BGZF.cpp

   1 // ***************************************************************************\r
   2 // BGZF.cpp (c) 2009 Derek Barnett, Michael Str�mberg\r
   3 // Marth Lab, Department of Biology, Boston College\r
   4 // All rights reserved.\r
   5 // ---------------------------------------------------------------------------\r
   6 // Last modified: 19 July 2010 (DB)\r
   7 // ---------------------------------------------------------------------------\r
   8 // BGZF routines were adapted from the bgzf.c code developed at the Broad\r
   9 // Institute.\r
  10 // ---------------------------------------------------------------------------\r
  11 // Provides the basic functionality for reading & writing BGZF files\r
  12 // ***************************************************************************\r
  13 \r
  14 #include <algorithm>\r
  15 #include "BGZF.h"\r
  16 using namespace BamTools;\r
  17 using std::string;\r
  18 using std::min;\r
  19 \r
  20 BgzfData::BgzfData(void)\r
  21     : UncompressedBlockSize(DEFAULT_BLOCK_SIZE)\r
  22     , CompressedBlockSize(MAX_BLOCK_SIZE)\r
  23     , BlockLength(0)\r
  24     , BlockOffset(0)\r
  25     , BlockAddress(0)\r
  26     , IsOpen(false)\r
  27     , IsWriteOnly(false)\r
  28     , Stream(NULL)\r
  29     , UncompressedBlock(NULL)\r
  30     , CompressedBlock(NULL)\r
  31 {\r
  32     try {\r
  33         CompressedBlock   = new char[CompressedBlockSize];\r
  34         UncompressedBlock = new char[UncompressedBlockSize];\r
  35     } catch( std::bad_alloc& ba ) {\r
  36         printf("BGZF ERROR: unable to allocate memory for our BGZF object.\n");\r
  37         exit(1);\r
  38     }\r
  39 }\r
  40 \r
  41 // destructor\r
  42 BgzfData::~BgzfData(void) {\r
  43     if( CompressedBlock )   { delete[] CompressedBlock;   }\r
  44     if( UncompressedBlock ) { delete[] UncompressedBlock; }\r
  45 }\r
  46 \r
  47 // closes BGZF file\r
  48 void BgzfData::Close(void) {\r
  49 \r
  50         // skip if file not open, otherwise set flag\r
  51     if ( !IsOpen ) return;\r
  52     IsOpen = false;\r
  53 \r
  54     // flush the current BGZF block\r
  55     if ( IsWriteOnly ) FlushBlock();\r
  56 \r
  57     // write an empty block (as EOF marker)\r
  58     int blockLength = DeflateBlock();\r
  59     fwrite(CompressedBlock, 1, blockLength, Stream);\r
  60     \r
  61     // flush and close\r
  62     fflush(Stream);\r
  63     fclose(Stream);\r
  64 }\r
  65 \r
  66 // compresses the current block\r
  67 int BgzfData::DeflateBlock(void) {\r
  68 \r
  69     // initialize the gzip header\r
  70     char* buffer = CompressedBlock;\r
  71     memset(buffer, 0, 18);\r
  72     buffer[0]  = GZIP_ID1;\r
  73     buffer[1]  = (char)GZIP_ID2;\r
  74     buffer[2]  = CM_DEFLATE;\r
  75     buffer[3]  = FLG_FEXTRA;\r
  76     buffer[9]  = (char)OS_UNKNOWN;\r
  77     buffer[10] = BGZF_XLEN;\r
  78     buffer[12] = BGZF_ID1;\r
  79     buffer[13] = BGZF_ID2;\r
  80     buffer[14] = BGZF_LEN;\r
  81 \r
  82     // loop to retry for blocks that do not compress enough\r
  83     int inputLength = BlockOffset;\r
  84     int compressedLength = 0;\r
  85     unsigned int bufferSize = CompressedBlockSize;\r
  86 \r
  87     while(true) {\r
  88         \r
  89         // initialize zstream values\r
  90         z_stream zs;\r
  91         zs.zalloc    = NULL;\r
  92         zs.zfree     = NULL;\r
  93         zs.next_in   = (Bytef*)UncompressedBlock;\r
  94         zs.avail_in  = inputLength;\r
  95         zs.next_out  = (Bytef*)&buffer[BLOCK_HEADER_LENGTH];\r
  96         zs.avail_out = bufferSize - BLOCK_HEADER_LENGTH - BLOCK_FOOTER_LENGTH;\r
  97 \r
  98         // initialize the zlib compression algorithm\r
  99         if(deflateInit2(&zs, Z_DEFAULT_COMPRESSION, Z_DEFLATED, GZIP_WINDOW_BITS, Z_DEFAULT_MEM_LEVEL, Z_DEFAULT_STRATEGY) != Z_OK) {\r
 100             printf("BGZF ERROR: zlib deflate initialization failed.\n");\r
 101             exit(1);\r
 102         }\r
 103 \r
 104         // compress the data\r
 105         int status = deflate(&zs, Z_FINISH);\r
 106         if(status != Z_STREAM_END) {\r
 107 \r
 108             deflateEnd(&zs);\r
 109 \r
 110             // reduce the input length and try again\r
 111             if(status == Z_OK) {\r
 112                 inputLength -= 1024;\r
 113                 if(inputLength < 0) {\r
 114                     printf("BGZF ERROR: input reduction failed.\n");\r
 115                     exit(1);\r
 116                 }\r
 117                 continue;\r
 118             }\r
 119 \r
 120             printf("BGZF ERROR: zlib::deflateEnd() failed.\n");\r
 121             exit(1);\r
 122         }\r
 123 \r
 124         // finalize the compression routine\r
 125         if(deflateEnd(&zs) != Z_OK) {\r
 126             printf("BGZF ERROR: zlib::deflateEnd() failed.\n");\r
 127             exit(1);\r
 128         }\r
 129 \r
 130         compressedLength = zs.total_out;\r
 131         compressedLength += BLOCK_HEADER_LENGTH + BLOCK_FOOTER_LENGTH;\r
 132         if(compressedLength > MAX_BLOCK_SIZE) {\r
 133             printf("BGZF ERROR: deflate overflow.\n");\r
 134             exit(1);\r
 135         }\r
 136 \r
 137         break;\r
 138     }\r
 139 \r
 140     // store the compressed length\r
 141     BgzfData::PackUnsignedShort(&buffer[16], (unsigned short)(compressedLength - 1));\r
 142 \r
 143     // store the CRC32 checksum\r
 144     unsigned int crc = crc32(0, NULL, 0);\r
 145     crc = crc32(crc, (Bytef*)UncompressedBlock, inputLength);\r
 146     BgzfData::PackUnsignedInt(&buffer[compressedLength - 8], crc);\r
 147     BgzfData::PackUnsignedInt(&buffer[compressedLength - 4], inputLength);\r
 148 \r
 149     // ensure that we have less than a block of data left\r
 150     int remaining = BlockOffset - inputLength;\r
 151     if(remaining > 0) {\r
 152         if(remaining > inputLength) {\r
 153             printf("BGZF ERROR: after deflate, remainder too large.\n");\r
 154             exit(1);\r
 155         }\r
 156         memcpy(UncompressedBlock, UncompressedBlock + inputLength, remaining);\r
 157     }\r
 158 \r
 159     BlockOffset = remaining;\r
 160     return compressedLength;\r
 161 }\r
 162 \r
 163 // flushes the data in the BGZF block\r
 164 void BgzfData::FlushBlock(void) {\r
 165 \r
 166     // flush all of the remaining blocks\r
 167     while(BlockOffset > 0) {\r
 168 \r
 169         // compress the data block\r
 170         int blockLength = DeflateBlock();\r
 171 \r
 172         // flush the data to our output stream\r
 173         int numBytesWritten = fwrite(CompressedBlock, 1, blockLength, Stream);\r
 174 \r
 175         if(numBytesWritten != blockLength) {\r
 176           printf("BGZF ERROR: expected to write %u bytes during flushing, but wrote %u bytes.\n", blockLength, numBytesWritten);\r
 177           exit(1);\r
 178         }\r
 179               \r
 180         BlockAddress += blockLength;\r
 181     }\r
 182 }\r
 183 \r
 184 // de-compresses the current block\r
 185 int BgzfData::InflateBlock(const int& blockLength) {\r
 186 \r
 187     // Inflate the block in m_BGZF.CompressedBlock into m_BGZF.UncompressedBlock\r
 188     z_stream zs;\r
 189     zs.zalloc    = NULL;\r
 190     zs.zfree     = NULL;\r
 191     zs.next_in   = (Bytef*)CompressedBlock + 18;\r
 192     zs.avail_in  = blockLength - 16;\r
 193     zs.next_out  = (Bytef*)UncompressedBlock;\r
 194     zs.avail_out = UncompressedBlockSize;\r
 195 \r
 196     int status = inflateInit2(&zs, GZIP_WINDOW_BITS);\r
 197     if (status != Z_OK) {\r
 198         printf("BGZF ERROR: could not decompress block - zlib::inflateInit() failed\n");\r
 199         return -1;\r
 200     }\r
 201 \r
 202     status = inflate(&zs, Z_FINISH);\r
 203     if (status != Z_STREAM_END) {\r
 204         inflateEnd(&zs);\r
 205         printf("BGZF ERROR: could not decompress block - zlib::inflate() failed\n");\r
 206         return -1;\r
 207     }\r
 208 \r
 209     status = inflateEnd(&zs);\r
 210     if (status != Z_OK) {\r
 211         printf("BGZF ERROR: could not decompress block - zlib::inflateEnd() failed\n");\r
 212         return -1;\r
 213     }\r
 214 \r
 215     return zs.total_out;\r
 216 }\r
 217 \r
 218 // opens the BGZF file for reading (mode is either "rb" for reading, or "wb" for writing)\r
 219 bool BgzfData::Open(const string& filename, const char* mode) {\r
 220 \r
 221         // determine open mode\r
 222     if ( strcmp(mode, "rb") == 0 ) {\r
 223         IsWriteOnly = false;\r
 224     } else if ( strcmp(mode, "wb") == 0) {\r
 225         IsWriteOnly = true;\r
 226     } else {\r
 227         printf("BGZF ERROR: unknown file mode: %s\n", mode);\r
 228         return false; \r
 229     }\r
 230 \r
 231     // open Stream to read to/write from file, stdin, or stdout\r
 232     // stdin/stdout option contributed by Aaron Quinlan (2010-Jan-03)\r
 233     if ( (filename != "stdin") && (filename != "stdout") ) {\r
 234         // read/write BGZF data to/from a file\r
 235 //         Stream = fopen64(filename.c_str(), mode);\r
 236         Stream = fopen(filename.c_str(), mode);\r
 237     }\r
 238     else if ( (filename == "stdin") && (strcmp(mode, "rb") == 0 ) ) { \r
 239         // read BGZF data from stdin\r
 240 //         Stream = freopen64(NULL, mode, stdin);\r
 241         Stream = freopen(NULL, mode, stdin);\r
 242     }\r
 243     else if ( (filename == "stdout") && (strcmp(mode, "wb") == 0) ) { \r
 244         // write BGZF data to stdout\r
 245 //         Stream = freopen64(NULL, mode, stdout);\r
 246         Stream = freopen(NULL, mode, stdout);\r
 247     }\r
 248 \r
 249     if(!Stream) {\r
 250         printf("BGZF ERROR: unable to open file %s\n", filename.c_str() );\r
 251         return false;\r
 252     }\r
 253     \r
 254     // set flag, return success\r
 255     IsOpen = true;\r
 256     return true;\r
 257 }\r
 258 \r
 259 // reads BGZF data into a byte buffer\r
 260 int BgzfData::Read(char* data, const unsigned int dataLength) {\r
 261 \r
 262    if (dataLength == 0) return 0;\r
 263 \r
 264    char* output = data;\r
 265    unsigned int numBytesRead = 0;\r
 266    while (numBytesRead < dataLength) {\r
 267 \r
 268        int bytesAvailable = BlockLength - BlockOffset;\r
 269        if ( bytesAvailable <= 0 ) {\r
 270            if (!ReadBlock()) return -1; \r
 271            bytesAvailable = BlockLength - BlockOffset;\r
 272            if (bytesAvailable <= 0) break;\r
 273        }\r
 274 \r
 275        char* buffer   = UncompressedBlock;\r
 276        int copyLength = min( (int)(dataLength-numBytesRead), bytesAvailable );\r
 277        memcpy(output, buffer + BlockOffset, copyLength);\r
 278 \r
 279        BlockOffset  += copyLength;\r
 280        output       += copyLength;\r
 281        numBytesRead += copyLength;\r
 282    }\r
 283 \r
 284    if ( BlockOffset == BlockLength ) {\r
 285        BlockAddress = ftell64(Stream);\r
 286        BlockOffset  = 0;\r
 287        BlockLength  = 0;\r
 288    }\r
 289 \r
 290    return numBytesRead;\r
 291 }\r
 292 \r
 293 // reads a BGZF block\r
 294 bool BgzfData::ReadBlock(void) {\r
 295 \r
 296     char    header[BLOCK_HEADER_LENGTH];\r
 297     int64_t blockAddress = ftell64(Stream);\r
 298     \r
 299     int count = fread(header, 1, sizeof(header), Stream);\r
 300     if (count == 0) {\r
 301         BlockLength = 0;\r
 302         return true;\r
 303     }\r
 304 \r
 305     if (count != sizeof(header)) {\r
 306         printf("BGZF ERROR: read block failed - could not read block header\n");\r
 307         return false;\r
 308     }\r
 309 \r
 310     if (!BgzfData::CheckBlockHeader(header)) {\r
 311         printf("BGZF ERROR: read block failed - invalid block header\n");\r
 312         return false;\r
 313     }\r
 314 \r
 315     int blockLength = BgzfData::UnpackUnsignedShort(&header[16]) + 1;\r
 316     char* compressedBlock = CompressedBlock;\r
 317     memcpy(compressedBlock, header, BLOCK_HEADER_LENGTH);\r
 318     int remaining = blockLength - BLOCK_HEADER_LENGTH;\r
 319 \r
 320     count = fread(&compressedBlock[BLOCK_HEADER_LENGTH], 1, remaining, Stream);\r
 321     if (count != remaining) {\r
 322         printf("BGZF ERROR: read block failed - could not read data from block\n");\r
 323         return false;\r
 324     }\r
 325 \r
 326     count = InflateBlock(blockLength);\r
 327     if (count < 0) { \r
 328       printf("BGZF ERROR: read block failed - could not decompress block data\n");\r
 329       return false;\r
 330     }\r
 331 \r
 332     if ( BlockLength != 0 )\r
 333         BlockOffset = 0;\r
 334 \r
 335     BlockAddress = blockAddress;\r
 336     BlockLength  = count;\r
 337     return true;\r
 338 }\r
 339 \r
 340 // seek to position in BGZF file\r
 341 bool BgzfData::Seek(int64_t position) {\r
 342 \r
 343     int     blockOffset  = (position & 0xFFFF);\r
 344     int64_t blockAddress = (position >> 16) & 0xFFFFFFFFFFFFLL;\r
 345 \r
 346     if (fseek64(Stream, blockAddress, SEEK_SET) != 0) {\r
 347         printf("BGZF ERROR: unable to seek in file\n");\r
 348         return false;\r
 349     }\r
 350 \r
 351     BlockLength  = 0;\r
 352     BlockAddress = blockAddress;\r
 353     BlockOffset  = blockOffset;\r
 354     return true;\r
 355 }\r
 356 \r
 357 // get file position in BGZF file\r
 358 int64_t BgzfData::Tell(void) {\r
 359     return ( (BlockAddress << 16) | (BlockOffset & 0xFFFF) );\r
 360 }\r
 361 \r
 362 // writes the supplied data into the BGZF buffer\r
 363 unsigned int BgzfData::Write(const char* data, const unsigned int dataLen) {\r
 364 \r
 365     // initialize\r
 366     unsigned int numBytesWritten = 0;\r
 367     const char* input = data;\r
 368     unsigned int blockLength = UncompressedBlockSize;\r
 369 \r
 370     // copy the data to the buffer\r
 371     while(numBytesWritten < dataLen) {\r
 372       \r
 373         unsigned int copyLength = min(blockLength - BlockOffset, dataLen - numBytesWritten);\r
 374         char* buffer = UncompressedBlock;\r
 375         memcpy(buffer + BlockOffset, input, copyLength);\r
 376 \r
 377         BlockOffset     += copyLength;\r
 378         input           += copyLength;\r
 379         numBytesWritten += copyLength;\r
 380 \r
 381         if(BlockOffset == blockLength)\r
 382             FlushBlock();\r
 383     }\r
 384 \r
 385     return numBytesWritten;\r
 386 }\r