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 # Copyright (C) 2006  Jeroen van Wolffelaar <jeroen@wolffelaar.nl>
   6 # This program is free software; you can redistribute it and/or modify
   7 # it under the terms of the GNU General Public License as published by
   8 # the Free Software Foundation; either version 2 of the License, or
   9 # (at your option) any later version.
  10
  11 # This program is distributed in the hope that it will be useful,
  12 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  13 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  14 # GNU General Public License for more details.
  15
  16 # You should have received a copy of the GNU General Public License
  17 # along with this program; if not, write to the Free Software
  18 # Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA.
  19
  20 use strict;
  21 use warnings;
  22 use lib './lib';
  23
  24 $| = 1;
  25
  26 # Important, we want sorting and such to happen like in the C locale: binary,
  27 # without any fancy collation. FIXME: is this actually adequate?
  28 $ENV{"LC_ALL"} = 'C';
  29
  30 my $what = $ARGV[0] ? "head -10000|" : "";
  31
  32 # More RAM vs more disk I/O tradeoff parameters, does not change
  33 # functionality. True will always use more RAM at the benefit of less
  34 # temporary files, and is adviced when possible
  35 my $SORT_REVERSE_CONCURRENTLY = 1;
  36
  37 use DB_File;
  38 use Storable;
  39 use File::Path;
  40 use Packages::Config qw( $TOPDIR $DBDIR @ARCHIVES @SUITES @ARCHITECTURES );
  41 &Packages::Config::init( './' );
  42
  43 my @archives = @ARCHIVES;
  44 my @suites = @SUITES;
  45 my @archs = @ARCHITECTURES;
  46
  47 $DBDIR .= "/contents";
  48 -d $DBDIR || mkpath( $DBDIR );
  49
  50 for my $suite (@suites) {
  51     for my $arch (@archs) {
  52
  53         my $filelist_db = "$DBDIR/filelists_${suite}_${arch}.db";
  54         my $dbtime = (stat $filelist_db)[9];
  55         my %packages_contents = ();
  56         my %packages_contents_nr = ();
  57         my %packages_contents_lastword = ();
  58
  59         my $extra = "";
  60         $extra = "|sort" if $SORT_REVERSE_CONCURRENTLY;
  61
  62         open REVERSED, "$extra>$DBDIR/reverse.tmp"
  63             or die "Failed to open output reverse file: $!";
  64
  65         my $changed = 0;
  66         for my $archive (@archives) {
  67
  68             my $filename = "$TOPDIR/archive/$archive/$suite/Contents-$arch.gz";
  69             next unless -f $filename;
  70             # Note: ctime, because mtime is set back via rsync
  71             my $ftime = (stat $filename)[10];
  72             next if defined $dbtime and $dbtime > $ftime;
  73             print "$archive/$suite/$arch needs update\n";
  74             $changed++;
  75         }
  76         if ($changed) {
  77             for my $archive (@archives) {
  78
  79                 my $filename = "$TOPDIR/archive/$archive/$suite/Contents-$arch.gz";
  80                 next unless -f $filename;
  81                 print "Reading $archive/$suite/$arch...\n";
  82
  83                 open CONT, "zcat $filename|$what"
  84                     or die $!;
  85                 while (<CONT>) { last if /^FILE/mo; }
  86                 if (eof(CONT)) { # no header found
  87                     close CONT; # explicit close to reset $.
  88                     open CONT, "zcat $filename|$what";
  89                 }
  90                 while (<CONT>) {
  91                     my $data = "";
  92                     my %data = ();
  93                     chomp;
  94                     print "Doing line ".($./1000)."k (out of approx 2.0M)\n" if $. % 250000 == 0;
  95                     /^(.+?)\s+(\S+)$/o;
  96                     my ($file, $value) = ($1, $2);
  97                     $value =~ s#[^,/]+/##og;
  98                     my @packages = split /,/, $value;
  99                     for (@packages) {
 100                         $packages_contents_nr{$_}++;
 101                         my $lw = $packages_contents_lastword{$_} || "\0";
 102                         my $i=0;
 103                         while (substr($file,$i,1) eq substr($lw,$i++,1)) {}
 104                         $i--;
 105                         $i = 255 if $i > 255;
 106                         $packages_contents{$_} .= pack "CC/a*", ($i, substr($file, $i));
 107                         $packages_contents_lastword{$_} = "$file\0";
 108                     }
 109                     # Searches are case-insensitive
 110                     (my $nocase = $file) =~ tr [A-Z] [a-z];
 111                     my $case = ($nocase eq $file) ? '-' : $file;
 112
 113                     print REVERSED (reverse $nocase)."\0".$case."\0".
 114                         (join ":$arch\0", @packages).":$arch\n";
 115                 }
 116                 close CONT;
 117
 118             }
 119             close REVERSED;
 120
 121             print "Sorting reverse list if needed\n";
 122             system("cd $DBDIR && sort reverse.tmp > reverse.sorted && mv reverse.{sorted,tmp}") == 0
 123                 or die "Failed to sort reverse"
 124                 unless $SORT_REVERSE_CONCURRENTLY;
 125
 126             print "Writing filelist db\n";
 127             tie my %packages_contents_db, "DB_File", "$filelist_db.new",
 128             O_RDWR|O_CREAT, 0666, $DB_BTREE
 129                 or die "Error creating DB: $!";
 130             while (my ($k, $v) = each(%packages_contents)) {
 131                 $packages_contents_db{$k} = (pack "L", $packages_contents_nr{$k})
 132                     . $v;
 133             }
 134             untie %packages_contents_db;
 135
 136             rename("$DBDIR/reverse.tmp", "$DBDIR/reverse_${suite}_${arch}.txt");
 137
 138             rename("$filelist_db.new", $filelist_db);
 139             system("ln", "-sf", $filelist_db, "$DBDIR/filelists_${suite}_all.db") == 0
 140                 or die "Oops";
 141         }
 142     }
 143
 144     my $go = 0;
 145     my $suite_mtime = (stat "$DBDIR/reverse_$suite.db")[9];
 146     for my $file (glob "$DBDIR/reverse_${suite}_*.txt") {
 147         $go = 1 if not defined $suite_mtime
 148             or $suite_mtime < (stat $file)[9];
 149     }
 150     next unless $go;
 151
 152     print "Merging reverse path lists for ${suite}...\n";
 153
 154     open MERGED, "-|", "sort -m $DBDIR/reverse_${suite}_*.txt"
 155         or die "Failed to open merged list";
 156     open FILENAMES, ">", "$DBDIR/filenames_$suite.txt.new"
 157         or die "Failed to open filenames list";
 158     tie my %reverse_path_db, "DB_File", "$DBDIR/reverse_${suite}.db.new",
 159     O_RDWR|O_CREAT, 0666, $DB_BTREE
 160         or die "Error creating DB: $!";
 161
 162     my $lastpath = my $lastcasepath = my $lastfile = "";
 163     my %matches = ();
 164     while (<MERGED>) {
 165         print "Doing line ".($./1000000)."M (out of approx. 20M)\n"
 166             if $. % 1000000 == 0;
 167         chomp;
 168         my @line = split /\0/o, $_;
 169         my $revpath = shift @line;
 170         my $casepath = shift @line;
 171         if ($revpath ne $lastpath) {
 172             # Wrap: Do useful stuff with this ($lastpath, @matches)
 173             if ($lastpath ne "") {
 174                 my @matches;
 175                 while (my ($k, $v) = each %matches) {
 176                     push @matches, join("\0", $k, @$v);
 177                 }
 178                 $reverse_path_db{$lastpath} = join "\1", @matches;
 179                 %matches = ();
 180             }
 181             $lastpath =~ s,/.*,,o;
 182             if ($lastfile ne $lastpath) {
 183                 $lastfile = $lastpath;
 184                 print FILENAMES (reverse $lastfile)."\n";
 185             }
 186             #
 187             $lastpath = $revpath;
 188             $lastcasepath = $casepath;
 189             $matches{$casepath} = \@line;
 190             next;
 191 #       } elsif ($lastcasepath ne "" and $casepath ne $lastcasepath) {
 192 #           warn reverse($revpath)." has more than one casepath: $casepath $lastcasepath\n";
 193         }
 194         push @{$matches{$casepath}}, @line;
 195     }
 196     # Note: do useful stuff here too, for out last entry. Maybe prevent this by
 197     # adding a fake ultimate entry?
 198     {
 199         my @matches;
 200         while (my ($k, $v) = each %matches) {
 201             push @matches, join("\0", $k, @$v);
 202         }
 203         $reverse_path_db{$lastpath} = join "\1", @matches;
 204     }
 205
 206     untie %reverse_path_db;
 207     close FILENAMES;
 208     close MERGED;
 209
 210     rename "$DBDIR/filenames_$suite.txt.new", "$DBDIR/filenames_$suite.txt";
 211     rename "$DBDIR/reverse_$suite.db.new", "$DBDIR/reverse_$suite.db";
 212 }
 213
 214 # vim: set ts=4