5. ファイル名のデータベース

locateで使用されるファイル名のデータベースには，データベースが最 後に更新された時の，特定のディレクトリツリー内のファイルのリストが含ま れています．データベースのデフォルトファイル名は，locateと updatedbがコンフィグレーションされインストールされた時に決定され ます．データベースが更新される頻度と，項目に含めるディレクトリは， updatedbが実行される頻度と，その引数に依存します．

`locate --statistics'を使用することで，データベースの統計情報を得 ることが可能です．

5.1 データベースの位置

複数のファイル名のデータベースを存在させることが可能です．ユーザは， locateが検索を行なうデータベースを，LOCATE_PATH環境変数や コマンドラインオプションを使用して選択することが可能です．システム管理 者は，デフォルトのデータベースのファイル名，データベースを更新する頻度， そして，項目に含めるディレクトリを選択することが可能です．ファイル名の データベースは，updatedbプログラムで，通常夜に実行され更新されま す．

ネットワーク環境では，ファイルシステムの項目を含めながら，それぞれのルー トファイルシステムでデータベースを構築することに意味があります． updatedbは，ネットワークのスラッシングを避けるため，ファイルシス テムがローカルディスクにあるファイルサーバの，それぞれのファイルシステ ムで実行されます．updatedbに，それぞれのデータベースが含んでいる 項目のディレクトリを選択させるオプションは以下のとおりです．

updatedbのオプションの記述で，項目を含むデータベースがあるディレ クトリの指定は，See section updatedbの呼び出し.

5.2 データベースの書式

ファイル名のデータベースには，データベースが最後に更新された時の，特定 のディレクトリツリーのファイルのリストを含まれます．ファイル名のデータ ベースの書式変更は，異なるバイト順序を用いるマシンでも，データベースの 共有が可能となるように，GNU locateバージョン4.0から開始されまし た．新しいGNU locateは，新旧両方のデータベースの書式を読み込むこ とが可能です．しかし，古いバージョンのlocateとfindでは， 新しい書式のデータベースを与えられた場合，間違った結果となります．

`locate --statistics'を実行した場合，要約された結果は，それぞれの locateのデータベースの形式を示します．

5.2.1 新しいデータベースの書式

updatedbは，4の要素を5にする(1)ことでデータベースの大きさが小さくなるように，ファイル名のリ ストを前部圧縮(front-compress)するため，frcodeを実行します． 前部圧縮(増分符合化としても知られている)は以下のように動作します．

データベースの項目は，(ユーザの利便性のため，大文字小文字を識別しないで) ソートされているリストです．リストはソートされているので，それぞれの項 目は，前の項目と同じ接頭辞(最初の文字列)を共有することがよくあります． それぞれのデータベース項目はオフセットバイトの差分の数で始まっていて， それは前の項目の更に前のものが使用している数より多くなる，前の項目に前 置される接頭辞への追加の文字数です．(数は負になることもあります．) それ 以降の数は，ヌルで終端されているASCII文字の残りです--共有している接尾 辞以降の名前の部分です．

オフセット差分数がバイト(+/-127)で保存できるものより大きい場合，バイト の値が0x80になり，それ以下の2バイトがその数値になっていて，それはハイバ イトを最初(ネットワークバイトの順序)にしたものを用います．

すべてのデータベースは，`LOCATE02'と呼ばれるダミーの項目で始まって いて，それは，データベースファイルの書式が正しいことを確認するために， locateが調査するものです．検索時にはその項目は無視されます．

最初の(ダミー)項目を，先頭のデータベース以外からすべて切り取っても，デー タベースを連結させることは不可能です．これは，二番目とそれ以降の最初の 項目にあるオフセット差分数が間違ってしまうためです．

`locate --statistics'の出力で，新しいデータベースの書式は `LOCATE02'として参照します．

5.2.2 サンプルデータベース

frcodeへのサンプル入力です．

/usr/src
/usr/src/cmd/aardvark.c
/usr/src/cmd/armadillo.c
/usr/tmp/zoo

共有するために前置される，最も長い接頭辞の長さは以下のようになります．

0 /usr/src
8 /cmd/aardvark.c
14 rmadillo.c
5 tmp/zoo

最後のヌルを改行に変更し，バイトを印字可能文字に変更した場合の， frcodeからの出力は以下のようになります．

0 LOCATE02
0 /usr/src
8 /cmd/aardvark.c
6 rmadillo.c
-9 tmp/zoo

(6 = 14 - 8，そして -9 = 5 - 14)

5.2.3 古いデータベースの書式

古いデータベースの書式は，Unixのlocateとfindプログラム， そして早期のGNUがリリースしたもので使用されています．updatedbは， `--old-format'オプションが与えられた場合，この書式で生成します．

updatedbは，古い書式のデータベースを生成するために， bigram とcodeと呼ばれるプログラムを実行します．古い書式は， 新しいものと以下の方式で異なります．オフセット差分数バイトで始まりヌル で終るそれぞれの項目の代わりに，-14から14までのオフセット差分数を示す0 から28の値になります．それ以上の大きなオフセット差分数を示すバイト値は， 0x1e (30)で0x80ではありません．大きな数は，ホストのバイト順でソートされ， それはネットワークバイトの順序である必要はなく，ホストのワード整数の大 きさとなっていて，それは通常4バイトです．その値が14より小さいものは表示 されません．データベースの行には終端バイトがありません．次の行の先頭は， 30より小さい値を持つバイトで示されます．

更に，最初のダミー項目で始まる代わりに，古いデータベース書式は，ファイ ルリストで最も一般的な128のbigramを含んでいる，256バイトの表で始 まります．bigramは調整されたバイトの組となっています．ハイビット セットを持つデータベースのバイトは，(ハイビットがクリアされてい る)bigram表内部の索引です．bigramとオフセット差分数の符合 化は，これらのデータベースを，新しい書式より20から25%まで小さくしますが， 8ビットクリーンにはなりません．特殊コードに使用される範囲にあるファイル 名のバイトは，データベース内では疑問符に置換され，それは，単一文字にマッ チするシェルのワイルドカードにはマッチしません．

そのため古い書式では，ASCII以外の文字の項目を忠実の保存することが不可能 です．そのため，国際化環境では使用すべきではありません．

`locate --statistics'の出力は，古い書式の改行やハイビット文字を含 むファイル名の計数で間違えてしまうでしょう．

5.3 改行の取り扱い

データベースでは，ファイル名はヌル文字で終端されています．これは，古い 書式も新しい書式も同じようになっています．

新しいデータベースの書式が使用されているとき，frcodeに渡す前の， ファイルのリストの並べ替え能力に依存する圧縮技術が，データベースの生成 に使用されています．

システムのソートコマンドが，入力されるファイルのリストを`-z'オプショ ンでヌル文字で分離している場合，このオプションが使用され，そのため， updatedbとlocateは両方共，改行を含むファイル名を正しく処 理します．sortコマンドにこのサポートが無い場合，ファイルのリスト は改行文字で分離され，つまり，改行を含むファイルの部分は間違って並べ替 えられます．結果として，正しくないマッチと，正しくない間違ったマッチの 両方が発生します．

一方，古いデータベース書式を使用している場合，改行が埋め込まれたファイ ル名は正しく処理されません．これを強制する技術的な制限は無いので， bigramプログラムはヌルで分離されているファイル名のリストをサポー トするように更新されていません．

そのため，新しいデータベース書式を使用していて(これはデフォルトです)， システムでGNU findを使用している場合，改行はいつでも正しく処理さ れます．そうでなければ，改行は正しく処理されない可能性があります．

This document was generated by Akihiro Sagawa on September, 28 2005 using texi2html 1.70.