bin/parse-contents

   1 #!/usr/bin/perl -w
   2 # Convert Contents.gz files into Sleepycat db files for efficient usage of
   3 # data
   4 #
   5 # $Id$
   6 #
   7 # Copyright (C) 2006  Jeroen van Wolffelaar <jeroen@wolffelaar.nl>
   8 # This program is free software; you can redistribute it and/or modify
   9 # it under the terms of the GNU General Public License as published by
  10 # the Free Software Foundation; either version 2 of the License, or
  11 # (at your option) any later version.
  12
  13 # This program is distributed in the hope that it will be useful,
  14 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  15 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  16 # GNU General Public License for more details.
  17
  18 # You should have received a copy of the GNU General Public License
  19 # along with this program; if not, write to the Free Software
  20 # Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
  21
  22 use strict;
  23 use lib './lib';
  24
  25 $| = 1;
  26
  27 # Important, we want sorting and such to happen like in the C locale: binary,
  28 # without any fancy collation. FIXME: is this actually adequate?
  29 $ENV{"LC_ALL"} = 'C';
  30
  31 my $what = $ARGV[0] ? "head -10000|" : "";
  32
  33 # More RAM vs more disk I/O tradeoff parameters, does not change
  34 # functionality. True will always use more RAM at the benefit of less
  35 # temporary files, and is adviced when possible
  36 my $SORT_REVERSE_CONCURRENTLY = 1;
  37
  38 use DB_File;
  39 use Storable;
  40 use File::Path;
  41 use Packages::Config qw( $TOPDIR $DBDIR @ARCHIVES @SUITES @ARCHITECTURES );
  42 &Packages::Config::init( './' );
  43
  44 my @archives =( 'us'); #@ARCHIVES # NOT-IMPLEMENTED-YET
  45 my @suites = @SUITES;
  46 my @archs = @ARCHITECTURES;
  47
  48 $DBDIR .= "/contents";
  49 -d $DBDIR || mkpath( $DBDIR );
  50
  51 for my $archive (@archives) { for my $suite (@suites) {
  52
  53   for my $arch (@archs) {
  54
  55         my $filename = "$TOPDIR/archive/$archive/$suite/Contents-$arch.gz";
  56         my $filelist_db = "$DBDIR/filelists_${suite}_${arch}.db";
  57         next unless -f $filename;
  58         my $ftime = (stat $filename)[10]; # Note: ctime, because mtime is set back via rsync
  59         my $dbtime = (stat $filelist_db)[9];
  60         next if defined $dbtime and $dbtime > $ftime;
  61         print "Reading $archive/$suite/$arch...\n";
  62
  63         my %packages_contents = ();
  64         my %packages_contents_nr = ();
  65         my %packages_contents_lastword = ();
  66
  67         my $extra = "";
  68         $extra = "|sort" if $SORT_REVERSE_CONCURRENTLY;
  69
  70         open REVERSED, "$extra>$DBDIR/reverse.tmp"
  71                 or die "Failed to open output reverse file: $!";
  72
  73         open CONT, "zcat $filename|$what"
  74                 or die $!;
  75         while (<CONT>) {last if /^FILE/mo;}
  76         while (<CONT>) {
  77                 my $data = "";
  78                 my %data = ();
  79                 chomp;
  80                 print "Doing line ".($./1000)."k (out of approx 1.5M)\n" if $. % 250000 == 0;
  81                 /^(.+?)\s+(\S+)$/o;
  82                 my ($file, $value) = ($1, $2);
  83                 $value =~ s#[^,/]+/##og;
  84                 my @packages = split /,/, $value;
  85                 for (@packages) {
  86                         $packages_contents_nr{$_}++;
  87                         my $lw = $packages_contents_lastword{$_} || "\0";
  88                         my $i=0;
  89                         while (substr($file,$i,1) eq substr($lw,$i++,1)) {}
  90                         $i--;
  91                         $i = 255 if $i > 255;
  92                         $packages_contents{$_} .= pack "CC/a*", ($i, substr($file, $i));
  93                         $packages_contents_lastword{$_} = "$file\0";
  94                 }
  95                 # Searches are case-insensitive
  96                 $file =~ tr [A-Z] [a-z];
  97
  98                 print REVERSED (reverse $file)."\0".(join ":$arch\0", @packages).":$arch\n";
  99         }
 100         close CONT;
 101         close REVERSED;
 102
 103         print "Sorting reverse list if needed\n";
 104         system("cd $DBDIR && sort reverse.tmp > reverse.sorted && mv reverse.{sorted,tmp}") == 0
 105                 or die "Failed to sort reverse"
 106                 unless $SORT_REVERSE_CONCURRENTLY;
 107
 108         print "Writing filelist db\n";
 109         tie my %packages_contents_db, "DB_File", "$filelist_db.new",
 110                 O_RDWR|O_CREAT, 0666, $DB_BTREE
 111                 or die "Error creating DB: $!";
 112         while (my ($k, $v) = each(%packages_contents)) {
 113                 $packages_contents_db{$k} = (pack "L", $packages_contents_nr{$k})
 114                         . $v;
 115         }
 116         untie %packages_contents_db;
 117
 118         rename("$DBDIR/reverse.tmp", "$DBDIR/reverse_${suite}_${arch}.txt");
 119
 120         rename("$filelist_db.new", $filelist_db);
 121         system("ln -sf $filelist_db $DBDIR/filelists_${suite}_all.db") == 0
 122                 or die "Oops";
 123   }
 124
 125
 126   my $go = 0;
 127   my $suite_mtime = (stat "$DBDIR/reverse_$suite.db")[9];
 128   for my $file (glob "$DBDIR/reverse_${suite}_*.txt") {
 129           $go = 1 if not defined $suite_mtime
 130                   or $suite_mtime < (stat $file)[9];
 131   }
 132   next unless $go;
 133
 134   print "Merging reverse path lists for ${suite}...\n";
 135
 136   open MERGED, "sort -m $DBDIR/reverse_${suite}_*.txt |"
 137         or die "Failed to open merged list";
 138   open FILENAMES, "> $DBDIR/filenames_$suite.txt.new"
 139         or die "Failed to open filenames list";
 140   tie my %reverse_path_db, "DB_File", "$DBDIR/reverse_${suite}.db.new",
 141           O_RDWR|O_CREAT, 0666, $DB_BTREE
 142           or die "Error creating DB: $!";
 143
 144   my $lastpath = "";
 145   my $lastfile = "";
 146   my @matches = ();
 147   while (<MERGED>) {
 148         print "Doing line ".($./1000000)."M (out of approx. 16M)\n" if $. % 1000000 == 0;
 149         chomp;
 150         my @line = split /\0/o, $_;
 151         my $revpath = shift @line;
 152         if ($revpath ne $lastpath) {
 153       # Wrap: Do useful stuff with this ($lastpath, @matches)
 154           $reverse_path_db{$lastpath} = join "\0", @matches if $lastpath ne "";
 155           $lastpath =~ s,/.*,,o;
 156           if ($lastfile ne $lastpath) {
 157                 $lastfile = $lastpath;
 158                 print FILENAMES (reverse $lastfile)."\n";
 159           }
 160           #
 161           $lastpath = $revpath;
 162           @matches = @line;
 163           next;
 164         }
 165         push @matches, @line
 166   }
 167   # Note: do useful stuff here too, for out last entry. Maybe prevent this by
 168   # adding a fake ultimate entry?
 169   $reverse_path_db{$lastpath} = join "\0", @matches;
 170
 171   untie %reverse_path_db;
 172   close FILENAMES;
 173   close MERGED;
 174
 175   rename "$DBDIR/filenames_$suite.txt.new", "$DBDIR/filenames_$suite.txt";
 176   rename "$DBDIR/reverse_$suite.db.new", "$DBDIR/reverse_$suite.db";
 177 }}
 178
 179 # vim: set ts=4