxbody {
  91         ULONG           mrb_txnid;
  92         pid_t           mrb_pid;
  93         pthread_t       mrb_tid;
  94 } MDB_rxbody;
  95
  96 typedef struct MDB_reader {
  97         union {
  98                 MDB_rxbody mrx;
  99 #define mr_txnid        mru.mrx.mrb_txnid
 100 #define mr_pid  mru.mrx.mrb_pid
 101 #define mr_tid  mru.mrx.mrb_tid
 102                 /* cache line alignment */
 103                 char pad[(sizeof(MDB_rxbody)+CACHELINE-1) & ~(CACHELINE-1)];
 104         } mru;
 105 } MDB_reader;
 106
 107 typedef struct MDB_txbody {
 108         uint32_t        mtb_magic;
 109         uint32_t        mtb_version;
 110         pthread_mutex_t mtb_mutex;
 111         ULONG           mtb_txnid;
 112         uint32_t        mtb_numreaders;
 113         uint32_t        mtb_me_toggle;
 114 } MDB_txbody;
 115
 116 typedef struct MDB_txninfo {
 117         union {
 118                 MDB_txbody mtb;
 119 #define mti_magic       mt1.mtb.mtb_magic
 120 #define mti_version     mt1.mtb.mtb_version
 121 #define mti_mutex       mt1.mtb.mtb_mutex
 122 #define mti_txnid       mt1.mtb.mtb_txnid
 123 #define mti_numreaders  mt1.mtb.mtb_numreaders
 124 #define mti_me_toggle   mt1.mtb.mtb_me_toggle
 125                 char pad[(sizeof(MDB_txbody)+CACHELINE-1) & ~(CACHELINE-1)];
 126         } mt1;
 127         union {
 128                 pthread_mutex_t mt2_wmutex;
 129 #define mti_wmutex      mt2.mt2_wmutex
 130                 char pad[(sizeof(pthread_mutex_t)+CACHELINE-1) & ~(CACHELINE-1)];
 131         } mt2;
 132         MDB_reader      mti_readers[1];
 133 } MDB_txninfo;
 134
 135 /* Common header for all page types. Overflow pages
 136  * occupy a number of contiguous pages with no
 137  * headers on any page after the first.
 138  */
 139 typedef struct MDB_page {               /* represents a page of storage */
 140 #define mp_pgno         mp_p.p_pgno
 141         union padded {
 142                 pgno_t          p_pgno;         /* page number */
 143                 void *          p_pad;
 144         } mp_p;
 145 #define P_BRANCH         0x01           /* branch page */
 146 #define P_LEAF           0x02           /* leaf page */
 147 #define P_OVERFLOW       0x04           /* overflow page */
 148 #define P_META           0x08           /* meta page */
 149 #define P_DIRTY          0x10           /* dirty page */
 150 #define P_LEAF2          0x20           /* DB with small, fixed size keys and no data */
 151         uint32_t        mp_flags;
 152 #define mp_lower        mp_pb.pb.pb_lower
 153 #define mp_upper        mp_pb.pb.pb_upper
 154 #define mp_pages        mp_pb.pb_pages
 155         union page_bounds {
 156                 struct {
 157                         indx_t          pb_lower;               /* lower bound of free space */
 158                         indx_t          pb_upper;               /* upper bound of free space */
 159                 } pb;
 160                 uint32_t        pb_pages;       /* number of overflow pages */
 161                 struct {
 162                         indx_t  pb_ksize;       /* on a LEAF2 page */
 163                         indx_t  pb_numkeys;
 164                 } pb2;
 165         } mp_pb;
 166         indx_t          mp_ptrs[1];             /* dynamic size */
 167 } MDB_page;
 168
 169 #define PAGEHDRSZ        ((unsigned) offsetof(MDB_page, mp_ptrs))
 170
 171 #define NUMKEYS(p)       (((p)->mp_lower - PAGEHDRSZ) >> 1)
 172 #define SIZELEFT(p)      (indx_t)((p)->mp_upper - (p)->mp_lower)
 173 #define PAGEFILL(env, p) (1000L * ((env)->me_psize - PAGEHDRSZ - SIZELEFT(p)) / \
 174                                 ((env)->me_psize - PAGEHDRSZ))
 175 #define IS_LEAF(p)       F_ISSET((p)->mp_flags, P_LEAF)
 176 #define IS_BRANCH(p)     F_ISSET((p)->mp_flags, P_BRANCH)
 177 #define IS_OVERFLOW(p)   F_ISSET((p)->mp_flags, P_OVERFLOW)
 178
 179 #define OVPAGES(size, psize)    (PAGEHDRSZ + size + psize - 1) / psize;
 180
 181 typedef struct MDB_db {
 182         uint32_t        md_pad;
 183         uint16_t        md_flags;
 184         uint16_t        md_depth;
 185         ULONG           md_branch_pages;
 186         ULONG           md_leaf_pages;
 187         ULONG           md_overflow_pages;
 188         ULONG           md_entries;
 189         pgno_t          md_root;
 190 } MDB_db;
 191
 192 #define FREE_DBI        0
 193 #define MAIN_DBI        1
 194
 195 typedef struct MDB_meta {                       /* meta (footer) page content */
 196         uint32_t        mm_magic;
 197         uint32_t        mm_version;
 198         void            *mm_address;            /* address for fixed mapping */
 199         size_t          mm_mapsize;                     /* size of mmap region */
 200         MDB_db          mm_dbs[2];                      /* first is free space, 2nd is main db */
 201 #define mm_psize        mm_dbs[0].md_pad
 202 #define mm_flags        mm_dbs[0].md_flags
 203         pgno_t          mm_last_pg;                     /* last used page in file */
 204         ULONG           mm_txnid;                       /* txnid that committed this page */
 205 } MDB_meta;
 206
 207 typedef struct MDB_dhead {                                      /* a dirty page */
 208         MDB_page        *md_parent;
 209         unsigned        md_pi;                          /* parent index */
 210         int                     md_num;
 211 } MDB_dhead;
 212
 213 typedef struct MDB_dpage {
 214         MDB_dhead       h;
 215         MDB_page        p;
 216 } MDB_dpage;
 217
 218 typedef struct MDB_oldpages {
 219         struct MDB_oldpages *mo_next;
 220         ULONG           mo_txnid;
 221         pgno_t          mo_pages[1];    /* dynamic */
 222 } MDB_oldpages;
 223
 224 typedef struct MDB_pageparent {
 225         MDB_page *mp_page;
 226         MDB_page *mp_parent;
 227         unsigned mp_pi;
 228 } MDB_pageparent;
 229
 230 static MDB_dpage *mdb_alloc_page(MDB_txn *txn, MDB_page *parent, unsigned int parent_idx, int num);
 231 static int              mdb_touch(MDB_txn *txn, MDB_pageparent *mp);
 232
 233 typedef struct MDB_ppage {                                      /* ordered list of pages */
 234         SLIST_ENTRY(MDB_ppage)   mp_entry;
 235         MDB_page                *mp_page;
 236         unsigned int    mp_ki;          /* cursor index on page */
 237 } MDB_ppage;
 238 SLIST_HEAD(page_stack, MDB_ppage);
 239
 240 /* FIXME: tree depth is mostly bounded, we should just
 241  * use a fixed array and avoid malloc/pointer chasing
 242  */
 243 #define CURSOR_EMPTY(c)          SLIST_EMPTY(&(c)->mc_stack)
 244 #define CURSOR_TOP(c)            SLIST_FIRST(&(c)->mc_stack)
 245 #define CURSOR_POP(c)            SLIST_REMOVE_HEAD(&(c)->mc_stack, mp_entry)
 246 #define CURSOR_PUSH(c,p)         SLIST_INSERT_HEAD(&(c)->mc_stack, p, mp_entry)
 247
 248 struct MDB_xcursor;
 249
 250 struct MDB_cursor {
 251         MDB_txn         *mc_txn;
 252         struct page_stack        mc_stack;              /* stack of parent pages */
 253         MDB_dbi         mc_dbi;
 254         short           mc_initialized; /* 1 if initialized */
 255         short           mc_eof;         /* 1 if end is reached */
 256         struct MDB_xcursor      *mc_xcursor;
 257 };
 258
 259 #define METADATA(p)      ((void *)((char *)p + PAGEHDRSZ))
 260
 261 typedef struct MDB_node {
 262 #define mn_pgno          mn_p.np_pgno
 263 #define mn_dsize         mn_p.np_dsize
 264         union {
 265                 pgno_t           np_pgno;       /* child page number */
 266                 uint32_t         np_dsize;      /* leaf data size */
 267         } mn_p;
 268         unsigned int    mn_flags:4;
 269         unsigned int    mn_ksize:12;                    /* key size */
 270 #define F_BIGDATA        0x01                   /* data put on overflow page */
 271 #define F_SUBDATA        0x02                   /* data is a sub-database */
 272         char            mn_data[1];
 273 } MDB_node;
 274
 275 typedef struct MDB_dbx {
 276         MDB_val         md_name;
 277         MDB_cmp_func    *md_cmp;                /* user compare function */
 278         MDB_cmp_func    *md_dcmp;               /* user dupsort function */
 279         MDB_rel_func    *md_rel;                /* user relocate function */
 280         MDB_dbi md_parent;
 281         unsigned int    md_dirty;
 282 } MDB_dbx;
 283
 284 struct MDB_txn {
 285         pgno_t          mt_next_pgno;   /* next unallocated page */
 286         ULONG           mt_txnid;
 287         ULONG           mt_oldest;
 288         MDB_env         *mt_env;
 289         pgno_t          *mt_free_pgs;   /* this is an IDL */
 290         union {
 291                 MIDL2   *dirty_list;    /* modified pages */
 292                 MDB_reader      *reader;
 293         } mt_u;
 294         MDB_dbx         *mt_dbxs;               /* array */
 295         MDB_db          *mt_dbs;
 296         unsigned int    mt_numdbs;
 297
 298 #define MDB_TXN_RDONLY          0x01            /* read-only transaction */
 299 #define MDB_TXN_ERROR           0x02            /* an error has occurred */
 300 #define MDB_TXN_METOGGLE        0x04            /* used meta page 1 */
 301         unsigned int    mt_flags;
 302 };
 303
 304 /* Context for sorted-dup records */
 305 typedef struct MDB_xcursor {
 306         MDB_cursor mx_cursor;
 307         MDB_txn mx_txn;
 308         MDB_dbx mx_dbxs[4];
 309         MDB_db  mx_dbs[4];
 310 } MDB_xcursor;
 311
 312 struct MDB_env {
 313         int                     me_fd;
 314         int                     me_lfd;
 315         int                     me_mfd;                 /* just for writing the meta pages */
 316 #define MDB_FATAL_ERROR 0x80000000U
 317         uint32_t        me_flags;
 318         uint32_t        me_extrapad;    /* unused for now */
 319         unsigned int    me_maxreaders;
 320         unsigned int    me_numdbs;
 321         unsigned int    me_maxdbs;
 322         char            *me_path;
 323         char            *me_map;
 324         MDB_txninfo     *me_txns;
 325         MDB_meta        *me_metas[2];
 326         MDB_meta        *me_meta;
 327         MDB_txn         *me_txn;                /* current write transaction */
 328         size_t          me_mapsize;
 329         off_t           me_size;                /* current file size */
 330         pgno_t          me_maxpg;               /* me_mapsize / me_psize */
 331         unsigned int    me_psize;
 332         unsigned int    me_db_toggle;
 333         MDB_dbx         *me_dbxs;               /* array */
 334         MDB_db          *me_dbs[2];
 335         MDB_oldpages *me_pghead;
 336         pthread_key_t   me_txkey;       /* thread-key for readers */
 337         pgno_t          me_free_pgs[MDB_IDL_UM_SIZE];
 338         MIDL2           me_dirty_list[MDB_IDL_DB_SIZE];
 339 };
 340
 341 #define NODESIZE         offsetof(MDB_node, mn_data)
 342
 343 #define INDXSIZE(k)      (NODESIZE + ((k) == NULL ? 0 : (k)->mv_size))
 344 #define LEAFSIZE(k, d)   (NODESIZE + (k)->mv_size + (d)->mv_size)
 345 #define NODEPTR(p, i)    ((MDB_node *)((char *)(p) + (p)->mp_ptrs[i]))
 346 #define NODEKEY(node)    (void *)((node)->mn_data)
 347 #define NODEDATA(node)   (void *)((char *)(node)->mn_data + (node)->mn_ksize)
 348 #define NODEPGNO(node)   ((node)->mn_pgno)
 349 #define NODEDSZ(node)    ((node)->mn_dsize)
 350
 351 #define MDB_COMMIT_PAGES         64     /* max number of pages to write in one commit */
 352
 353 static int  mdb_search_page_root(MDB_txn *txn,
 354                             MDB_dbi dbi, MDB_val *key,
 355                             MDB_cursor *cursor, int modify,
 356                             MDB_pageparent *mpp);
 357 static int  mdb_search_page(MDB_txn *txn,
 358                             MDB_dbi dbi, MDB_val *key,
 359                             MDB_cursor *cursor, int modify,
 360                             MDB_pageparent *mpp);
 361
 362 static int  mdb_env_read_header(MDB_env *env, MDB_meta *meta);
 363 static int  mdb_env_read_meta(MDB_env *env, int *which);
 364 static int  mdb_env_write_meta(MDB_txn *txn);
 365 static MDB_page *mdb_get_page(MDB_txn *txn, pgno_t pgno);
 366
 367 static MDB_node *mdb_search_node(MDB_txn *txn, MDB_dbi dbi, MDB_page *mp,
 368                             MDB_val *key, int *exactp, unsigned int *kip);
 369 static int  mdb_add_node(MDB_txn *txn, MDB_dbi dbi, MDB_page *mp,
 370                             indx_t indx, MDB_val *key, MDB_val *data,
 371                             pgno_t pgno, uint8_t flags);
 372 static void mdb_del_node(MDB_page *mp, indx_t indx);
 373 static int mdb_del0(MDB_txn *txn, MDB_dbi dbi, unsigned int ki,
 374     MDB_pageparent *mpp, MDB_node *leaf);
 375 static int mdb_put0(MDB_txn *txn, MDB_dbi dbi,
 376     MDB_val *key, MDB_val *data, unsigned int flags);
 377 static int  mdb_read_data(MDB_txn *txn, MDB_node *leaf, MDB_val *data);
 378
 379 static int               mdb_rebalance(MDB_txn *txn, MDB_dbi dbi, MDB_pageparent *mp);
 380 static int               mdb_update_key(MDB_page *mp, indx_t indx, MDB_val *key);
 381 static int               mdb_move_node(MDB_txn *txn, MDB_dbi dbi,
 382                                 MDB_pageparent *src, indx_t srcindx,
 383                                 MDB_pageparent *dst, indx_t dstindx);
 384 static int               mdb_merge(MDB_txn *txn, MDB_dbi dbi, MDB_pageparent *src,
 385                             MDB_pageparent *dst);
 386 static int               mdb_split(MDB_txn *txn, MDB_dbi dbi, MDB_page **mpp,
 387                             unsigned int *newindxp, MDB_val *newkey,
 388                             MDB_val *newdata, pgno_t newpgno);
 389 static MDB_dpage *mdb_new_page(MDB_txn *txn, MDB_dbi dbi, uint32_t flags, int num);
 390
 391 static void              cursor_pop_page(MDB_cursor *cursor);
 392 static MDB_ppage *cursor_push_page(MDB_cursor *cursor,
 393                             MDB_page *mp);
 394
 395 static int               mdb_set_key(MDB_node *node, MDB_val *key);
 396 static int               mdb_sibling(MDB_cursor *cursor, int move_right);
 397 static int               mdb_cursor_next(MDB_cursor *cursor,
 398                             MDB_val *key, MDB_val *data, MDB_cursor_op op);
 399 static int               mdb_cursor_prev(MDB_cursor *cursor,
 400                             MDB_val *key, MDB_val *data, MDB_cursor_op op);
 401 static int               mdb_cursor_set(MDB_cursor *cursor,
 402                             MDB_val *key, MDB_val *data, MDB_cursor_op op, int *exactp);
 403 static int               mdb_cursor_first(MDB_cursor *cursor,
 404                             MDB_val *key, MDB_val *data);
 405 static int               mdb_cursor_last(MDB_cursor *cursor,
 406                             MDB_val *key, MDB_val *data);
 407
 408 static void             mdb_xcursor_init0(MDB_txn *txn, MDB_dbi dbi, MDB_xcursor *mx);
 409 static void             mdb_xcursor_init1(MDB_txn *txn, MDB_dbi dbi, MDB_xcursor *mx, MDB_node *node);
 410 static void             mdb_xcursor_fini(MDB_txn *txn, MDB_dbi dbi, MDB_xcursor *mx);
 411
 412 static size_t            mdb_leaf_size(MDB_env *env, MDB_val *key,
 413                             MDB_val *data);
 414 static size_t            mdb_branch_size(MDB_env *env, MDB_val *key);
 415
 416 static int               memncmp(const void *s1, size_t n1,
 417                                  const void *s2, size_t n2);
 418 static int               memnrcmp(const void *s1, size_t n1,
 419                                   const void *s2, size_t n2);
 420
 421 static int
 422 memncmp(const void *s1, size_t n1, const void *s2, size_t n2)
 423 {
 424         int diff, len_diff = -1;
 425
 426         if (n1 >= n2) {
 427                 len_diff = (n1 > n2);
 428                 n1 = n2;
 429         }
 430         diff = memcmp(s1, s2, n1);
 431         return diff ? diff : len_diff;
 432 }
 433
 434 static int
 435 memnrcmp(const void *s1, size_t n1, const void *s2, size_t n2)
 436 {
 437         const unsigned char     *p1, *p2, *p1_lim;
 438
 439         if (n2 == 0)
 440                 return n1 != 0;
 441         if (n1 == 0)
 442                 return -1;
 443
 444         p1 = (const unsigned char *)s1 + n1 - 1;
 445         p2 = (const unsigned char *)s2 + n2 - 1;
 446
 447         for (p1_lim = (n1 <= n2 ? s1 : s2);  *p1 == *p2;  p1--, p2--) {
 448                 if (p1 == p1_lim)
 449                         return (p1 != s1) ? (p1 != p2) : (p2 != s2) ? -1 : 0;
 450         }
 451         return *p1 - *p2;
 452 }
 453
 454 char *
 455 mdb_version(int *maj, int *min, int *pat)
 456 {
 457         *maj = MDB_VERSION_MAJOR;
 458         *min = MDB_VERSION_MINOR;
 459         *pat = MDB_VERSION_PATCH;
 460         return MDB_VERSION_STRING;
 461 }
 462
 463 int
 464 mdb_cmp(MDB_txn *txn, MDB_dbi dbi, const MDB_val *a, const MDB_val *b)
 465 {
 466         return txn->mt_dbxs[dbi].md_cmp(a, b);
 467 }
 468
 469 static int
 470 _mdb_cmp(MDB_txn *txn, MDB_dbi dbi, const MDB_val *key1, const MDB_val *key2)
 471 {
 472         if (txn->mt_dbs[dbi].md_flags & (MDB_REVERSEKEY
 473 #if __BYTE_ORDER == __LITTLE_ENDIAN
 474                 |MDB_INTEGERKEY
 475 #endif
 476         ))
 477                 return memnrcmp(key1->mv_data, key1->mv_size, key2->mv_data, key2->mv_size);
 478         else
 479                 return memncmp((char *)key1->mv_data, key1->mv_size, key2->mv_data, key2->mv_size);
 480 }
 481
 482 /* Allocate new page(s) for writing */
 483 static MDB_dpage *
 484 mdb_alloc_page(MDB_txn *txn, MDB_page *parent, unsigned int parent_idx, int num)
 485 {
 486         MDB_dpage *dp;
 487         pgno_t pgno = P_INVALID;
 488         ULONG oldest;
 489         MIDL2 mid;
 490
 491         if (txn->mt_txnid > 2) {
 492
 493         oldest = txn->mt_txnid - 2;
 494         if (!txn->mt_env->me_pghead && txn->mt_dbs[FREE_DBI].md_root != P_INVALID) {
 495                 /* See if there's anything in the free DB */
 496                 MDB_pageparent mpp;
 497                 MDB_node *leaf;
 498                 ULONG *kptr;
 499
 500                 mpp.mp_parent = NULL;
 501                 mpp.mp_pi = 0;
 502                 mdb_search_page(txn, FREE_DBI, NULL, NULL, 0, &mpp);
 503                 leaf = NODEPTR(mpp.mp_page, 0);
 504                 kptr = (ULONG *)NODEKEY(leaf);
 505
 506                 /* It's potentially usable, unless there are still
 507                  * older readers outstanding. Grab it.
 508                  */
 509                 if (oldest > *kptr) {
 510                         MDB_oldpages *mop;
 511                         MDB_val data;
 512                         pgno_t *idl;
 513
 514                         mdb_read_data(txn, leaf, &data);
 515                         idl = (ULONG *)data.mv_data;
 516                         mop = malloc(sizeof(MDB_oldpages) + MDB_IDL_SIZEOF(idl) - sizeof(pgno_t));
 517                         mop->mo_next = txn->mt_env->me_pghead;
 518                         mop->mo_txnid = *kptr;
 519                         txn->mt_env->me_pghead = mop;
 520                         memcpy(mop->mo_pages, idl, MDB_IDL_SIZEOF(idl));
 521
 522 #if DEBUG > 1
 523                         {
 524                                 unsigned int i;
 525                                 DPRINTF("IDL read txn %lu root %lu num %lu",
 526                                         mop->mo_txnid, txn->mt_dbs[FREE_DBI].md_root, idl[0]);
 527                                 for (i=0; i<idl[0]; i++) {
 528                                         DPRINTF("IDL %lu", idl[i+1]);
 529                                 }
 530                         }
 531 #endif
 532                         /* drop this IDL from the DB */
 533                         mpp.mp_parent = NULL;
 534                         mpp.mp_pi = 0;
 535                         mdb_search_page(txn, FREE_DBI, NULL, NULL, 1, &mpp);
 536                         leaf = NODEPTR(mpp.mp_page, 0);
 537                         mdb_del0(txn, FREE_DBI, 0, &mpp, leaf);
 538                 }
 539         }
 540         if (txn->mt_env->me_pghead) {
 541                 unsigned int i;
 542                 for (i=0; i<txn->mt_env->me_txns->mti_numreaders; i++) {
 543                         ULONG mr = txn->mt_env->me_txns->mti_readers[i].mr_txnid;
 544                         if (!mr) continue;
 545                         if (mr < oldest)
 546                                 oldest = txn->mt_env->me_txns->mti_readers[i].mr_txnid;
 547                 }
 548                 if (oldest > txn->mt_env->me_pghead->mo_txnid) {
 549                         MDB_oldpages *mop = txn->mt_env->me_pghead;
 550                         txn->mt_oldest = oldest;
 551                         if (num > 1) {
 552                                 /* FIXME: For now, always use fresh pages. We
 553                                  * really ought to search the free list for a
 554                                  * contiguous range.
 555                                  */
 556                                 ;
 557                         } else {
 558                                 /* peel pages off tail, so we only have to truncate the list */
 559                                 pgno = MDB_IDL_LAST(mop->mo_pages);
 560                                 if (MDB_IDL_IS_RANGE(mop->mo_pages)) {
 561                                         mop->mo_pages[2]++;
 562                                         if (mop->mo_pages[2] > mop->mo_pages[1])
 563                                                 mop->mo_pages[0] = 0;
 564                                 } else {
 565                                         mop->mo_pages[0]--;
 566                                 }
 567                                 if (MDB_IDL_IS_ZERO(mop->mo_pages)) {
 568                                         txn->mt_env->me_pghead = mop->mo_next;
 569                                         free(mop);
 570                                 }
 571                         }
 572                 }
 573         }
 574         }
 575
 576         if (pgno == P_INVALID) {
 577                 /* DB size is maxed out */
 578                 if (txn->mt_next_pgno + num >= txn->mt_env->me_maxpg)
 579                         return NULL;
 580         }
 581         if ((dp = malloc(txn->mt_env->me_psize * num + sizeof(MDB_dhead))) == NULL)
 582                 return NULL;
 583         dp->h.md_num = num;
 584         dp->h.md_parent = parent;
 585         dp->h.md_pi = parent_idx;
 586         if (pgno == P_INVALID) {
 587                 dp->p.mp_pgno = txn->mt_next_pgno;
 588                 txn->mt_next_pgno += num;
 589         } else {
 590                 dp->p.mp_pgno = pgno;
 591         }
 592         mid.mid = dp->p.mp_pgno;
 593         mid.mptr = dp;
 594         mdb_midl2_insert(txn->mt_u.dirty_list, &mid);
 595
 596         return dp;
 597 }
 598
 599 /* Touch a page: make it dirty and re-insert into tree with updated pgno.
 600  */
 601 static int
 602 mdb_touch(MDB_txn *txn, MDB_pageparent *pp)
 603 {
 604         MDB_page *mp = pp->mp_page;
 605         pgno_t  pgno;
 606         assert(txn != NULL);
 607         assert(pp != NULL);
 608
 609         if (!F_ISSET(mp->mp_flags, P_DIRTY)) {
 610                 MDB_dpage *dp;
 611                 if ((dp = mdb_alloc_page(txn, pp->mp_parent, pp->mp_pi, 1)) == NULL)
 612                         return ENOMEM;
 613                 DPRINTF("touched page %lu -> %lu", mp->mp_pgno, dp->p.mp_pgno);
 614                 mdb_midl_insert(txn->mt_free_pgs, mp->mp_pgno);
 615                 pgno = dp->p.mp_pgno;
 616                 memcpy(&dp->p, mp, txn->mt_env->me_psize);
 617                 mp = &dp->p;
 618                 mp->mp_pgno = pgno;
 619                 mp->mp_flags |= P_DIRTY;
 620
 621                 /* Update the page number to new touched page. */
 622                 if (pp->mp_parent != NULL)
 623                         NODEPGNO(NODEPTR(pp->mp_parent, pp->mp_pi)) = mp->mp_pgno;
 624                 pp->mp_page = mp;
 625         }
 626         return 0;
 627 }
 628
 629 int
 630 mdb_env_sync(MDB_env *env, int force)
 631 {
 632         int rc = 0;
 633         if (force || !F_ISSET(env->me_flags, MDB_NOSYNC)) {
 634                 if (fdatasync(env->me_fd))
 635                         rc = errno;
 636         }
 637         return rc;
 638 }
 639
 640 int
 641 mdb_txn_begin(MDB_env *env, int rdonly, MDB_txn **ret)
 642 {
 643         MDB_txn *txn;
 644         int rc, toggle;
 645
 646         if (env->me_flags & MDB_FATAL_ERROR) {
 647                 DPRINTF("mdb_txn_begin: environment had fatal error, must shutdown!");
 648                 return MDB_PANIC;
 649         }
 650         if ((txn = calloc(1, sizeof(MDB_txn))) == NULL) {
 651                 DPRINTF("calloc: %s", strerror(errno));
 652                 return ENOMEM;
 653         }
 654
 655         if (rdonly) {
 656                 txn->mt_flags |= MDB_TXN_RDONLY;
 657         } else {
 658                 txn->mt_u.dirty_list = env->me_dirty_list;
 659                 txn->mt_u.dirty_list[0].mid = 0;
 660                 txn->mt_free_pgs = env->me_free_pgs;
 661                 txn->mt_free_pgs[0] = 0;
 662
 663                 pthread_mutex_lock(&env->me_txns->mti_wmutex);
 664                 env->me_txns->mti_txnid++;
 665         }
 666
 667         txn->mt_txnid = env->me_txns->mti_txnid;
 668         if (rdonly) {
 669                 MDB_reader *r = pthread_getspecific(env->me_txkey);
 670                 if (!r) {
 671                         unsigned int i;
 672                         pthread_mutex_lock(&env->me_txns->mti_mutex);
 673                         for (i=0; i<env->me_txns->mti_numreaders; i++)
 674                                 if (env->me_txns->mti_readers[i].mr_pid == 0)
 675                                         break;
 676                         if (i == env->me_maxreaders) {
 677                                 pthread_mutex_unlock(&env->me_txns->mti_mutex);
 678                                 return ENOSPC;
 679                         }
 680                         env->me_txns->mti_readers[i].mr_pid = getpid();
 681                         env->me_txns->mti_readers[i].mr_tid = pthread_self();
 682                         r = &env->me_txns->mti_readers[i];
 683                         pthread_setspecific(env->me_txkey, r);
 684                         if (i >= env->me_txns->mti_numreaders)
 685                                 env->me_txns->mti_numreaders = i+1;
 686                         pthread_mutex_unlock(&env->me_txns->mti_mutex);
 687                 }
 688                 r->mr_txnid = txn->mt_txnid;
 689                 txn->mt_u.reader = r;
 690         } else {
 691                 env->me_txn = txn;
 692         }
 693
 694         txn->mt_env = env;
 695
 696         toggle = env->me_txns->mti_me_toggle;
 697         if ((rc = mdb_env_read_meta(env, &toggle)) != MDB_SUCCESS) {
 698                 mdb_txn_abort(txn);
 699                 return rc;
 700         }
 701
 702         /* Copy the DB arrays */
 703         txn->mt_numdbs = env->me_numdbs;
 704         txn->mt_dbxs = env->me_dbxs;    /* mostly static anyway */
 705         txn->mt_dbs = malloc(env->me_maxdbs * sizeof(MDB_db));
 706         memcpy(txn->mt_dbs, env->me_meta->mm_dbs, 2 * sizeof(MDB_db));
 707         if (txn->mt_numdbs > 2)
 708                 memcpy(txn->mt_dbs+2, env->me_dbs[env->me_db_toggle]+2,
 709                         (txn->mt_numdbs - 2) * sizeof(MDB_db));
 710
 711         if (!rdonly) {
 712                 if (toggle)
 713                         txn->mt_flags |= MDB_TXN_METOGGLE;
 714                 txn->mt_next_pgno = env->me_meta->mm_last_pg+1;
 715         }
 716
 717         DPRINTF("begin transaction %lu on mdbenv %p, root page %lu",
 718                 txn->mt_txnid, (void *) env, txn->mt_dbs[MAIN_DBI].md_root);
 719
 720         *ret = txn;
 721         return MDB_SUCCESS;
 722 }
 723
 724 void
 725 mdb_txn_abort(MDB_txn *txn)
 726 {
 727         MDB_env *env;
 728
 729         if (txn == NULL)
 730                 return;
 731
 732         env = txn->mt_env;
 733         DPRINTF("abort transaction %lu on mdbenv %p, root page %lu",
 734                 txn->mt_txnid, (void *) env, txn->mt_dbs[MAIN_DBI].md_root);
 735
 736         free(txn->mt_dbs);
 737
 738         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
 739                 txn->mt_u.reader->mr_txnid = 0;
 740         } else {
 741                 MDB_oldpages *mop;
 742                 unsigned int i;
 743
 744                 /* Discard all dirty pages. */
 745                 for (i=1; i<=txn->mt_u.dirty_list[0].mid; i++)
 746                         free(txn->mt_u.dirty_list[i].mptr);
 747
 748                 while ((mop = txn->mt_env->me_pghead)) {
 749                         txn->mt_env->me_pghead = mop->mo_next;
 750                         free(mop);
 751                 }
 752
 753                 env->me_txn = NULL;
 754                 env->me_txns->mti_txnid--;
 755                 for (i=2; i<env->me_numdbs; i++)
 756                         env->me_dbxs[i].md_dirty = 0;
 757                 pthread_mutex_unlock(&env->me_txns->mti_wmutex);
 758         }
 759
 760         free(txn);
 761 }
 762
 763 int
 764 mdb_txn_commit(MDB_txn *txn)
 765 {
 766         int              n, done;
 767         unsigned int i;
 768         ssize_t          rc;
 769         off_t            size;
 770         MDB_dpage       *dp;
 771         MDB_env *env;
 772         pgno_t  next;
 773         struct iovec     iov[MDB_COMMIT_PAGES];
 774
 775         assert(txn != NULL);
 776         assert(txn->mt_env != NULL);
 777
 778         env = txn->mt_env;
 779
 780         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
 781                 DPRINTF("attempt to commit read-only transaction");
 782                 mdb_txn_abort(txn);
 783                 return EPERM;
 784         }
 785
 786         if (txn != env->me_txn) {
 787                 DPRINTF("attempt to commit unknown transaction");
 788                 mdb_txn_abort(txn);
 789                 return EINVAL;
 790         }
 791
 792         if (F_ISSET(txn->mt_flags, MDB_TXN_ERROR)) {
 793                 DPRINTF("error flag is set, can't commit");
 794                 mdb_txn_abort(txn);
 795                 return EINVAL;
 796         }
 797
 798         if (!txn->mt_u.dirty_list[0].mid)
 799                 goto done;
 800
 801         DPRINTF("committing transaction %lu on mdbenv %p, root page %lu",
 802             txn->mt_txnid, (void *) env, txn->mt_dbs[MAIN_DBI].md_root);
 803
 804         /* should only be one record now */
 805         if (env->me_pghead) {
 806                 MDB_val key, data;
 807                 MDB_oldpages *mop;
 808
 809                 mop = env->me_pghead;
 810                 key.mv_size = sizeof(pgno_t);
 811                 key.mv_data = (char *)&mop->mo_txnid;
 812                 data.mv_size = MDB_IDL_SIZEOF(mop->mo_pages);
 813                 data.mv_data = mop->mo_pages;
 814                 mdb_put0(txn, FREE_DBI, &key, &data, 0);
 815                 free(env->me_pghead);
 816                 env->me_pghead = NULL;
 817         }
 818         /* save to free list */
 819         if (!MDB_IDL_IS_ZERO(txn->mt_free_pgs)) {
 820                 MDB_val key, data;
 821                 MDB_pageparent mpp;
 822
 823                 /* make sure last page of freeDB is touched and on freelist */
 824                 key.mv_size = MAXKEYSIZE+1;
 825                 key.mv_data = NULL;
 826                 mpp.mp_parent = NULL;
 827                 mpp.mp_pi = 0;
 828                 mdb_search_page(txn, FREE_DBI, &key, NULL, 1, &mpp);
 829
 830 #if DEBUG > 1
 831                 {
 832                         unsigned int i;
 833                         ULONG *idl = txn->mt_free_pgs;
 834                         DPRINTF("IDL write txn %lu root %lu num %lu",
 835                                 txn->mt_txnid, txn->mt_dbs[FREE_DBI].md_root, idl[0]);
 836                         for (i=0; i<idl[0]; i++) {
 837                                 DPRINTF("IDL %lu", idl[i+1]);
 838                         }
 839                 }
 840 #endif
 841                 /* write to last page of freeDB */
 842                 key.mv_size = sizeof(pgno_t);
 843                 key.mv_data = (char *)&txn->mt_txnid;
 844                 data.mv_size = MDB_IDL_SIZEOF(txn->mt_free_pgs);
 845                 data.mv_data = txn->mt_free_pgs;
 846                 mdb_put0(txn, FREE_DBI, &key, &data, 0);
 847         }
 848
 849         /* Update DB root pointers. Their pages have already been
 850          * touched so this is all in-place and cannot fail.
 851          */
 852         {
 853                 MDB_val data;
 854                 data.mv_size = sizeof(MDB_db);
 855
 856                 for (i = 2; i < txn->mt_numdbs; i++) {
 857                         if (txn->mt_dbxs[i].md_dirty) {
 858                                 data.mv_data = &txn->mt_dbs[i];
 859                                 mdb_put0(txn, MAIN_DBI, &txn->mt_dbxs[i].md_name, &data, 0);
 860                         }
 861                 }
 862         }
 863
 864         /* Commit up to MDB_COMMIT_PAGES dirty pages to disk until done.
 865          */
 866         next = 0;
 867         do {
 868                 n = 0;
 869                 done = 1;
 870                 size = 0;
 871                 for (i=1; i<=txn->mt_u.dirty_list[0].mid; i++) {
 872                         dp = txn->mt_u.dirty_list[i].mptr;
 873                         if (dp->p.mp_pgno != next) {
 874                                 if (n) {
 875                                         DPRINTF("committing %u dirty pages", n);
 876                                         rc = writev(env->me_fd, iov, n);
 877                                         if (rc != size) {
 878                                                 n = errno;
 879                                                 if (rc > 0)
 880                                                         DPRINTF("short write, filesystem full?");
 881                                                 else
 882                                                         DPRINTF("writev: %s", strerror(errno));
 883                                                 mdb_txn_abort(txn);
 884                                                 return n;
 885                                         }
 886                                         n = 0;
 887                                         size = 0;
 888                                 }
 889                                 lseek(env->me_fd, dp->p.mp_pgno * env->me_psize, SEEK_SET);
 890                                 next = dp->p.mp_pgno;
 891                         }
 892                         DPRINTF("committing page %lu", dp->p.mp_pgno);
 893                         iov[n].iov_len = env->me_psize * dp->h.md_num;
 894                         iov[n].iov_base = &dp->p;
 895                         size += iov[n].iov_len;
 896                         next = dp->p.mp_pgno + dp->h.md_num;
 897                         /* clear dirty flag */
 898                         dp->p.mp_flags &= ~P_DIRTY;
 899                         if (++n >= MDB_COMMIT_PAGES) {
 900                                 done = 0;
 901                                 break;
 902                         }
 903                 }
 904
 905                 if (n == 0)
 906                         break;
 907
 908                 DPRINTF("committing %u dirty pages", n);
 909                 rc = writev(env->me_fd, iov, n);
 910                 if (rc != size) {
 911                         n = errno;
 912                         if (rc > 0)
 913                                 DPRINTF("short write, filesystem full?");
 914                         else
 915                                 DPRINTF("writev: %s", strerror(errno));
 916                         mdb_txn_abort(txn);
 917                         return n;
 918                 }
 919
 920         } while (!done);
 921
 922         /* Drop the dirty pages.
 923          */
 924         for (i=1; i<=txn->mt_u.dirty_list[0].mid; i++)
 925                 free(txn->mt_u.dirty_list[i].mptr);
 926
 927         if ((n = mdb_env_sync(env, 0)) != 0 ||
 928             (n = mdb_env_write_meta(txn)) != MDB_SUCCESS) {
 929                 mdb_txn_abort(txn);
 930                 return n;
 931         }
 932         env->me_txn = NULL;
 933
 934         /* update the DB tables */
 935         {
 936                 int toggle = !env->me_db_toggle;
 937
 938                 for (i = 2; i < env->me_numdbs; i++) {
 939                         if (txn->mt_dbxs[i].md_dirty) {
 940                                 env->me_dbs[toggle][i] = txn->mt_dbs[i];
 941                                 txn->mt_dbxs[i].md_dirty = 0;
 942                         }
 943                 }
 944                 for (i = env->me_numdbs; i < txn->mt_numdbs; i++) {
 945                         txn->mt_dbxs[i].md_dirty = 0;
 946                         env->me_dbxs[i] = txn->mt_dbxs[i];
 947                         env->me_dbs[toggle][i] = txn->mt_dbs[i];
 948                 }
 949                 env->me_db_toggle = toggle;
 950                 env->me_numdbs = txn->mt_numdbs;
 951
 952                 free(txn->mt_dbs);
 953         }
 954
 955         pthread_mutex_unlock(&env->me_txns->mti_wmutex);
 956         free(txn);
 957         txn = NULL;
 958
 959 done:
 960         mdb_txn_abort(txn);
 961
 962         return MDB_SUCCESS;
 963 }
 964
 965 static int
 966 mdb_env_read_header(MDB_env *env, MDB_meta *meta)
 967 {
 968         char             page[PAGESIZE];
 969         MDB_page        *p;
 970         MDB_meta        *m;
 971         int              rc;
 972
 973         assert(env != NULL);
 974
 975         /* We don't know the page size yet, so use a minimum value.
 976          */
 977
 978         if ((rc = pread(env->me_fd, page, PAGESIZE, 0)) == 0) {
 979                 return ENOENT;
 980         } else if (rc != PAGESIZE) {
 981                 if (rc > 0)
 982                         errno = EINVAL;
 983                 DPRINTF("read: %s", strerror(errno));
 984                 return errno;
 985         }
 986
 987         p = (MDB_page *)page;
 988
 989         if (!F_ISSET(p->mp_flags, P_META)) {
 990                 DPRINTF("page %lu not a meta page", p->mp_pgno);
 991                 return EINVAL;
 992         }
 993
 994         m = METADATA(p);
 995         if (m->mm_magic != MDB_MAGIC) {
 996                 DPRINTF("meta has invalid magic");
 997                 return EINVAL;
 998         }
 999
1000         if (m->mm_version != MDB_VERSION) {
1001                 DPRINTF("database is version %u, expected version %u",
1002                     m->mm_version, MDB_VERSION);
1003                 return MDB_VERSION_MISMATCH;
1004         }
1005
1006         memcpy(meta, m, sizeof(*m));
1007         return 0;
1008 }
1009
1010 static int
1011 mdb_env_init_meta(MDB_env *env, MDB_meta *meta)
1012 {
1013         MDB_page *p, *q;
1014         MDB_meta *m;
1015         int rc;
1016         unsigned int     psize;
1017
1018         DPRINTF("writing new meta page");
1019         psize = sysconf(_SC_PAGE_SIZE);
1020
1021         meta->mm_magic = MDB_MAGIC;
1022         meta->mm_version = MDB_VERSION;
1023         meta->mm_psize = psize;
1024         meta->mm_last_pg = 1;
1025         meta->mm_flags = env->me_flags & 0xffff;
1026         meta->mm_flags |= MDB_INTEGERKEY;
1027         meta->mm_dbs[0].md_root = P_INVALID;
1028         meta->mm_dbs[1].md_root = P_INVALID;
1029
1030         p = calloc(2, psize);
1031         p->mp_pgno = 0;
1032         p->mp_flags = P_META;
1033
1034         m = METADATA(p);
1035         memcpy(m, meta, sizeof(*meta));
1036
1037         q = (MDB_page *)((char *)p + psize);
1038
1039         q->mp_pgno = 1;
1040         q->mp_flags = P_META;
1041
1042         m = METADATA(q);
1043         memcpy(m, meta, sizeof(*meta));
1044
1045         rc = write(env->me_fd, p, psize * 2);
1046         free(p);
1047         return (rc == (int)psize * 2) ? MDB_SUCCESS : errno;
1048 }
1049
1050 static int
1051 mdb_env_write_meta(MDB_txn *txn)
1052 {
1053         MDB_env *env;
1054         MDB_meta        meta, metab;
1055         off_t off;
1056         int rc, len, toggle;
1057         char *ptr;
1058
1059         assert(txn != NULL);
1060         assert(txn->mt_env != NULL);
1061
1062         toggle = !F_ISSET(txn->mt_flags, MDB_TXN_METOGGLE);
1063         DPRINTF("writing meta page %d for root page %lu",
1064                 toggle, txn->mt_dbs[MAIN_DBI].md_root);
1065
1066         env = txn->mt_env;
1067
1068         metab.mm_txnid = env->me_metas[toggle]->mm_txnid;
1069         metab.mm_last_pg = env->me_metas[toggle]->mm_last_pg;
1070
1071         ptr = (char *)&meta;
1072         off = offsetof(MDB_meta, mm_dbs[0].md_depth);
1073         len = sizeof(MDB_meta) - off;
1074
1075         ptr += off;
1076         meta.mm_dbs[0] = txn->mt_dbs[0];
1077         meta.mm_dbs[1] = txn->mt_dbs[1];
1078         meta.mm_last_pg = txn->mt_next_pgno - 1;
1079         meta.mm_txnid = txn->mt_txnid;
1080
1081         if (toggle)
1082                 off += env->me_psize;
1083         off += PAGEHDRSZ;
1084
1085         /* Write to the SYNC fd */
1086         rc = pwrite(env->me_mfd, ptr, len, off);
1087         if (rc != len) {
1088                 DPRINTF("write failed, disk error?");
1089                 /* On a failure, the pagecache still contains the new data.
1090                  * Write some old data back, to prevent it from being used.
1091                  * Use the non-SYNC fd; we know it will fail anyway.
1092                  */
1093                 meta.mm_last_pg = metab.mm_last_pg;
1094                 meta.mm_txnid = metab.mm_txnid;
1095                 rc = pwrite(env->me_fd, ptr, len, off);
1096                 env->me_flags |= MDB_FATAL_ERROR;
1097                 return errno;
1098         }
1099         txn->mt_env->me_txns->mti_me_toggle = toggle;
1100
1101         return MDB_SUCCESS;
1102 }
1103
1104 static int
1105 mdb_env_read_meta(MDB_env *env, int *which)
1106 {
1107         int toggle = 0;
1108
1109         assert(env != NULL);
1110
1111         if (which)
1112                 toggle = *which;
1113         else if (env->me_metas[0]->mm_txnid < env->me_metas[1]->mm_txnid)
1114                 toggle = 1;
1115
1116         if (env->me_meta != env->me_metas[toggle])
1117                 env->me_meta = env->me_metas[toggle];
1118
1119         DPRINTF("Using meta page %d", toggle);
1120
1121         return MDB_SUCCESS;
1122 }
1123
1124 int
1125 mdb_env_create(MDB_env **env)
1126 {
1127         MDB_env *e;
1128
1129         e = calloc(1, sizeof(MDB_env));
1130         if (!e) return ENOMEM;
1131
1132         e->me_maxreaders = DEFAULT_READERS;
1133         e->me_maxdbs = 2;
1134         e->me_fd = -1;
1135         e->me_lfd = -1;
1136         e->me_mfd = -1;
1137         *env = e;
1138         return MDB_SUCCESS;
1139 }
1140
1141 int
1142 mdb_env_set_mapsize(MDB_env *env, size_t size)
1143 {
1144         if (env->me_map)
1145                 return EINVAL;
1146         env->me_mapsize = size;
1147         return MDB_SUCCESS;
1148 }
1149
1150 int
1151 mdb_env_set_maxdbs(MDB_env *env, int dbs)
1152 {
1153         env->me_maxdbs = dbs;
1154         return MDB_SUCCESS;
1155 }
1156
1157 int
1158 mdb_env_set_maxreaders(MDB_env *env, int readers)
1159 {
1160         env->me_maxreaders = readers;
1161         return MDB_SUCCESS;
1162 }
1163
1164 int
1165 mdb_env_get_maxreaders(MDB_env *env, int *readers)
1166 {
1167         if (!env || !readers)
1168                 return EINVAL;
1169         *readers = env->me_maxreaders;
1170         return MDB_SUCCESS;
1171 }
1172
1173 static int
1174 mdb_env_open2(MDB_env *env, unsigned int flags)
1175 {
1176         int i, newenv = 0;
1177         MDB_meta meta;
1178         MDB_page *p;
1179
1180         env->me_flags = flags;
1181
1182         memset(&meta, 0, sizeof(meta));
1183
1184         if ((i = mdb_env_read_header(env, &meta)) != 0) {
1185                 if (i != ENOENT)
1186                         return i;
1187                 DPRINTF("new mdbenv");
1188                 newenv = 1;
1189         }
1190
1191         if (!env->me_mapsize) {
1192                 env->me_mapsize = newenv ? DEFAULT_MAPSIZE : meta.mm_mapsize;
1193         }
1194
1195         i = MAP_SHARED;
1196         if (meta.mm_address && (flags & MDB_FIXEDMAP))
1197                 i |= MAP_FIXED;
1198         env->me_map = mmap(meta.mm_address, env->me_mapsize, PROT_READ, i,
1199                 env->me_fd, 0);
1200         if (env->me_map == MAP_FAILED)
1201                 return errno;
1202
1203         if (newenv) {
1204                 meta.mm_mapsize = env->me_mapsize;
1205                 if (flags & MDB_FIXEDMAP)
1206                         meta.mm_address = env->me_map;
1207                 i = mdb_env_init_meta(env, &meta);
1208                 if (i != MDB_SUCCESS) {
1209                         munmap(env->me_map, env->me_mapsize);
1210                         return i;
1211                 }
1212         }
1213         env->me_psize = meta.mm_psize;
1214
1215         env->me_maxpg = env->me_mapsize / env->me_psize;
1216
1217         p = (MDB_page *)env->me_map;
1218         env->me_metas[0] = METADATA(p);
1219         env->me_metas[1] = (MDB_meta *)((char *)env->me_metas[0] + meta.mm_psize);
1220
1221         if ((i = mdb_env_read_meta(env, NULL)) != 0)
1222                 return i;
1223
1224         DPRINTF("opened database version %u, pagesize %u",
1225             env->me_meta->mm_version, env->me_psize);
1226         DPRINTF("depth: %u", env->me_meta->mm_dbs[MAIN_DBI].md_depth);
1227         DPRINTF("entries: %lu", env->me_meta->mm_dbs[MAIN_DBI].md_entries);
1228         DPRINTF("branch pages: %lu", env->me_meta->mm_dbs[MAIN_DBI].md_branch_pages);
1229         DPRINTF("leaf pages: %lu", env->me_meta->mm_dbs[MAIN_DBI].md_leaf_pages);
1230         DPRINTF("overflow pages: %lu", env->me_meta->mm_dbs[MAIN_DBI].md_overflow_pages);
1231         DPRINTF("root: %lu", env->me_meta->mm_dbs[MAIN_DBI].md_root);
1232
1233         return MDB_SUCCESS;
1234 }
1235
1236 static void
1237 mdb_env_reader_dest(void *ptr)
1238 {
1239         MDB_reader *reader = ptr;
1240
1241         reader->mr_txnid = 0;
1242         reader->mr_pid = 0;
1243         reader->mr_tid = 0;
1244 }
1245
1246 /* downgrade the exclusive lock on the region back to shared */
1247 static void
1248 mdb_env_share_locks(MDB_env *env)
1249 {
1250         struct flock lock_info;
1251
1252         env->me_txns->mti_txnid = env->me_meta->mm_txnid;
1253         if (env->me_metas[0]->mm_txnid < env->me_metas[1]->mm_txnid)
1254                 env->me_txns->mti_me_toggle = 1;
1255
1256         memset((void *)&lock_info, 0, sizeof(lock_info));
1257         lock_info.l_type = F_RDLCK;
1258         lock_info.l_whence = SEEK_SET;
1259         lock_info.l_start = 0;
1260         lock_info.l_len = 1;
1261         fcntl(env->me_lfd, F_SETLK, &lock_info);
1262 }
1263
1264 static int
1265 mdb_env_setup_locks(MDB_env *env, char *lpath, int mode, int *excl)
1266 {
1267         int rc;
1268         off_t size, rsize;
1269         struct flock lock_info;
1270
1271         *excl = 0;
1272
1273         if ((env->me_lfd = open(lpath, O_RDWR|O_CREAT, mode)) == -1) {
1274                 rc = errno;
1275                 return rc;
1276         }
1277         /* Try to get exclusive lock. If we succeed, then
1278          * nobody is using the lock region and we should initialize it.
1279          */
1280         memset((void *)&lock_info, 0, sizeof(lock_info));
1281         lock_info.l_type = F_WRLCK;
1282         lock_info.l_whence = SEEK_SET;
1283         lock_info.l_start = 0;
1284         lock_info.l_len = 1;
1285         rc = fcntl(env->me_lfd, F_SETLK, &lock_info);
1286         if (rc == 0) {
1287                 *excl = 1;
1288         } else {
1289                 lock_info.l_type = F_RDLCK;
1290                 rc = fcntl(env->me_lfd, F_SETLK, &lock_info);
1291                 if (rc) {
1292                         rc = errno;
1293                         goto fail;
1294                 }
1295         }
1296         size = lseek(env->me_lfd, 0, SEEK_END);
1297         rsize = (env->me_maxreaders-1) * sizeof(MDB_reader) + sizeof(MDB_txninfo);
1298         if (size < rsize && *excl) {
1299                 if (ftruncate(env->me_lfd, rsize) != 0) {
1300                         rc = errno;
1301                         goto fail;
1302                 }
1303         } else {
1304                 rsize = size;
1305                 size = rsize - sizeof(MDB_txninfo);
1306                 env->me_maxreaders = size/sizeof(MDB_reader) + 1;
1307         }
1308         env->me_txns = mmap(0, rsize, PROT_READ|PROT_WRITE, MAP_SHARED,
1309                 env->me_lfd, 0);
1310         if (env->me_txns == MAP_FAILED) {
1311                 rc = errno;
1312                 goto fail;
1313         }
1314         if (*excl) {
1315                 pthread_mutexattr_t mattr;
1316
1317                 pthread_mutexattr_init(&mattr);
1318                 rc = pthread_mutexattr_setpshared(&mattr, PTHREAD_PROCESS_SHARED);
1319                 if (rc) {
1320                         goto fail;
1321                 }
1322                 pthread_mutex_init(&env->me_txns->mti_mutex, &mattr);
1323                 pthread_mutex_init(&env->me_txns->mti_wmutex, &mattr);
1324                 env->me_txns->mti_version = MDB_VERSION;
1325                 env->me_txns->mti_magic = MDB_MAGIC;
1326                 env->me_txns->mti_txnid = 0;
1327                 env->me_txns->mti_numreaders = 0;
1328                 env->me_txns->mti_me_toggle = 0;
1329
1330         } else {
1331                 if (env->me_txns->mti_magic != MDB_MAGIC) {
1332                         DPRINTF("lock region has invalid magic");
1333                         rc = EINVAL;
1334                         goto fail;
1335                 }
1336                 if (env->me_txns->mti_version != MDB_VERSION) {
1337                         DPRINTF("lock region is version %u, expected version %u",
1338                                 env->me_txns->mti_version, MDB_VERSION);
1339                         rc = MDB_VERSION_MISMATCH;
1340                         goto fail;
1341                 }
1342                 if (errno != EACCES && errno != EAGAIN) {
1343                         rc = errno;
1344                         goto fail;
1345                 }
1346         }
1347         return MDB_SUCCESS;
1348
1349 fail:
1350         close(env->me_lfd);
1351         env->me_lfd = -1;
1352         return rc;
1353
1354 }
1355
1356 #define LOCKNAME        "/lock.mdb"
1357 #define DATANAME        "/data.mdb"
1358 int
1359 mdb_env_open(MDB_env *env, const char *path, unsigned int flags, mode_t mode)
1360 {
1361         int             oflags, rc, len, excl;
1362         char *lpath, *dpath;
1363
1364         len = strlen(path);
1365         lpath = malloc(len + sizeof(LOCKNAME) + len + sizeof(DATANAME));
1366         if (!lpath)
1367                 return ENOMEM;
1368         dpath = lpath + len + sizeof(LOCKNAME);
1369         sprintf(lpath, "%s" LOCKNAME, path);
1370         sprintf(dpath, "%s" DATANAME, path);
1371
1372         rc = mdb_env_setup_locks(env, lpath, mode, &excl);
1373         if (rc)
1374                 goto leave;
1375
1376         if (F_ISSET(flags, MDB_RDONLY))
1377                 oflags = O_RDONLY;
1378         else
1379                 oflags = O_RDWR | O_CREAT;
1380
1381         if ((env->me_fd = open(dpath, oflags, mode)) == -1) {
1382                 rc = errno;
1383                 goto leave;
1384         }
1385
1386         if ((rc = mdb_env_open2(env, flags)) == MDB_SUCCESS) {
1387                 /* synchronous fd for meta writes */
1388                 if (!(flags & (MDB_RDONLY|MDB_NOSYNC)))
1389                         oflags |= O_DSYNC;
1390                 if ((env->me_mfd = open(dpath, oflags, mode)) == -1) {
1391                         rc = errno;
1392                         goto leave;
1393                 }
1394
1395                 env->me_path = strdup(path);
1396                 DPRINTF("opened dbenv %p", (void *) env);
1397                 pthread_key_create(&env->me_txkey, mdb_env_reader_dest);
1398                 if (excl)
1399                         mdb_env_share_locks(env);
1400                 env->me_dbxs = calloc(env->me_maxdbs, sizeof(MDB_dbx));
1401                 env->me_dbs[0] = calloc(env->me_maxdbs, sizeof(MDB_db));
1402                 env->me_dbs[1] = calloc(env->me_maxdbs, sizeof(MDB_db));
1403                 env->me_numdbs = 2;
1404         }
1405
1406 leave:
1407         if (rc) {
1408                 if (env->me_fd >= 0) {
1409                         close(env->me_fd);
1410                         env->me_fd = -1;
1411                 }
1412                 if (env->me_lfd >= 0) {
1413                         close(env->me_lfd);
1414                         env->me_lfd = -1;
1415                 }
1416         }
1417         free(lpath);
1418         return rc;
1419 }
1420
1421 void
1422 mdb_env_close(MDB_env *env)
1423 {
1424         if (env == NULL)
1425                 return;
1426
1427         free(env->me_dbs[1]);
1428         free(env->me_dbs[0]);
1429         free(env->me_dbxs);
1430         free(env->me_path);
1431
1432         pthread_key_delete(env->me_txkey);
1433
1434         if (env->me_map) {
1435                 munmap(env->me_map, env->me_mapsize);
1436         }
1437         close(env->me_mfd);
1438         close(env->me_fd);
1439         if (env->me_txns) {
1440                 pid_t pid = getpid();
1441                 size_t size = (env->me_maxreaders-1) * sizeof(MDB_reader) + sizeof(MDB_txninfo);
1442                 int i;
1443                 for (i=0; i<env->me_txns->mti_numreaders; i++)
1444                         if (env->me_txns->mti_readers[i].mr_pid == pid)
1445                                 env->me_txns->mti_readers[i].mr_pid = 0;
1446                 munmap(env->me_txns, size);
1447         }
1448         close(env->me_lfd);
1449         free(env);
1450 }
1451
1452 /* Search for key within a leaf page, using binary search.
1453  * Returns the smallest entry larger or equal to the key.
1454  * If exactp is non-null, stores whether the found entry was an exact match
1455  * in *exactp (1 or 0).
1456  * If kip is non-null, stores the index of the found entry in *kip.
1457  * If no entry larger or equal to the key is found, returns NULL.
1458  */
1459 static MDB_node *
1460 mdb_search_node(MDB_txn *txn, MDB_dbi dbi, MDB_page *mp, MDB_val *key,
1461     int *exactp, unsigned int *kip)
1462 {
1463         unsigned int     i = 0;
1464         int              low, high;
1465         int              rc = 0;
1466         MDB_node        *node;
1467         MDB_val  nodekey;
1468
1469         DPRINTF("searching %u keys in %s page %lu",
1470             NUMKEYS(mp),
1471             IS_LEAF(mp) ? "leaf" : "branch",
1472             mp->mp_pgno);
1473
1474         assert(NUMKEYS(mp) > 0);
1475
1476         memset(&nodekey, 0, sizeof(nodekey));
1477
1478         low = IS_LEAF(mp) ? 0 : 1;
1479         high = NUMKEYS(mp) - 1;
1480         while (low <= high) {
1481                 i = (low + high) >> 1;
1482                 node = NODEPTR(mp, i);
1483
1484                 nodekey.mv_size = node->mn_ksize;
1485                 nodekey.mv_data = NODEKEY(node);
1486
1487                 if (txn->mt_dbxs[dbi].md_cmp)
1488                         rc = txn->mt_dbxs[dbi].md_cmp(key, &nodekey);
1489                 else
1490                         rc = _mdb_cmp(txn, dbi, key, &nodekey);
1491
1492                 if (IS_LEAF(mp))
1493                         DPRINTF("found leaf index %u [%.*s], rc = %i",
1494                             i, (int)nodekey.mv_size, (char *)nodekey.mv_data, rc);
1495                 else
1496                         DPRINTF("found branch index %u [%.*s -> %lu], rc = %i",
1497                             i, (int)node->mn_ksize, (char *)NODEKEY(node),
1498                             node->mn_pgno, rc);
1499
1500                 if (rc == 0)
1501                         break;
1502                 if (rc > 0)
1503                         low = i + 1;
1504                 else
1505                         high = i - 1;
1506         }
1507
1508         if (rc > 0) {   /* Found entry is less than the key. */
1509                 i++;    /* Skip to get the smallest entry larger than key. */
1510                 if (i >= NUMKEYS(mp))
1511                         /* There is no entry larger or equal to the key. */
1512                         return NULL;
1513         }
1514         if (exactp)
1515                 *exactp = (rc == 0);
1516         if (kip)        /* Store the key index if requested. */
1517                 *kip = i;
1518
1519         return NODEPTR(mp, i);
1520 }
1521
1522 static void
1523 cursor_pop_page(MDB_cursor *cursor)
1524 {
1525         MDB_ppage       *top;
1526
1527         top = CURSOR_TOP(cursor);
1528         CURSOR_POP(cursor);
1529
1530         DPRINTF("popped page %lu off cursor %p", top->mp_page->mp_pgno, (void *) cursor);
1531
1532         free(top);
1533 }
1534
1535 static MDB_ppage *
1536 cursor_push_page(MDB_cursor *cursor, MDB_page *mp)
1537 {
1538         MDB_ppage       *ppage;
1539
1540         DPRINTF("pushing page %lu on cursor %p", mp->mp_pgno, (void *) cursor);
1541
1542         if ((ppage = calloc(1, sizeof(MDB_ppage))) == NULL)
1543                 return NULL;
1544         ppage->mp_page = mp;
1545         CURSOR_PUSH(cursor, ppage);
1546         return ppage;
1547 }
1548
1549 static MDB_page *
1550 mdb_get_page(MDB_txn *txn, pgno_t pgno)
1551 {
1552         MDB_page *p = NULL;
1553         int found = 0;
1554
1555         if (!F_ISSET(txn->mt_flags, MDB_TXN_RDONLY) && txn->mt_u.dirty_list[0].mid) {
1556                 MDB_dpage *dp;
1557                 MIDL2 id;
1558                 unsigned x;
1559                 id.mid = pgno;
1560                 x = mdb_midl2_search(txn->mt_u.dirty_list, &id);
1561                 if (x <= txn->mt_u.dirty_list[0].mid && txn->mt_u.dirty_list[x].mid == pgno) {
1562                         dp = txn->mt_u.dirty_list[x].mptr;
1563                         p = &dp->p;
1564                         found = 1;
1565                 }
1566         }
1567         if (!found) {
1568                 if (pgno > txn->mt_env->me_meta->mm_last_pg)
1569                         return NULL;
1570                 p = (MDB_page *)(txn->mt_env->me_map + txn->mt_env->me_psize * pgno);
1571         }
1572         return p;
1573 }
1574
1575 static int
1576 mdb_search_page_root(MDB_txn *txn, MDB_dbi dbi, MDB_val *key,
1577     MDB_cursor *cursor, int modify, MDB_pageparent *mpp)
1578 {
1579         MDB_page        *mp = mpp->mp_page;
1580         int rc;
1581
1582         if (cursor && cursor_push_page(cursor, mp) == NULL)
1583                 return ENOMEM;
1584
1585         while (IS_BRANCH(mp)) {
1586                 unsigned int     i = 0;
1587                 MDB_node        *node;
1588
1589                 DPRINTF("branch page %lu has %u keys", mp->mp_pgno, NUMKEYS(mp));
1590                 assert(NUMKEYS(mp) > 1);
1591                 DPRINTF("found index 0 to page %lu", NODEPGNO(NODEPTR(mp, 0)));
1592
1593                 if (key == NULL)        /* Initialize cursor to first page. */
1594                         i = 0;
1595                 else if (key->mv_size > MAXKEYSIZE && key->mv_data == NULL) {
1596                                                         /* cursor to last page */
1597                         i = NUMKEYS(mp)-1;
1598                 } else {
1599                         int      exact;
1600                         node = mdb_search_node(txn, dbi, mp, key, &exact, &i);
1601                         if (node == NULL)
1602                                 i = NUMKEYS(mp) - 1;
1603                         else if (!exact) {
1604                                 assert(i > 0);
1605                                 i--;
1606                         }
1607                 }
1608
1609                 if (key)
1610                         DPRINTF("following index %u for key %.*s",
1611                             i, (int)key->mv_size, (char *)key->mv_data);
1612                 assert(i < NUMKEYS(mp));
1613                 node = NODEPTR(mp, i);
1614
1615                 if (cursor)
1616                         CURSOR_TOP(cursor)->mp_ki = i;
1617
1618                 mpp->mp_parent = mp;
1619                 if ((mp = mdb_get_page(txn, NODEPGNO(node))) == NULL)
1620                         return MDB_PAGE_NOTFOUND;
1621                 mpp->mp_pi = i;
1622                 mpp->mp_page = mp;
1623
1624                 if (cursor && cursor_push_page(cursor, mp) == NULL)
1625                         return ENOMEM;
1626
1627                 if (modify) {
1628                         MDB_dhead *dh = ((MDB_dhead *)mp)-1;
1629                         if ((rc = mdb_touch(txn, mpp)) != 0)
1630                                 return rc;
1631                         dh = ((MDB_dhead *)mpp->mp_page)-1;
1632                         dh->md_parent = mpp->mp_parent;
1633                         dh->md_pi = mpp->mp_pi;
1634                 }
1635
1636                 mp = mpp->mp_page;
1637         }
1638
1639         if (!IS_LEAF(mp)) {
1640                 DPRINTF("internal error, index points to a %02X page!?",
1641                     mp->mp_flags);
1642                 return MDB_CORRUPTED;
1643         }
1644
1645         DPRINTF("found leaf page %lu for key %.*s", mp->mp_pgno,
1646             key ? (int)key->mv_size : 0, key ? (char *)key->mv_data : NULL);
1647
1648         return MDB_SUCCESS;
1649 }
1650
1651 /* Search for the page a given key should be in.
1652  * Stores a pointer to the found page in *mpp.
1653  * If key is NULL, search for the lowest page (used by mdb_cursor_first).
1654  * If cursor is non-null, pushes parent pages on the cursor stack.
1655  * If modify is true, visited pages are updated with new page numbers.
1656  */
1657 static int
1658 mdb_search_page(MDB_txn *txn, MDB_dbi dbi, MDB_val *key,
1659     MDB_cursor *cursor, int modify, MDB_pageparent *mpp)
1660 {
1661         int              rc;
1662         pgno_t           root;
1663
1664         /* Choose which root page to start with. If a transaction is given
1665          * use the root page from the transaction, otherwise read the last
1666          * committed root page.
1667          */
1668         if (F_ISSET(txn->mt_flags, MDB_TXN_ERROR)) {
1669                 DPRINTF("transaction has failed, must abort");
1670                 return EINVAL;
1671         } else
1672                 root = txn->mt_dbs[dbi].md_root;
1673
1674         if (root == P_INVALID) {                /* Tree is empty. */
1675                 DPRINTF("tree is empty");
1676                 return MDB_NOTFOUND;
1677         }
1678
1679         if ((mpp->mp_page = mdb_get_page(txn, root)) == NULL)
1680                 return MDB_PAGE_NOTFOUND;
1681
1682         DPRINTF("root page has flags 0x%X", mpp->mp_page->mp_flags);
1683
1684         if (modify) {
1685                 /* For sub-databases, update main root first */
1686                 if (dbi > MAIN_DBI && !txn->mt_dbxs[dbi].md_dirty) {
1687                         MDB_pageparent mp2;
1688                         rc = mdb_search_page(txn, MAIN_DBI, &txn->mt_dbxs[dbi].md_name,
1689                                 NULL, 1, &mp2);
1690                         if (rc)
1691                                 return rc;
1692                         txn->mt_dbxs[dbi].md_dirty = 1;
1693                 }
1694                 if (!F_ISSET(mpp->mp_page->mp_flags, P_DIRTY)) {
1695                         mpp->mp_parent = NULL;
1696                         mpp->mp_pi = 0;
1697                         if ((rc = mdb_touch(txn, mpp)))
1698                                 return rc;
1699                         txn->mt_dbs[dbi].md_root = mpp->mp_page->mp_pgno;
1700                 }
1701         }
1702
1703         return mdb_search_page_root(txn, dbi, key, cursor, modify, mpp);
1704 }
1705
1706 static int
1707 mdb_read_data(MDB_txn *txn, MDB_node *leaf, MDB_val *data)
1708 {
1709         MDB_page        *omp;           /* overflow mpage */
1710         pgno_t           pgno;
1711
1712         if (!F_ISSET(leaf->mn_flags, F_BIGDATA)) {
1713                 data->mv_size = leaf->mn_dsize;
1714                 data->mv_data = NODEDATA(leaf);
1715                 return MDB_SUCCESS;
1716         }
1717
1718         /* Read overflow data.
1719          */
1720         data->mv_size = leaf->mn_dsize;
1721         memcpy(&pgno, NODEDATA(leaf), sizeof(pgno));
1722         if ((omp = mdb_get_page(txn, pgno)) == NULL) {
1723                 DPRINTF("read overflow page %lu failed", pgno);
1724                 return MDB_PAGE_NOTFOUND;
1725         }
1726         data->mv_data = omp;
1727
1728         return MDB_SUCCESS;
1729 }
1730
1731 int
1732 mdb_get(MDB_txn *txn, MDB_dbi dbi,
1733     MDB_val *key, MDB_val *data)
1734 {
1735         int              rc, exact;
1736         MDB_node        *leaf;
1737         MDB_pageparent mpp;
1738
1739         assert(key);
1740         assert(data);
1741         DPRINTF("===> get key [%.*s]", (int)key->mv_size, (char *)key->mv_data);
1742
1743         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
1744                 return EINVAL;
1745
1746         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
1747                 return EINVAL;
1748         }
1749
1750         if ((rc = mdb_search_page(txn, dbi, key, NULL, 0, &mpp)) != MDB_SUCCESS)
1751                 return rc;
1752
1753         leaf = mdb_search_node(txn, dbi, mpp.mp_page, key, &exact, NULL);
1754         if (leaf && exact) {
1755                 /* Return first duplicate data item */
1756                 if (F_ISSET(txn->mt_dbs[dbi].md_flags, MDB_DUPSORT)) {
1757                         MDB_xcursor mx;
1758
1759                         mdb_xcursor_init0(txn, dbi, &mx);
1760                         mdb_xcursor_init1(txn, dbi, &mx, leaf);
1761                         rc = mdb_search_page(&mx.mx_txn, mx.mx_cursor.mc_dbi, NULL, NULL, 0, &mpp);
1762                         if (rc != MDB_SUCCESS)
1763                                 return rc;
1764                         leaf = NODEPTR(mpp.mp_page, 0);
1765                 }
1766                 rc = mdb_read_data(txn, leaf, data);
1767         } else {
1768                 rc = MDB_NOTFOUND;
1769         }
1770
1771         return rc;
1772 }
1773
1774 static int
1775 mdb_sibling(MDB_cursor *cursor, int move_right)
1776 {
1777         int              rc;
1778         MDB_node        *indx;
1779         MDB_ppage       *parent, *top;
1780         MDB_page        *mp;
1781
1782         top = CURSOR_TOP(cursor);
1783         if ((parent = SLIST_NEXT(top, mp_entry)) == NULL) {
1784                 return MDB_NOTFOUND;            /* root has no siblings */
1785         }
1786
1787         DPRINTF("parent page is page %lu, index %u",
1788             parent->mp_page->mp_pgno, parent->mp_ki);
1789
1790         cursor_pop_page(cursor);
1791         if (move_right ? (parent->mp_ki + 1 >= NUMKEYS(parent->mp_page))
1792                        : (parent->mp_ki == 0)) {
1793                 DPRINTF("no more keys left, moving to %s sibling",
1794                     move_right ? "right" : "left");
1795                 if ((rc = mdb_sibling(cursor, move_right)) != MDB_SUCCESS)
1796                         return rc;
1797                 parent = CURSOR_TOP(cursor);
1798         } else {
1799                 if (move_right)
1800                         parent->mp_ki++;
1801                 else
1802                         parent->mp_ki--;
1803                 DPRINTF("just moving to %s index key %u",
1804                     move_right ? "right" : "left", parent->mp_ki);
1805         }
1806         assert(IS_BRANCH(parent->mp_page));
1807
1808         indx = NODEPTR(parent->mp_page, parent->mp_ki);
1809         if ((mp = mdb_get_page(cursor->mc_txn, indx->mn_pgno)) == NULL)
1810                 return MDB_PAGE_NOTFOUND;
1811 #if 0
1812         mp->parent = parent->mp_page;
1813         mp->parent_index = parent->mp_ki;
1814 #endif
1815
1816         cursor_push_page(cursor, mp);
1817
1818         return MDB_SUCCESS;
1819 }
1820
1821 static int
1822 mdb_set_key(MDB_node *node, MDB_val *key)
1823 {
1824         if (key == NULL)
1825                 return 0;
1826
1827         key->mv_size = node->mn_ksize;
1828         key->mv_data = NODEKEY(node);
1829
1830         return 0;
1831 }
1832
1833 static int
1834 mdb_cursor_next(MDB_cursor *cursor, MDB_val *key, MDB_val *data, MDB_cursor_op op)
1835 {
1836         MDB_ppage       *top;
1837         MDB_page        *mp;
1838         MDB_node        *leaf;
1839         int rc;
1840
1841         if (cursor->mc_eof) {
1842                 return MDB_NOTFOUND;
1843         }
1844
1845         assert(cursor->mc_initialized);
1846
1847         if (cursor->mc_txn->mt_dbs[cursor->mc_dbi].md_flags & MDB_DUPSORT) {
1848                 if (op == MDB_NEXT || op == MDB_NEXT_DUP) {
1849                         rc = mdb_cursor_next(&cursor->mc_xcursor->mx_cursor, data, NULL, MDB_NEXT);
1850                         if (op != MDB_NEXT || rc == MDB_SUCCESS)
1851                                 return rc;
1852                 }
1853         }
1854
1855         top = CURSOR_TOP(cursor);
1856         mp = top->mp_page;
1857
1858         DPRINTF("cursor_next: top page is %lu in cursor %p", mp->mp_pgno, (void *) cursor);
1859
1860         if (top->mp_ki + 1 >= NUMKEYS(mp)) {
1861                 DPRINTF("=====> move to next sibling page");
1862                 if (mdb_sibling(cursor, 1) != MDB_SUCCESS) {
1863                         cursor->mc_eof = 1;
1864                         return MDB_NOTFOUND;
1865                 }
1866                 top = CURSOR_TOP(cursor);
1867                 mp = top->mp_page;
1868                 DPRINTF("next page is %lu, key index %u", mp->mp_pgno, top->mp_ki);
1869         } else
1870                 top->mp_ki++;
1871
1872         DPRINTF("==> cursor points to page %lu with %u keys, key index %u",
1873             mp->mp_pgno, NUMKEYS(mp), top->mp_ki);
1874
1875         assert(IS_LEAF(mp));
1876         leaf = NODEPTR(mp, top->mp_ki);
1877
1878         if (data) {
1879                 if ((rc = mdb_read_data(cursor->mc_txn, leaf, data) != MDB_SUCCESS))
1880                         return rc;
1881
1882                 if (cursor->mc_txn->mt_dbs[cursor->mc_dbi].md_flags & MDB_DUPSORT) {
1883                         mdb_xcursor_init1(cursor->mc_txn, cursor->mc_dbi, cursor->mc_xcursor, leaf);
1884                         rc = mdb_cursor_first(&cursor->mc_xcursor->mx_cursor, data, NULL);
1885                         if (rc != MDB_SUCCESS)
1886                                 return rc;
1887                 }
1888         }
1889
1890         return mdb_set_key(leaf, key);
1891 }
1892
1893 static int
1894 mdb_cursor_prev(MDB_cursor *cursor, MDB_val *key, MDB_val *data, MDB_cursor_op op)
1895 {
1896         MDB_ppage       *top;
1897         MDB_page        *mp;
1898         MDB_node        *leaf;
1899         int rc;
1900
1901         assert(cursor->mc_initialized);
1902
1903         if (cursor->mc_txn->mt_dbs[cursor->mc_dbi].md_flags & MDB_DUPSORT) {
1904                 if (op == MDB_PREV || op == MDB_PREV_DUP) {
1905                         rc = mdb_cursor_prev(&cursor->mc_xcursor->mx_cursor, data, NULL, MDB_PREV);
1906                         if (op != MDB_PREV || rc == MDB_SUCCESS)
1907                                 return rc;
1908                 }
1909         }
1910
1911         top = CURSOR_TOP(cursor);
1912         mp = top->mp_page;
1913
1914         DPRINTF("cursor_prev: top page is %lu in cursor %p", mp->mp_pgno, (void *) cursor);
1915
1916         if (top->mp_ki == 0)  {
1917                 DPRINTF("=====> move to prev sibling page");
1918                 if (mdb_sibling(cursor, 0) != MDB_SUCCESS) {
1919                         return MDB_NOTFOUND;
1920                 }
1921                 top = CURSOR_TOP(cursor);
1922                 mp = top->mp_page;
1923                 top->mp_ki = NUMKEYS(mp) - 1;
1924                 DPRINTF("prev page is %lu, key index %u", mp->mp_pgno, top->mp_ki);
1925         } else
1926                 top->mp_ki--;
1927
1928         cursor->mc_eof = 0;
1929
1930         DPRINTF("==> cursor points to page %lu with %u keys, key index %u",
1931             mp->mp_pgno, NUMKEYS(mp), top->mp_ki);
1932
1933         assert(IS_LEAF(mp));
1934         leaf = NODEPTR(mp, top->mp_ki);
1935
1936         if (data) {
1937                 if ((rc = mdb_read_data(cursor->mc_txn, leaf, data) != MDB_SUCCESS))
1938                         return rc;
1939
1940                 if (cursor->mc_txn->mt_dbs[cursor->mc_dbi].md_flags & MDB_DUPSORT) {
1941                         mdb_xcursor_init1(cursor->mc_txn, cursor->mc_dbi, cursor->mc_xcursor, leaf);
1942                         rc = mdb_cursor_last(&cursor->mc_xcursor->mx_cursor, data, NULL);
1943                         if (rc != MDB_SUCCESS)
1944                                 return rc;
1945                 }
1946         }
1947
1948         return mdb_set_key(leaf, key);
1949 }
1950
1951 static int
1952 mdb_cursor_set(MDB_cursor *cursor, MDB_val *key, MDB_val *data,
1953     MDB_cursor_op op, int *exactp)
1954 {
1955         int              rc;
1956         MDB_node        *leaf;
1957         MDB_ppage       *top;
1958         MDB_pageparent mpp;
1959
1960         assert(cursor);
1961         assert(key);
1962         assert(key->mv_size > 0);
1963
1964         while (CURSOR_TOP(cursor) != NULL)
1965                 cursor_pop_page(cursor);
1966
1967         rc = mdb_search_page(cursor->mc_txn, cursor->mc_dbi, key, cursor, 0, &mpp);
1968         if (rc != MDB_SUCCESS)
1969                 return rc;
1970         assert(IS_LEAF(mpp.mp_page));
1971
1972         top = CURSOR_TOP(cursor);
1973         leaf = mdb_search_node(cursor->mc_txn, cursor->mc_dbi, mpp.mp_page, key, exactp, &top->mp_ki);
1974         if (exactp != NULL && !*exactp) {
1975                 /* MDB_SET specified and not an exact match. */
1976                 return MDB_NOTFOUND;
1977         }
1978
1979         if (leaf == NULL) {
1980                 DPRINTF("===> inexact leaf not found, goto sibling");
1981                 if ((rc = mdb_sibling(cursor, 1)) != MDB_SUCCESS)
1982                         return rc;              /* no entries matched */
1983                 top = CURSOR_TOP(cursor);
1984                 top->mp_ki = 0;
1985                 mpp.mp_page = top->mp_page;
1986                 assert(IS_LEAF(mpp.mp_page));
1987                 leaf = NODEPTR(mpp.mp_page, 0);
1988         }
1989
1990         cursor->mc_initialized = 1;
1991         cursor->mc_eof = 0;
1992
1993         if (data) {
1994                 if ((rc = mdb_read_data(cursor->mc_txn, leaf, data)) != MDB_SUCCESS)
1995                         return rc;
1996
1997                 if (cursor->mc_txn->mt_dbs[cursor->mc_dbi].md_flags & MDB_DUPSORT) {
1998                         mdb_xcursor_init1(cursor->mc_txn, cursor->mc_dbi, cursor->mc_xcursor, leaf);
1999                         if (op == MDB_SET || op == MDB_SET_RANGE) {
2000                                 rc = mdb_cursor_first(&cursor->mc_xcursor->mx_cursor, data, NULL);
2001                         } else {
2002                                 int ex2, *ex2p;
2003                                 MDB_cursor_op op2;
2004                                 if (op == MDB_GET_BOTH) {
2005                                         ex2p = &ex2;
2006                                         op2 = MDB_SET;
2007                                 } else {
2008                                         ex2p = NULL;
2009                                         op2 = MDB_SET_RANGE;
2010                                 }
2011                                 rc = mdb_cursor_set(&cursor->mc_xcursor->mx_cursor, data, NULL, op2, ex2p);
2012                                 if (rc != MDB_SUCCESS)
2013                                         return rc;
2014                         }
2015                 }
2016         }
2017
2018         rc = mdb_set_key(leaf, key);
2019         if (rc == MDB_SUCCESS) {
2020                 DPRINTF("==> cursor placed on key %.*s",
2021                         (int)key->mv_size, (char *)key->mv_data);
2022                 ;
2023         }
2024
2025         return rc;
2026 }
2027
2028 static int
2029 mdb_cursor_first(MDB_cursor *cursor, MDB_val *key, MDB_val *data)
2030 {
2031         int              rc;
2032         MDB_pageparent  mpp;
2033         MDB_node        *leaf;
2034
2035         while (CURSOR_TOP(cursor) != NULL)
2036                 cursor_pop_page(cursor);
2037
2038         rc = mdb_search_page(cursor->mc_txn, cursor->mc_dbi, NULL, cursor, 0, &mpp);
2039         if (rc != MDB_SUCCESS)
2040                 return rc;
2041         assert(IS_LEAF(mpp.mp_page));
2042
2043         leaf = NODEPTR(mpp.mp_page, 0);
2044         cursor->mc_initialized = 1;
2045         cursor->mc_eof = 0;
2046
2047         if (data) {
2048                 if ((rc = mdb_read_data(cursor->mc_txn, leaf, data)) != MDB_SUCCESS)
2049                         return rc;
2050
2051                 if (cursor->mc_txn->mt_dbs[cursor->mc_dbi].md_flags & MDB_DUPSORT) {
2052                         mdb_xcursor_init1(cursor->mc_txn, cursor->mc_dbi, cursor->mc_xcursor, leaf);
2053                         rc = mdb_cursor_first(&cursor->mc_xcursor->mx_cursor, data, NULL);
2054                         if (rc)
2055                                 return rc;
2056                 }
2057         }
2058         return mdb_set_key(leaf, key);
2059 }
2060
2061 static int
2062 mdb_cursor_last(MDB_cursor *cursor, MDB_val *key, MDB_val *data)
2063 {
2064         int              rc;
2065         MDB_ppage       *top;
2066         MDB_pageparent  mpp;
2067         MDB_node        *leaf;
2068         MDB_val lkey;
2069
2070         while (CURSOR_TOP(cursor) != NULL)
2071                 cursor_pop_page(cursor);
2072
2073         lkey.mv_size = MAXKEYSIZE+1;
2074         lkey.mv_data = NULL;
2075
2076         rc = mdb_search_page(cursor->mc_txn, cursor->mc_dbi, &lkey, cursor, 0, &mpp);
2077         if (rc != MDB_SUCCESS)
2078                 return rc;
2079         assert(IS_LEAF(mpp.mp_page));
2080
2081         leaf = NODEPTR(mpp.mp_page, NUMKEYS(mpp.mp_page)-1);
2082         cursor->mc_initialized = 1;
2083         cursor->mc_eof = 0;
2084
2085         top = CURSOR_TOP(cursor);
2086         top->mp_ki = NUMKEYS(top->mp_page) - 1;
2087
2088         if (data) {
2089                 if ((rc = mdb_read_data(cursor->mc_txn, leaf, data)) != MDB_SUCCESS)
2090                         return rc;
2091
2092                 if (cursor->mc_txn->mt_dbs[cursor->mc_dbi].md_flags & MDB_DUPSORT) {
2093                         mdb_xcursor_init1(cursor->mc_txn, cursor->mc_dbi, cursor->mc_xcursor, leaf);
2094                         rc = mdb_cursor_last(&cursor->mc_xcursor->mx_cursor, data, NULL);
2095                         if (rc)
2096                                 return rc;
2097                 }
2098         }
2099
2100         return mdb_set_key(leaf, key);
2101 }
2102
2103 int
2104 mdb_cursor_get(MDB_cursor *cursor, MDB_val *key, MDB_val *data,
2105     MDB_cursor_op op)
2106 {
2107         int              rc;
2108         int              exact = 0;
2109
2110         assert(cursor);
2111
2112         switch (op) {
2113         case MDB_GET_BOTH:
2114         case MDB_GET_BOTH_RANGE:
2115                 if (data == NULL) {
2116                         rc = EINVAL;
2117                         break;
2118                 }
2119                 /* FALLTHRU */
2120         case MDB_SET:
2121         case MDB_SET_RANGE:
2122                 if (key == NULL || key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
2123                         rc = EINVAL;
2124                 } else if (op != MDB_SET_RANGE)
2125                         rc = mdb_cursor_set(cursor, key, data, op, NULL);
2126                 else
2127                         rc = mdb_cursor_set(cursor, key, data, op, &exact);
2128                 break;
2129         case MDB_NEXT:
2130         case MDB_NEXT_DUP:
2131         case MDB_NEXT_NODUP:
2132                 if (!cursor->mc_initialized)
2133                         rc = mdb_cursor_first(cursor, key, data);
2134                 else
2135                         rc = mdb_cursor_next(cursor, key, data, op);
2136                 break;
2137         case MDB_PREV:
2138         case MDB_PREV_DUP:
2139         case MDB_PREV_NODUP:
2140                 if (!cursor->mc_initialized || cursor->mc_eof)
2141                         rc = mdb_cursor_last(cursor, key, data);
2142                 else
2143                         rc = mdb_cursor_prev(cursor, key, data, op);
2144                 break;
2145         case MDB_FIRST:
2146                 rc = mdb_cursor_first(cursor, key, data);
2147                 break;
2148         case MDB_LAST:
2149                 rc = mdb_cursor_last(cursor, key, data);
2150                 break;
2151         default:
2152                 DPRINTF("unhandled/unimplemented cursor operation %u", op);
2153                 rc = EINVAL;
2154                 break;
2155         }
2156
2157         return rc;
2158 }
2159
2160 /* Allocate a page and initialize it
2161  */
2162 static MDB_dpage *
2163 mdb_new_page(MDB_txn *txn, MDB_dbi dbi, uint32_t flags, int num)
2164 {
2165         MDB_dpage       *dp;
2166
2167         if ((dp = mdb_alloc_page(txn, NULL, 0, num)) == NULL)
2168                 return NULL;
2169         DPRINTF("allocated new mpage %lu, page size %u",
2170             dp->p.mp_pgno, txn->mt_env->me_psize);
2171         dp->p.mp_flags = flags | P_DIRTY;
2172         dp->p.mp_lower = PAGEHDRSZ;
2173         dp->p.mp_upper = txn->mt_env->me_psize;
2174
2175         if (IS_BRANCH(&dp->p))
2176                 txn->mt_dbs[dbi].md_branch_pages++;
2177         else if (IS_LEAF(&dp->p))
2178                 txn->mt_dbs[dbi].md_leaf_pages++;
2179         else if (IS_OVERFLOW(&dp->p)) {
2180                 txn->mt_dbs[dbi].md_overflow_pages += num;
2181                 dp->p.mp_pages = num;
2182         }
2183
2184         return dp;
2185 }
2186
2187 static size_t
2188 mdb_leaf_size(MDB_env *env, MDB_val *key, MDB_val *data)
2189 {
2190         size_t           sz;
2191
2192         sz = LEAFSIZE(key, data);
2193         if (data->mv_size >= env->me_psize / MDB_MINKEYS) {
2194                 /* put on overflow page */
2195                 sz -= data->mv_size - sizeof(pgno_t);
2196         }
2197
2198         return sz + sizeof(indx_t);
2199 }
2200
2201 static size_t
2202 mdb_branch_size(MDB_env *env, MDB_val *key)
2203 {
2204         size_t           sz;
2205
2206         sz = INDXSIZE(key);
2207         if (sz >= env->me_psize / MDB_MINKEYS) {
2208                 /* put on overflow page */
2209                 /* not implemented */
2210                 /* sz -= key->size - sizeof(pgno_t); */
2211         }
2212
2213         return sz + sizeof(indx_t);
2214 }
2215
2216 static int
2217 mdb_add_node(MDB_txn *txn, MDB_dbi dbi, MDB_page *mp, indx_t indx,
2218     MDB_val *key, MDB_val *data, pgno_t pgno, uint8_t flags)
2219 {
2220         unsigned int     i;
2221         size_t           node_size = NODESIZE;
2222         indx_t           ofs;
2223         MDB_node        *node;
2224         MDB_dpage       *ofp = NULL;            /* overflow page */
2225
2226         assert(mp->mp_upper >= mp->mp_lower);
2227
2228         DPRINTF("add node [%.*s] to %s page %lu at index %i, key size %zu",
2229             key ? (int)key->mv_size : 0, key ? (char *)key->mv_data : NULL,
2230             IS_LEAF(mp) ? "leaf" : "branch",
2231             mp->mp_pgno, indx, key ? key->mv_size : 0);
2232
2233         if (key != NULL)
2234                 node_size += key->mv_size;
2235
2236         if (IS_LEAF(mp)) {
2237                 assert(data);
2238                 if (F_ISSET(flags, F_BIGDATA)) {
2239                         /* Data already on overflow page. */
2240                         node_size += sizeof(pgno_t);
2241                 } else if (data->mv_size >= txn->mt_env->me_psize / MDB_MINKEYS) {
2242                         int ovpages = OVPAGES(data->mv_size, txn->mt_env->me_psize);
2243                         /* Put data on overflow page. */
2244                         DPRINTF("data size is %zu, put on overflow page",
2245                             data->mv_size);
2246                         node_size += sizeof(pgno_t);
2247                         if ((ofp = mdb_new_page(txn, dbi, P_OVERFLOW, ovpages)) == NULL)
2248                                 return ENOMEM;
2249                         DPRINTF("allocated overflow page %lu", ofp->p.mp_pgno);
2250                         flags |= F_BIGDATA;
2251                 } else {
2252                         node_size += data->mv_size;
2253                 }
2254         }
2255
2256         if (node_size + sizeof(indx_t) > SIZELEFT(mp)) {
2257                 DPRINTF("not enough room in page %lu, got %u ptrs",
2258                     mp->mp_pgno, NUMKEYS(mp));
2259                 DPRINTF("upper - lower = %u - %u = %u", mp->mp_upper, mp->mp_lower,
2260                     mp->mp_upper - mp->mp_lower);
2261                 DPRINTF("node size = %zu", node_size);
2262                 return ENOSPC;
2263         }
2264
2265         /* Move higher pointers up one slot. */
2266         for (i = NUMKEYS(mp); i > indx; i--)
2267                 mp->mp_ptrs[i] = mp->mp_ptrs[i - 1];
2268
2269         /* Adjust free space offsets. */
2270         ofs = mp->mp_upper - node_size;
2271         assert(ofs >= mp->mp_lower + sizeof(indx_t));
2272         mp->mp_ptrs[indx] = ofs;
2273         mp->mp_upper = ofs;
2274         mp->mp_lower += sizeof(indx_t);
2275
2276         /* Write the node data. */
2277         node = NODEPTR(mp, indx);
2278         node->mn_ksize = (key == NULL) ? 0 : key->mv_size;
2279         node->mn_flags = flags;
2280         if (IS_LEAF(mp))
2281                 node->mn_dsize = data->mv_size;
2282         else
2283                 node->mn_pgno = pgno;
2284
2285         if (key)
2286                 memcpy(NODEKEY(node), key->mv_data, key->mv_size);
2287
2288         if (IS_LEAF(mp)) {
2289                 assert(key);
2290                 if (ofp == NULL) {
2291                         if (F_ISSET(flags, F_BIGDATA))
2292                                 memcpy(node->mn_data + key->mv_size, data->mv_data,
2293                                     sizeof(pgno_t));
2294                         else
2295                                 memcpy(node->mn_data + key->mv_size, data->mv_data,
2296                                     data->mv_size);
2297                 } else {
2298                         memcpy(node->mn_data + key->mv_size, &ofp->p.mp_pgno,
2299                             sizeof(pgno_t));
2300                         memcpy(METADATA(&ofp->p), data->mv_data, data->mv_size);
2301                 }
2302         }
2303
2304         return MDB_SUCCESS;
2305 }
2306
2307 static void
2308 mdb_del_node(MDB_page *mp, indx_t indx)
2309 {
2310         unsigned int     sz;
2311         indx_t           i, j, numkeys, ptr;
2312         MDB_node        *node;
2313         char            *base;
2314
2315         DPRINTF("delete node %u on %s page %lu", indx,
2316             IS_LEAF(mp) ? "leaf" : "branch", mp->mp_pgno);
2317         assert(indx < NUMKEYS(mp));
2318
2319         node = NODEPTR(mp, indx);
2320         sz = NODESIZE + node->mn_ksize;
2321         if (IS_LEAF(mp)) {
2322                 if (F_ISSET(node->mn_flags, F_BIGDATA))
2323                         sz += sizeof(pgno_t);
2324                 else
2325                         sz += NODEDSZ(node);
2326         }
2327
2328         ptr = mp->mp_ptrs[indx];
2329         numkeys = NUMKEYS(mp);
2330         for (i = j = 0; i < numkeys; i++) {
2331                 if (i != indx) {
2332                         mp->mp_ptrs[j] = mp->mp_ptrs[i];
2333                         if (mp->mp_ptrs[i] < ptr)
2334                                 mp->mp_ptrs[j] += sz;
2335                         j++;
2336                 }
2337         }
2338
2339         base = (char *)mp + mp->mp_upper;
2340         memmove(base + sz, base, ptr - mp->mp_upper);
2341
2342         mp->mp_lower -= sizeof(indx_t);
2343         mp->mp_upper += sz;
2344 }
2345
2346 static void
2347 mdb_xcursor_init0(MDB_txn *txn, MDB_dbi dbi, MDB_xcursor *mx)
2348 {
2349         MDB_dbi dbn;
2350
2351         mx->mx_txn = *txn;
2352         mx->mx_txn.mt_dbxs = mx->mx_dbxs;
2353         mx->mx_txn.mt_dbs = mx->mx_dbs;
2354         mx->mx_dbxs[0] = txn->mt_dbxs[0];
2355         mx->mx_dbxs[1] = txn->mt_dbxs[1];
2356         if (dbi > 1) {
2357                 mx->mx_dbxs[2] = txn->mt_dbxs[dbi];
2358                 dbn = 2;
2359         } else {
2360                 dbn = 1;
2361         }
2362         mx->mx_dbxs[dbn+1].md_parent = dbn;
2363         mx->mx_dbxs[dbn+1].md_cmp = mx->mx_dbxs[dbn].md_dcmp;
2364         mx->mx_dbxs[dbn+1].md_rel = mx->mx_dbxs[dbn].md_rel;
2365         mx->mx_dbxs[dbn+1].md_dirty = 0;
2366         mx->mx_txn.mt_numdbs = dbn+2;
2367
2368         SLIST_INIT(&mx->mx_cursor.mc_stack);
2369         mx->mx_cursor.mc_txn = &mx->mx_txn;
2370         mx->mx_cursor.mc_dbi = dbn+1;
2371 }
2372
2373 static void
2374 mdb_xcursor_init1(MDB_txn *txn, MDB_dbi dbi, MDB_xcursor *mx, MDB_node *node)
2375 {
2376         MDB_db *db = NODEDATA(node);
2377         MDB_dbi dbn;
2378         mx->mx_dbs[0] = txn->mt_dbs[0];
2379         mx->mx_dbs[1] = txn->mt_dbs[1];
2380         if (dbi > 1) {
2381                 mx->mx_dbs[2] = txn->mt_dbs[dbi];
2382                 dbn = 3;
2383         } else {
2384                 dbn = 2;
2385         }
2386         mx->mx_dbs[dbn] = *db;
2387         mx->mx_dbxs[dbn].md_name.mv_data = NODEKEY(node);
2388         mx->mx_dbxs[dbn].md_name.mv_size = node->mn_ksize;
2389         mx->mx_txn.mt_next_pgno = txn->mt_next_pgno;
2390         mx->mx_txn.mt_oldest = txn->mt_oldest;
2391         mx->mx_txn.mt_u = txn->mt_u;
2392 }
2393
2394 static void
2395 mdb_xcursor_fini(MDB_txn *txn, MDB_dbi dbi, MDB_xcursor *mx)
2396 {
2397         txn->mt_next_pgno = mx->mx_txn.mt_next_pgno;
2398         txn->mt_oldest = mx->mx_txn.mt_oldest;
2399         txn->mt_u = mx->mx_txn.mt_u;
2400         txn->mt_dbs[0] = mx->mx_dbs[0];
2401         txn->mt_dbs[1] = mx->mx_dbs[1];
2402         txn->mt_dbxs[0].md_dirty = mx->mx_dbxs[0].md_dirty;
2403         txn->mt_dbxs[1].md_dirty = mx->mx_dbxs[1].md_dirty;
2404         if (dbi > 1) {
2405                 txn->mt_dbs[dbi] = mx->mx_dbs[2];
2406                 txn->mt_dbxs[dbi].md_dirty = mx->mx_dbxs[2].md_dirty;
2407         }
2408 }
2409
2410 int
2411 mdb_cursor_open(MDB_txn *txn, MDB_dbi dbi, MDB_cursor **ret)
2412 {
2413         MDB_cursor      *cursor;
2414         size_t size = sizeof(MDB_cursor);
2415
2416         if (txn == NULL || ret == NULL || !dbi || dbi >= txn->mt_numdbs)
2417                 return EINVAL;
2418
2419         if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT)
2420                 size += sizeof(MDB_xcursor);
2421
2422         if ((cursor = calloc(1, size)) != NULL) {
2423                 SLIST_INIT(&cursor->mc_stack);
2424                 cursor->mc_dbi = dbi;
2425                 cursor->mc_txn = txn;
2426                 if (txn->mt_dbs[dbi].md_flags & MDB_DUPSORT) {
2427                         MDB_xcursor *mx = (MDB_xcursor *)(cursor + 1);
2428                         cursor->mc_xcursor = mx;
2429                         mdb_xcursor_init0(txn, dbi, mx);
2430                 }
2431         } else {
2432                 return ENOMEM;
2433         }
2434
2435         *ret = cursor;
2436
2437         return MDB_SUCCESS;
2438 }
2439
2440 /* Return the count of duplicate data items for the current key */
2441 int
2442 mdb_cursor_count(MDB_cursor *mc, unsigned long *countp)
2443 {
2444         if (mc == NULL || countp == NULL)
2445                 return EINVAL;
2446
2447         if (!(mc->mc_txn->mt_dbs[mc->mc_dbi].md_flags & MDB_DUPSORT))
2448                 return EINVAL;
2449
2450         if (!mc->mc_xcursor->mx_cursor.mc_initialized)
2451                 return EINVAL;
2452
2453         *countp = mc->mc_xcursor->mx_txn.mt_dbs[mc->mc_xcursor->mx_cursor.mc_dbi].md_entries;
2454         return MDB_SUCCESS;
2455 }
2456
2457 void
2458 mdb_cursor_close(MDB_cursor *cursor)
2459 {
2460         if (cursor != NULL) {
2461                 while(!CURSOR_EMPTY(cursor))
2462                         cursor_pop_page(cursor);
2463                 if (cursor->mc_txn->mt_dbs[cursor->mc_dbi].md_flags & MDB_DUPSORT) {
2464                         mdb_xcursor_fini(cursor->mc_txn, cursor->mc_dbi, cursor->mc_xcursor);
2465                         while(!CURSOR_EMPTY(&cursor->mc_xcursor->mx_cursor))
2466                                 cursor_pop_page(&cursor->mc_xcursor->mx_cursor);
2467                 }
2468
2469                 free(cursor);
2470         }
2471 }
2472
2473 static int
2474 mdb_update_key(MDB_page *mp, indx_t indx, MDB_val *key)
2475 {
2476         indx_t                   ptr, i, numkeys;
2477         int                      delta;
2478         size_t                   len;
2479         MDB_node                *node;
2480         char                    *base;
2481
2482         node = NODEPTR(mp, indx);
2483         ptr = mp->mp_ptrs[indx];
2484         DPRINTF("update key %u (ofs %u) [%.*s] to [%.*s] on page %lu",
2485             indx, ptr,
2486             (int)node->mn_ksize, (char *)NODEKEY(node),
2487             (int)key->mv_size, (char *)key->mv_data,
2488             mp->mp_pgno);
2489
2490         delta = key->mv_size - node->mn_ksize;
2491         if (delta) {
2492                 if (delta > 0 && SIZELEFT(mp) < delta) {
2493                         DPRINTF("OUCH! Not enough room, delta = %d", delta);
2494                         return ENOSPC;
2495                 }
2496
2497                 numkeys = NUMKEYS(mp);
2498                 for (i = 0; i < numkeys; i++) {
2499                         if (mp->mp_ptrs[i] <= ptr)
2500                                 mp->mp_ptrs[i] -= delta;
2501                 }
2502
2503                 base = (char *)mp + mp->mp_upper;
2504                 len = ptr - mp->mp_upper + NODESIZE;
2505                 memmove(base - delta, base, len);
2506                 mp->mp_upper -= delta;
2507
2508                 node = NODEPTR(mp, indx);
2509                 node->mn_ksize = key->mv_size;
2510         }
2511
2512         memcpy(NODEKEY(node), key->mv_data, key->mv_size);
2513
2514         return MDB_SUCCESS;
2515 }
2516
2517 /* Move a node from src to dst.
2518  */
2519 static int
2520 mdb_move_node(MDB_txn *txn, MDB_dbi dbi, MDB_pageparent *src, indx_t srcindx,
2521     MDB_pageparent *dst, indx_t dstindx)
2522 {
2523         int                      rc;
2524         MDB_node                *srcnode;
2525         MDB_val          key, data;
2526
2527         srcnode = NODEPTR(src->mp_page, srcindx);
2528         DPRINTF("moving %s node %u [%.*s] on page %lu to node %u on page %lu",
2529             IS_LEAF(src->mp_page) ? "leaf" : "branch",
2530             srcindx,
2531             (int)srcnode->mn_ksize, (char *)NODEKEY(srcnode),
2532             src->mp_page->mp_pgno,
2533             dstindx, dst->mp_page->mp_pgno);
2534
2535         /* Mark src and dst as dirty. */
2536         if ((rc = mdb_touch(txn, src)) ||
2537             (rc = mdb_touch(txn, dst)))
2538                 return rc;;
2539
2540         /* Add the node to the destination page.
2541          */
2542         key.mv_size = srcnode->mn_ksize;
2543         key.mv_data = NODEKEY(srcnode);
2544         data.mv_size = NODEDSZ(srcnode);
2545         data.mv_data = NODEDATA(srcnode);
2546         rc = mdb_add_node(txn, dbi, dst->mp_page, dstindx, &key, &data, NODEPGNO(srcnode),
2547             srcnode->mn_flags);
2548         if (rc != MDB_SUCCESS)
2549                 return rc;
2550
2551         /* Delete the node from the source page.
2552          */
2553         mdb_del_node(src->mp_page, srcindx);
2554
2555         /* Update the parent separators.
2556          */
2557         if (srcindx == 0 && src->mp_pi != 0) {
2558                 DPRINTF("update separator for source page %lu to [%.*s]",
2559                     src->mp_page->mp_pgno, (int)key.mv_size, (char *)key.mv_data);
2560                 if ((rc = mdb_update_key(src->mp_parent, src->mp_pi,
2561                     &key)) != MDB_SUCCESS)
2562                         return rc;
2563         }
2564
2565         if (srcindx == 0 && IS_BRANCH(src->mp_page)) {
2566                 MDB_val  nullkey;
2567                 nullkey.mv_size = 0;
2568                 assert(mdb_update_key(src->mp_page, 0, &nullkey) == MDB_SUCCESS);
2569         }
2570
2571         if (dstindx == 0 && dst->mp_pi != 0) {
2572                 DPRINTF("update separator for destination page %lu to [%.*s]",
2573                     dst->mp_page->mp_pgno, (int)key.mv_size, (char *)key.mv_data);
2574                 if ((rc = mdb_update_key(dst->mp_parent, dst->mp_pi,
2575                     &key)) != MDB_SUCCESS)
2576                         return rc;
2577         }
2578
2579         if (dstindx == 0 && IS_BRANCH(dst->mp_page)) {
2580                 MDB_val  nullkey;
2581                 nullkey.mv_size = 0;
2582                 assert(mdb_update_key(dst->mp_page, 0, &nullkey) == MDB_SUCCESS);
2583         }
2584
2585         return MDB_SUCCESS;
2586 }
2587
2588 static int
2589 mdb_merge(MDB_txn *txn, MDB_dbi dbi, MDB_pageparent *src, MDB_pageparent *dst)
2590 {
2591         int                      rc;
2592         indx_t                   i;
2593         MDB_node                *srcnode;
2594         MDB_val          key, data;
2595         MDB_pageparent  mpp;
2596         MDB_dhead *dh;
2597
2598         DPRINTF("merging page %lu and %lu", src->mp_page->mp_pgno, dst->mp_page->mp_pgno);
2599
2600         assert(txn != NULL);
2601         assert(src->mp_parent); /* can't merge root page */
2602         assert(dst->mp_parent);
2603
2604         /* Mark src and dst as dirty. */
2605         if ((rc = mdb_touch(txn, src)) ||
2606             (rc = mdb_touch(txn, dst)))
2607                 return rc;
2608
2609         /* Move all nodes from src to dst.
2610          */
2611         for (i = 0; i < NUMKEYS(src->mp_page); i++) {
2612                 srcnode = NODEPTR(src->mp_page, i);
2613
2614                 key.mv_size = srcnode->mn_ksize;
2615                 key.mv_data = NODEKEY(srcnode);
2616                 data.mv_size = NODEDSZ(srcnode);
2617                 data.mv_data = NODEDATA(srcnode);
2618                 rc = mdb_add_node(txn, dbi, dst->mp_page, NUMKEYS(dst->mp_page), &key,
2619                     &data, NODEPGNO(srcnode), srcnode->mn_flags);
2620                 if (rc != MDB_SUCCESS)
2621                         return rc;
2622         }
2623
2624         DPRINTF("dst page %lu now has %u keys (%.1f%% filled)",
2625             dst->mp_page->mp_pgno, NUMKEYS(dst->mp_page), (float)PAGEFILL(txn->mt_env, dst->mp_page) / 10);
2626
2627         /* Unlink the src page from parent.
2628          */
2629         mdb_del_node(src->mp_parent, src->mp_pi);
2630         if (src->mp_pi == 0) {
2631                 key.mv_size = 0;
2632                 if ((rc = mdb_update_key(src->mp_parent, 0, &key)) != MDB_SUCCESS)
2633                         return rc;
2634         }
2635
2636         if (IS_LEAF(src->mp_page))
2637                 txn->mt_dbs[dbi].md_leaf_pages--;
2638         else
2639                 txn->mt_dbs[dbi].md_branch_pages--;
2640
2641         mpp.mp_page = src->mp_parent;
2642         dh = (MDB_dhead *)src->mp_parent;
2643         dh--;
2644         mpp.mp_parent = dh->md_parent;
2645         mpp.mp_pi = dh->md_pi;
2646
2647         return mdb_rebalance(txn, dbi, &mpp);
2648 }
2649
2650 #define FILL_THRESHOLD   250
2651
2652 static int
2653 mdb_rebalance(MDB_txn *txn, MDB_dbi dbi, MDB_pageparent *mpp)
2654 {
2655         MDB_node        *node;
2656         MDB_page        *root;
2657         MDB_pageparent npp;
2658         indx_t           si = 0, di = 0;
2659
2660         assert(txn != NULL);
2661         assert(mpp != NULL);
2662
2663         DPRINTF("rebalancing %s page %lu (has %u keys, %.1f%% full)",
2664             IS_LEAF(mpp->mp_page) ? "leaf" : "branch",
2665             mpp->mp_page->mp_pgno, NUMKEYS(mpp->mp_page), (float)PAGEFILL(txn->mt_env, mpp->mp_page) / 10);
2666
2667         if (PAGEFILL(txn->mt_env, mpp->mp_page) >= FILL_THRESHOLD) {
2668                 DPRINTF("no need to rebalance page %lu, above fill threshold",
2669                     mpp->mp_page->mp_pgno);
2670                 return MDB_SUCCESS;
2671         }
2672
2673         if (mpp->mp_parent == NULL) {
2674                 if (NUMKEYS(mpp->mp_page) == 0) {
2675                         DPRINTF("tree is completely empty");
2676                         txn->mt_dbs[dbi].md_root = P_INVALID;
2677                         txn->mt_dbs[dbi].md_depth--;
2678                         txn->mt_dbs[dbi].md_leaf_pages--;
2679                 } else if (IS_BRANCH(mpp->mp_page) && NUMKEYS(mpp->mp_page) == 1) {
2680                         DPRINTF("collapsing root page!");
2681                         txn->mt_dbs[dbi].md_root = NODEPGNO(NODEPTR(mpp->mp_page, 0));
2682                         if ((root = mdb_get_page(txn, txn->mt_dbs[dbi].md_root)) == NULL)
2683                                 return MDB_PAGE_NOTFOUND;
2684                         txn->mt_dbs[dbi].md_depth--;
2685                         txn->mt_dbs[dbi].md_branch_pages--;
2686                 } else
2687                         DPRINTF("root page doesn't need rebalancing");
2688                 return MDB_SUCCESS;
2689         }
2690
2691         /* The parent (branch page) must have at least 2 pointers,
2692          * otherwise the tree is invalid.
2693          */
2694         assert(NUMKEYS(mpp->mp_parent) > 1);
2695
2696         /* Leaf page fill factor is below the threshold.
2697          * Try to move keys from left or right neighbor, or
2698          * merge with a neighbor page.
2699          */
2700
2701         /* Find neighbors.
2702          */
2703         if (mpp->mp_pi == 0) {
2704                 /* We're the leftmost leaf in our parent.
2705                  */
2706                 DPRINTF("reading right neighbor");
2707                 node = NODEPTR(mpp->mp_parent, mpp->mp_pi + 1);
2708                 if ((npp.mp_page = mdb_get_page(txn, NODEPGNO(node))) == NULL)
2709                         return MDB_PAGE_NOTFOUND;
2710                 npp.mp_pi = mpp->mp_pi + 1;
2711                 si = 0;
2712                 di = NUMKEYS(mpp->mp_page);
2713         } else {
2714                 /* There is at least one neighbor to the left.
2715                  */
2716                 DPRINTF("reading left neighbor");
2717                 node = NODEPTR(mpp->mp_parent, mpp->mp_pi - 1);
2718                 if ((npp.mp_page = mdb_get_page(txn, NODEPGNO(node))) == NULL)
2719                         return MDB_PAGE_NOTFOUND;
2720                 npp.mp_pi = mpp->mp_pi - 1;
2721                 si = NUMKEYS(npp.mp_page) - 1;
2722                 di = 0;
2723         }
2724         npp.mp_parent = mpp->mp_parent;
2725
2726         DPRINTF("found neighbor page %lu (%u keys, %.1f%% full)",
2727             npp.mp_page->mp_pgno, NUMKEYS(npp.mp_page), (float)PAGEFILL(txn->mt_env, npp.mp_page) / 10);
2728
2729         /* If the neighbor page is above threshold and has at least two
2730          * keys, move one key from it.
2731          *
2732          * Otherwise we should try to merge them.
2733          */
2734         if (PAGEFILL(txn->mt_env, npp.mp_page) >= FILL_THRESHOLD && NUMKEYS(npp.mp_page) >= 2)
2735                 return mdb_move_node(txn, dbi, &npp, si, mpp, di);
2736         else { /* FIXME: if (has_enough_room()) */
2737                 if (mpp->mp_pi == 0)
2738                         return mdb_merge(txn, dbi, &npp, mpp);
2739                 else
2740                         return mdb_merge(txn, dbi, mpp, &npp);
2741         }
2742 }
2743
2744 static int
2745 mdb_del0(MDB_txn *txn, MDB_dbi dbi, unsigned int ki, MDB_pageparent *mpp, MDB_node *leaf)
2746 {
2747         int rc;
2748
2749         /* add overflow pages to free list */
2750         if (F_ISSET(leaf->mn_flags, F_BIGDATA)) {
2751                 int i, ovpages;
2752                 pgno_t pg;
2753
2754                 memcpy(&pg, NODEDATA(leaf), sizeof(pg));
2755                 ovpages = OVPAGES(NODEDSZ(leaf), txn->mt_env->me_psize);
2756                 for (i=0; i<ovpages; i++) {
2757                         DPRINTF("freed ov page %lu", pg);
2758                         mdb_midl_insert(txn->mt_free_pgs, pg);
2759                         pg++;
2760                 }
2761         }
2762         mdb_del_node(mpp->mp_page, ki);
2763         txn->mt_dbs[dbi].md_entries--;
2764         rc = mdb_rebalance(txn, dbi, mpp);
2765         if (rc != MDB_SUCCESS)
2766                 txn->mt_flags |= MDB_TXN_ERROR;
2767
2768         return rc;
2769 }
2770
2771 int
2772 mdb_del(MDB_txn *txn, MDB_dbi dbi,
2773     MDB_val *key, MDB_val *data,
2774         unsigned int flags)
2775 {
2776         int              rc, exact;
2777         unsigned int     ki;
2778         MDB_node        *leaf;
2779         MDB_pageparent  mpp;
2780
2781         DPRINTF("========> delete key %.*s", (int)key->mv_size, (char *)key->mv_data);
2782
2783         assert(key != NULL);
2784
2785         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
2786                 return EINVAL;
2787
2788         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
2789                 return EINVAL;
2790         }
2791
2792         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
2793                 return EINVAL;
2794         }
2795
2796         mpp.mp_parent = NULL;
2797         mpp.mp_pi = 0;
2798         if ((rc = mdb_search_page(txn, dbi, key, NULL, 1, &mpp)) != MDB_SUCCESS)
2799                 return rc;
2800
2801         leaf = mdb_search_node(txn, dbi, mpp.mp_page, key, &exact, &ki);
2802         if (leaf == NULL || !exact) {
2803                 return MDB_NOTFOUND;
2804         }
2805
2806         if (F_ISSET(txn->mt_dbs[dbi].md_flags, MDB_DUPSORT)) {
2807                 MDB_xcursor mx;
2808                 MDB_pageparent mp2;
2809
2810                 mdb_xcursor_init0(txn, dbi, &mx);
2811                 mdb_xcursor_init1(txn, dbi, &mx, leaf);
2812                 if (flags == MDB_DEL_DUP) {
2813                         rc = mdb_del(&mx.mx_txn, mx.mx_cursor.mc_dbi, data, NULL, 0);
2814                         mdb_xcursor_fini(txn, dbi, &mx);
2815                         if (rc != MDB_SUCCESS)
2816                                 return rc;
2817                         /* If sub-DB still has entries, we're done */
2818                         if (mx.mx_txn.mt_dbs[mx.mx_cursor.mc_dbi].md_root != P_INVALID) {
2819                                 memcpy(NODEDATA(leaf), &mx.mx_txn.mt_dbs[mx.mx_cursor.mc_dbi],
2820                                         sizeof(MDB_db));
2821                                 return rc;
2822                         }
2823                         /* otherwise fall thru and delete the sub-DB */
2824                 } else {
2825                         /* add all the child DB's pages to the free list */
2826                         rc = mdb_search_page(&mx.mx_txn, mx.mx_cursor.mc_dbi,
2827                                 NULL, &mx.mx_cursor, 0, &mp2);
2828                         if (rc == MDB_SUCCESS) {
2829                                 MDB_ppage *top, *parent;
2830                                 MDB_node *ni;
2831                                 unsigned int i;
2832
2833                                 cursor_pop_page(&mx.mx_cursor);
2834                                 top = CURSOR_TOP(&mx.mx_cursor);
2835                                 if (top != NULL) {
2836                                         parent = SLIST_NEXT(top, mp_entry);
2837                                         while (parent != NULL) {
2838                                                 for (i=0; i<NUMKEYS(top->mp_page); i++) {
2839                                                         ni = NODEPTR(top->mp_page, i);
2840                                                         mdb_midl_insert(txn->mt_free_pgs, ni->mn_pgno);
2841                                                 }
2842                                                 if (parent) {
2843                                                         parent->mp_ki++;
2844                                                         if (parent->mp_ki >= NUMKEYS(parent->mp_page)) {
2845                                                                 cursor_pop_page(&mx.mx_cursor);
2846                                                                 top = CURSOR_TOP(&mx.mx_cursor);
2847                                                                 parent = SLIST_NEXT(top, mp_entry);
2848                                                         } else {
2849                                                                 ni = NODEPTR(parent->mp_page, parent->mp_ki);
2850                                                                 top->mp_page = mdb_get_page(&mx.mx_txn, ni->mn_pgno);
2851                                                         }
2852                                                 }
2853                                         }
2854                                 }
2855                                 mdb_midl_insert(txn->mt_free_pgs, mx.mx_txn.mt_dbs[mx.mx_cursor.mc_dbi].md_root);
2856                         }
2857                 }
2858         }
2859
2860         if (data && (rc = mdb_read_data(txn, leaf, data)) != MDB_SUCCESS)
2861                 return rc;
2862
2863         return mdb_del0(txn, dbi, ki, &mpp, leaf);
2864 }
2865
2866 /* Split page <*mpp>, and insert <key,(data|newpgno)> in either left or
2867  * right sibling, at index <*newindxp> (as if unsplit). Updates *mpp and
2868  * *newindxp with the actual values after split, ie if *mpp and *newindxp
2869  * refer to a node in the new right sibling page.
2870  */
2871 static int
2872 mdb_split(MDB_txn *txn, MDB_dbi dbi, MDB_page **mpp, unsigned int *newindxp,
2873     MDB_val *newkey, MDB_val *newdata, pgno_t newpgno)
2874 {
2875         uint8_t          flags;
2876         int              rc = MDB_SUCCESS, ins_new = 0;
2877         indx_t           newindx;
2878         pgno_t           pgno = 0;
2879         unsigned int     i, j, split_indx;
2880         MDB_node        *node;
2881         MDB_val  sepkey, rkey, rdata;
2882         MDB_page        *copy;
2883         MDB_dpage       *mdp, *rdp, *pdp;
2884         MDB_dhead *dh;
2885
2886         assert(txn != NULL);
2887
2888         dh = ((MDB_dhead *)*mpp) - 1;
2889         mdp = (MDB_dpage *)dh;
2890         newindx = *newindxp;
2891
2892         DPRINTF("-----> splitting %s page %lu and adding [%.*s] at index %i",
2893             IS_LEAF(&mdp->p) ? "leaf" : "branch", mdp->p.mp_pgno,
2894             (int)newkey->mv_size, (char *)newkey->mv_data, *newindxp);
2895
2896         if (mdp->h.md_parent == NULL) {
2897                 if ((pdp = mdb_new_page(txn, dbi, P_BRANCH, 1)) == NULL)
2898                         return ENOMEM;
2899                 mdp->h.md_pi = 0;
2900                 mdp->h.md_parent = &pdp->p;
2901                 txn->mt_dbs[dbi].md_root = pdp->p.mp_pgno;
2902                 DPRINTF("root split! new root = %lu", pdp->p.mp_pgno);
2903                 txn->mt_dbs[dbi].md_depth++;
2904
2905                 /* Add left (implicit) pointer. */
2906                 if ((rc = mdb_add_node(txn, dbi, &pdp->p, 0, NULL, NULL,
2907                     mdp->p.mp_pgno, 0)) != MDB_SUCCESS)
2908                         return rc;
2909         } else {
2910                 DPRINTF("parent branch page is %lu", mdp->h.md_parent->mp_pgno);
2911         }
2912
2913         /* Create a right sibling. */
2914         if ((rdp = mdb_new_page(txn, dbi, mdp->p.mp_flags, 1)) == NULL)
2915                 return ENOMEM;
2916         rdp->h.md_parent = mdp->h.md_parent;
2917         rdp->h.md_pi = mdp->h.md_pi + 1;
2918         DPRINTF("new right sibling: page %lu", rdp->p.mp_pgno);
2919
2920         /* Move half of the keys to the right sibling. */
2921         if ((copy = malloc(txn->mt_env->me_psize)) == NULL)
2922                 return ENOMEM;
2923         memcpy(copy, &mdp->p, txn->mt_env->me_psize);
2924         memset(&mdp->p.mp_ptrs, 0, txn->mt_env->me_psize - PAGEHDRSZ);
2925         mdp->p.mp_lower = PAGEHDRSZ;
2926         mdp->p.mp_upper = txn->mt_env->me_psize;
2927
2928         split_indx = NUMKEYS(copy) / 2 + 1;
2929
2930         /* First find the separating key between the split pages.
2931          */
2932         memset(&sepkey, 0, sizeof(sepkey));
2933         if (newindx == split_indx) {
2934                 sepkey.mv_size = newkey->mv_size;
2935                 sepkey.mv_data = newkey->mv_data;
2936         } else {
2937                 node = NODEPTR(copy, split_indx);
2938                 sepkey.mv_size = node->mn_ksize;
2939                 sepkey.mv_data = NODEKEY(node);
2940         }
2941
2942         DPRINTF("separator is [%.*s]", (int)sepkey.mv_size, (char *)sepkey.mv_data);
2943
2944         /* Copy separator key to the parent.
2945          */
2946         if (SIZELEFT(rdp->h.md_parent) < mdb_branch_size(txn->mt_env, &sepkey)) {
2947                 rc = mdb_split(txn, dbi, &rdp->h.md_parent, &rdp->h.md_pi,
2948                     &sepkey, NULL, rdp->p.mp_pgno);
2949
2950                 /* Right page might now have changed parent.
2951                  * Check if left page also changed parent.
2952                  */
2953                 if (rdp->h.md_parent != mdp->h.md_parent &&
2954                     mdp->h.md_pi >= NUMKEYS(mdp->h.md_parent)) {
2955                         mdp->h.md_parent = rdp->h.md_parent;
2956                         mdp->h.md_pi = rdp->h.md_pi - 1;
2957                 }
2958         } else {
2959                 rc = mdb_add_node(txn, dbi, rdp->h.md_parent, rdp->h.md_pi,
2960                     &sepkey, NULL, rdp->p.mp_pgno, 0);
2961         }
2962         if (rc != MDB_SUCCESS) {
2963                 free(copy);
2964                 return rc;
2965         }
2966
2967         for (i = j = 0; i <= NUMKEYS(copy); j++) {
2968                 if (i < split_indx) {
2969                         /* Re-insert in left sibling. */
2970                         pdp = mdp;
2971                 } else {
2972                         /* Insert in right sibling. */
2973                         if (i == split_indx)
2974                                 /* Reset insert index for right sibling. */
2975                                 j = (i == newindx && ins_new);
2976                         pdp = rdp;
2977                 }
2978
2979                 if (i == newindx && !ins_new) {
2980                         /* Insert the original entry that caused the split. */
2981                         rkey.mv_data = newkey->mv_data;
2982                         rkey.mv_size = newkey->mv_size;
2983                         if (IS_LEAF(&mdp->p)) {
2984                                 rdata.mv_data = newdata->mv_data;
2985                                 rdata.mv_size = newdata->mv_size;
2986                         } else
2987                                 pgno = newpgno;
2988                         flags = 0;
2989
2990                         ins_new = 1;
2991
2992                         /* Update page and index for the new key. */
2993                         *newindxp = j;
2994                         *mpp = &pdp->p;
2995                 } else if (i == NUMKEYS(copy)) {
2996                         break;
2997                 } else {
2998                         node = NODEPTR(copy, i);
2999                         rkey.mv_data = NODEKEY(node);
3000                         rkey.mv_size = node->mn_ksize;
3001                         if (IS_LEAF(&mdp->p)) {
3002                                 rdata.mv_data = NODEDATA(node);
3003                                 rdata.mv_size = node->mn_dsize;
3004                         } else
3005                                 pgno = node->mn_pgno;
3006                         flags = node->mn_flags;
3007
3008                         i++;
3009                 }
3010
3011                 if (!IS_LEAF(&mdp->p) && j == 0) {
3012                         /* First branch index doesn't need key data. */
3013                         rkey.mv_size = 0;
3014                 }
3015
3016                 rc = mdb_add_node(txn, dbi, &pdp->p, j, &rkey, &rdata, pgno,flags);
3017         }
3018
3019         free(copy);
3020         return rc;
3021 }
3022
3023 static int
3024 mdb_put0(MDB_txn *txn, MDB_dbi dbi,
3025     MDB_val *key, MDB_val *data, unsigned int flags)
3026 {
3027         int              rc = MDB_SUCCESS, exact;
3028         unsigned int     ki;
3029         MDB_node        *leaf;
3030         MDB_pageparent  mpp;
3031         MDB_val xdata, *rdata;
3032         MDB_db dummy;
3033
3034         DPRINTF("==> put key %.*s, size %zu, data size %zu",
3035                 (int)key->mv_size, (char *)key->mv_data, key->mv_size, data->mv_size);
3036
3037         mpp.mp_parent = NULL;
3038         mpp.mp_pi = 0;
3039         rc = mdb_search_page(txn, dbi, key, NULL, 1, &mpp);
3040         if (rc == MDB_SUCCESS) {
3041                 leaf = mdb_search_node(txn, dbi, mpp.mp_page, key, &exact, &ki);
3042                 if (leaf && exact) {
3043                         if (F_ISSET(txn->mt_dbs[dbi].md_flags, MDB_DUPSORT)) {
3044                                 goto put_sub;
3045                         }
3046                         if (flags == MDB_NOOVERWRITE) {
3047                                 DPRINTF("duplicate key %.*s",
3048                                     (int)key->mv_size, (char *)key->mv_data);
3049                                 return MDB_KEYEXIST;
3050                         }
3051                         /* same size, just replace it */
3052                         if (NODEDSZ(leaf) == data->mv_size) {
3053                                 memcpy(NODEDATA(leaf), data->mv_data, data->mv_size);
3054                                 goto done;
3055                         }
3056                         mdb_del_node(mpp.mp_page, ki);
3057                 }
3058                 if (leaf == NULL) {             /* append if not found */
3059                         ki = NUMKEYS(mpp.mp_page);
3060                         DPRINTF("appending key at index %i", ki);
3061                 }
3062         } else if (rc == MDB_NOTFOUND) {
3063                 MDB_dpage *dp;
3064                 /* new file, just write a root leaf page */
3065                 DPRINTF("allocating new root leaf page");
3066                 if ((dp = mdb_new_page(txn, dbi, P_LEAF, 1)) == NULL) {
3067                         return ENOMEM;
3068                 }
3069                 mpp.mp_page = &dp->p;
3070                 txn->mt_dbs[dbi].md_root = mpp.mp_page->mp_pgno;
3071                 txn->mt_dbs[dbi].md_depth++;
3072                 ki = 0;
3073         }
3074         else
3075                 goto done;
3076
3077         assert(IS_LEAF(mpp.mp_page));
3078         DPRINTF("there are %u keys, should insert new key at index %i",
3079                 NUMKEYS(mpp.mp_page), ki);
3080
3081         /* For sorted dups, the data item at this level is a DB record
3082          * for a child DB; the actual data elements are stored as keys
3083          * in the child DB.
3084          */
3085         if (F_ISSET(txn->mt_dbs[dbi].md_flags, MDB_DUPSORT)) {
3086                 rdata = &xdata;
3087                 xdata.mv_size = sizeof(MDB_db);
3088                 xdata.mv_data = &dummy;
3089                 memset(&dummy, 0, sizeof(dummy));
3090                 dummy.md_root = P_INVALID;
3091         } else {
3092                 rdata = data;
3093         }
3094
3095         if (SIZELEFT(mpp.mp_page) < mdb_leaf_size(txn->mt_env, key, rdata)) {
3096                 rc = mdb_split(txn, dbi, &mpp.mp_page, &ki, key, rdata, P_INVALID);
3097         } else {
3098                 /* There is room already in this leaf page. */
3099                 rc = mdb_add_node(txn, dbi, mpp.mp_page, ki, key, rdata, 0, 0);
3100         }
3101
3102         if (rc != MDB_SUCCESS)
3103                 txn->mt_flags |= MDB_TXN_ERROR;
3104         else {
3105                 txn->mt_dbs[dbi].md_entries++;
3106
3107                 /* Remember if we just added a subdatabase */
3108                 if (flags & F_SUBDATA) {
3109                         leaf = NODEPTR(mpp.mp_page, ki);
3110                         leaf->mn_flags |= F_SUBDATA;
3111                 }
3112
3113                 /* Now store the actual data in the child DB. Note that we're
3114                  * storing the user data in the keys field, so there are strict
3115                  * size limits on dupdata. The actual data fields of the child
3116                  * DB are all zero size.
3117                  */
3118                 if (F_ISSET(txn->mt_dbs[dbi].md_flags, MDB_DUPSORT)) {
3119                         MDB_xcursor mx;
3120
3121                         leaf = NODEPTR(mpp.mp_page, ki);
3122 put_sub:
3123                         mdb_xcursor_init0(txn, dbi, &mx);
3124                         mdb_xcursor_init1(txn, dbi, &mx, leaf);
3125                         xdata.mv_size = 0;
3126                         xdata.mv_data = "";
3127                         if (flags == MDB_NODUPDATA)
3128                                 flags = MDB_NOOVERWRITE;
3129                         rc = mdb_put0(&mx.mx_txn, mx.mx_cursor.mc_dbi, data, &xdata, flags);
3130                         mdb_xcursor_fini(txn, dbi, &mx);
3131                         memcpy(NODEDATA(leaf), &mx.mx_txn.mt_dbs[mx.mx_cursor.mc_dbi],
3132                                 sizeof(MDB_db));
3133                 }
3134         }
3135
3136 done:
3137         return rc;
3138 }
3139
3140 int
3141 mdb_put(MDB_txn *txn, MDB_dbi dbi,
3142     MDB_val *key, MDB_val *data, unsigned int flags)
3143 {
3144         assert(key != NULL);
3145         assert(data != NULL);
3146
3147         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
3148                 return EINVAL;
3149
3150         if (F_ISSET(txn->mt_flags, MDB_TXN_RDONLY)) {
3151                 return EINVAL;
3152         }
3153
3154         if (key->mv_size == 0 || key->mv_size > MAXKEYSIZE) {
3155                 return EINVAL;
3156         }
3157
3158         if ((flags & (MDB_NOOVERWRITE|MDB_NODUPDATA)) != flags)
3159                 return EINVAL;
3160
3161         return mdb_put0(txn, dbi, key, data, flags);
3162 }
3163
3164 int
3165 mdb_env_get_flags(MDB_env *env, unsigned int *arg)
3166 {
3167         if (!env || !arg)
3168                 return EINVAL;
3169
3170         *arg = env->me_flags;
3171         return MDB_SUCCESS;
3172 }
3173
3174 int
3175 mdb_env_get_path(MDB_env *env, const char **arg)
3176 {
3177         if (!env || !arg)
3178                 return EINVAL;
3179
3180         *arg = env->me_path;
3181         return MDB_SUCCESS;
3182 }
3183
3184 static int
3185 mdb_stat0(MDB_env *env, MDB_db *db, MDB_stat *arg)
3186 {
3187         arg->ms_psize = env->me_psize;
3188         arg->ms_depth = db->md_depth;
3189         arg->ms_branch_pages = db->md_branch_pages;
3190         arg->ms_leaf_pages = db->md_leaf_pages;
3191         arg->ms_overflow_pages = db->md_overflow_pages;
3192         arg->ms_entries = db->md_entries;
3193
3194         return MDB_SUCCESS;
3195 }
3196 int
3197 mdb_env_stat(MDB_env *env, MDB_stat *arg)
3198 {
3199         if (env == NULL || arg == NULL)
3200                 return EINVAL;
3201
3202         return mdb_stat0(env, &env->me_meta->mm_dbs[MAIN_DBI], arg);
3203 }
3204
3205 int mdb_open(MDB_txn *txn, const char *name, unsigned int flags, MDB_dbi *dbi)
3206 {
3207         MDB_val key, data;
3208         MDB_dbi i;
3209         int rc, dirty = 0;
3210         size_t len;
3211
3212         /* main DB? */
3213         if (!name) {
3214                 *dbi = MAIN_DBI;
3215                 if (flags & (MDB_DUPSORT|MDB_REVERSEKEY|MDB_INTEGERKEY))
3216                         txn->mt_dbs[MAIN_DBI].md_flags |= (flags & (MDB_DUPSORT|MDB_REVERSEKEY|MDB_INTEGERKEY));
3217                 return MDB_SUCCESS;
3218         }
3219
3220         /* Is the DB already open? */
3221         len = strlen(name);
3222         for (i=2; i<txn->mt_numdbs; i++) {
3223                 if (len == txn->mt_dbxs[i].md_name.mv_size &&
3224                         !strncmp(name, txn->mt_dbxs[i].md_name.mv_data, len)) {
3225                         *dbi = i;
3226                         return MDB_SUCCESS;
3227                 }
3228         }
3229
3230         if (txn->mt_numdbs >= txn->mt_env->me_maxdbs - 1)
3231                 return ENFILE;
3232
3233         /* Find the DB info */
3234         key.mv_size = len;
3235         key.mv_data = (void *)name;
3236         rc = mdb_get(txn, MAIN_DBI, &key, &data);
3237
3238         /* Create if requested */
3239         if (rc == MDB_NOTFOUND && (flags & MDB_CREATE)) {
3240                 MDB_db dummy;
3241                 data.mv_size = sizeof(MDB_db);
3242                 data.mv_data = &dummy;
3243                 memset(&dummy, 0, sizeof(dummy));
3244                 dummy.md_root = P_INVALID;
3245                 dummy.md_flags = flags & 0xffff;
3246                 rc = mdb_put0(txn, MAIN_DBI, &key, &data, F_SUBDATA);
3247                 dirty = 1;
3248         }
3249
3250         /* OK, got info, add to table */
3251         if (rc == MDB_SUCCESS) {
3252                 txn->mt_dbxs[txn->mt_numdbs].md_name.mv_data = strdup(name);
3253                 txn->mt_dbxs[txn->mt_numdbs].md_name.mv_size = len;
3254                 txn->mt_dbxs[txn->mt_numdbs].md_cmp = NULL;
3255                 txn->mt_dbxs[txn->mt_numdbs].md_dcmp = NULL;
3256                 txn->mt_dbxs[txn->mt_numdbs].md_rel = NULL;
3257                 txn->mt_dbxs[txn->mt_numdbs].md_parent = MAIN_DBI;
3258                 txn->mt_dbxs[txn->mt_numdbs].md_dirty = dirty;
3259                 memcpy(&txn->mt_dbs[txn->mt_numdbs], data.mv_data, sizeof(MDB_db));
3260                 *dbi = txn->mt_numdbs;
3261                 txn->mt_numdbs++;
3262         }
3263
3264         return rc;
3265 }
3266
3267 int mdb_stat(MDB_txn *txn, MDB_dbi dbi, MDB_stat *arg)
3268 {
3269         if (txn == NULL || arg == NULL || dbi >= txn->mt_numdbs)
3270                 return EINVAL;
3271
3272         return mdb_stat0(txn->mt_env, &txn->mt_dbs[dbi], arg);
3273 }
3274
3275 void mdb_close(MDB_txn *txn, MDB_dbi dbi)
3276 {
3277         char *ptr;
3278         if (dbi <= MAIN_DBI || dbi >= txn->mt_numdbs)
3279                 return;
3280         ptr = txn->mt_dbxs[dbi].md_name.mv_data;
3281         txn->mt_dbxs[dbi].md_name.mv_data = NULL;
3282         txn->mt_dbxs[dbi].md_name.mv_size = 0;
3283         free(ptr);
3284 }
3285
3286 int mdb_set_compare(MDB_txn *txn, MDB_dbi dbi, MDB_cmp_func *cmp)
3287 {
3288         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
3289                 return EINVAL;
3290
3291         txn->mt_dbxs[dbi].md_cmp = cmp;
3292         return MDB_SUCCESS;
3293 }
3294
3295 int mdb_set_dupsort(MDB_txn *txn, MDB_dbi dbi, MDB_cmp_func *cmp)
3296 {
3297         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
3298                 return EINVAL;
3299
3300         txn->mt_dbxs[dbi].md_dcmp = cmp;
3301         return MDB_SUCCESS;
3302 }
3303
3304 int mdb_set_relfunc(MDB_txn *txn, MDB_dbi dbi, MDB_rel_func *rel)
3305 {
3306         if (txn == NULL || !dbi || dbi >= txn->mt_numdbs)
3307                 return EINVAL;
3308
3309         txn->mt_dbxs[dbi].md_rel = rel;
3310         return MDB_SUCCESS;
3311 }