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 # Important, we want sorting and such to happen like in the C locale: binary,
  26 # without any fancy collation. FIXME: is this actually adequate?
  27 $ENV{"LC_ALL"} = 'C';
  28
  29 my $what = $ARGV[0] ? "head -10000|" : "";
  30
  31 # More RAM vs more disk I/O tradeoff parameters, does not change
  32 # functionality. True will always use more RAM at the benefit of less
  33 # temporary files, and is adviced when possible
  34 my $SORT_REVERSE_CONCURRENTLY = 1;
  35
  36 use DB_File;
  37 use Storable;
  38 use Packages::Config qw( $TOPDIR $DBDIR @ARCHIVES @SUITES @ARCHITECTURES );
  39 &Packages::Config::init( './' );
  40
  41 my @archives =( 'us'); #@ARCHIVES # NOT-IMPLEMENTED-YET
  42 my @suites = @SUITES;
  43 my @archs = @ARCHITECTURES;
  44
  45 $DBDIR .= "/contents";
  46
  47 for my $archive (@archives) { for my $suite (@suites) {
  48
  49   for my $arch (@archs) {
  50
  51         my $filename = "$TOPDIR/archive/$archive/$suite/Contents-$arch.gz";
  52         my $filelist_db = "$DBDIR/filelists_${suite}_${arch}.db";
  53         next unless -f $filename;
  54         my $ftime = (stat $filename)[10]; # Note: ctime, because mtime is set back via rsync
  55         my $dbtime = (stat $filelist_db)[9];
  56         next if defined $dbtime and $dbtime > $ftime;
  57         print "Reading $archive/$suite/$arch...\n";
  58
  59         my %packages_contents = ();
  60         my %packages_contents_nr = ();
  61         my %packages_contents_lastword = ();
  62
  63         my $extra = "";
  64         $extra = "|sort" if $SORT_REVERSE_CONCURRENTLY;
  65
  66         open REVERSED, "$extra>$DBDIR/reverse.tmp"
  67                 or die "Failed to open output reverse file";
  68
  69         open CONT, "zcat $filename|$what";
  70         while (<CONT>) {last if /^FILE/mo;}
  71         while (<CONT>) {
  72                 my $data = "";
  73                 my %data = ();
  74                 chomp;
  75                 print "Doing line ".($./1000)."k (out of approx 1.5M)\n" if $. % 250000 == 0;
  76                 /^(.+?)\s+(\S+)$/o;
  77                 my ($file, $value) = ($1, $2);
  78                 $value =~ s#[^,/]+/##og;
  79                 my @packages = split /,/, $value;
  80                 for (@packages) {
  81                         $packages_contents_nr{$_}++;
  82                         my $lw = $packages_contents_lastword{$_} || "\0";
  83                         my $i=0;
  84                         while (substr($file,$i,1) eq substr($lw,$i++,1)) {}
  85                         $i--;
  86                         $i = 255 if $i > 255;
  87                         $packages_contents{$_} .= pack "CC/a*", ($i, substr($file, $i));
  88                         $packages_contents_lastword{$_} = "$file\0";
  89                 }
  90                 # Searches are case-insensitive
  91                 $file =~ tr [A-Z] [a-z];
  92
  93                 print REVERSED (reverse $file)."\0".(join ":$arch\0", @packages).":$arch\n";
  94         }
  95         close CONT;
  96         close REVERSED;
  97
  98         print "Sorting reverse list if needed\n";
  99         system("cd $DBDIR && sort reverse.tmp > reverse.sorted && mv reverse.{sorted,tmp}") == 0
 100                 or die "Failed to sort reverse"
 101                 unless $SORT_REVERSE_CONCURRENTLY;
 102
 103         print "Writing filelist db\n";
 104         tie my %packages_contents_db, "DB_File", "$filelist_db.new",
 105                 O_RDWR|O_CREAT, 0666, $DB_BTREE
 106                 or die "Error creating DB: $!";
 107         while (my ($k, $v) = each(%packages_contents)) {
 108                 $packages_contents_db{$k} = (pack "L", $packages_contents_nr{$k})
 109                         . $v;
 110         }
 111         untie %packages_contents_db;
 112
 113         rename("$DBDIR/reverse.tmp", "$DBDIR/reverse_${suite}_${arch}.txt");
 114
 115         rename("$filelist_db.new", $filelist_db);
 116         system("ln -sf $filelist_db $DBDIR/filelists_${suite}_all.db") == 0
 117                 or die "Oops";
 118   }
 119
 120
 121   my $go = 0;
 122   my $suite_mtime = (stat "$DBDIR/reverse_$suite.db")[9];
 123   for my $file (glob "$DBDIR/reverse_${suite}_*.txt") {
 124           $go = 1 if not defined $suite_mtime
 125                   or $suite_mtime < (stat $file)[9];
 126   }
 127   next unless $go;
 128
 129   print "Merging reverse path lists for ${suite}...\n";
 130
 131   open MERGED, "sort -m $DBDIR/reverse_${suite}_*.txt |"
 132         or die "Failed to open merged list";
 133   open FILENAMES, "> $DBDIR/filenames_$suite.txt.new"
 134         or die "Failed to open filenames list";
 135   tie my %reverse_path_db, "DB_File", "$DBDIR/reverse_${suite}.db.new",
 136           O_RDWR|O_CREAT, 0666, $DB_BTREE
 137           or die "Error creating DB: $!";
 138
 139   my $lastpath = "";
 140   my $lastfile = "";
 141   my @matches = ();
 142   while (<MERGED>) {
 143         print "Doing line ".($./1000000)."M (out of approx. 16M)\n" if $. % 1000000 == 0;
 144         chomp;
 145         my @line = split /\0/o, $_;
 146         my $revpath = shift @line;
 147         if ($revpath ne $lastpath) {
 148       # Wrap: Do useful stuff with this ($lastpath, @matches)
 149           $reverse_path_db{$lastpath} = join "\0", @matches if $lastpath ne "";
 150           $lastpath =~ s,/.*,,o;
 151           if ($lastfile ne $lastpath) {
 152                 $lastfile = $lastpath;
 153                 print FILENAMES (reverse $lastfile)."\n";
 154           }
 155           #
 156           $lastpath = $revpath;
 157           @matches = @line;
 158           next;
 159         }
 160         push @matches, @line
 161   }
 162   # Note: do useful stuff here too, for out last entry. Maybe prevent this by
 163   # adding a fake ultimate entry?
 164   $reverse_path_db{$lastpath} = join "\0", @matches;
 165
 166   untie %reverse_path_db;
 167   close FILENAMES;
 168   close MERGED;
 169
 170   rename "$DBDIR/filenames_$suite.txt.new", "$DBDIR/filenames_$suite.txt";
 171   rename "$DBDIR/reverse_$suite.db.new", "$DBDIR/reverse_$suite.db";
 172 }}
 173
 174 # vim: set ts=4