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 File::Path;
  39 use Packages::Config qw( $TOPDIR $DBDIR @ARCHIVES @SUITES @ARCHITECTURES );
  40 &Packages::Config::init( './' );
  41
  42 my @archives =( 'us'); #@ARCHIVES # NOT-IMPLEMENTED-YET
  43 my @suites = @SUITES;
  44 my @archs = @ARCHITECTURES;
  45
  46 $DBDIR .= "/contents";
  47 -d $DBDIR || mkpath( $DBDIR );
  48
  49 for my $archive (@archives) { for my $suite (@suites) {
  50
  51   for my $arch (@archs) {
  52
  53         my $filename = "$TOPDIR/archive/$archive/$suite/Contents-$arch.gz";
  54         my $filelist_db = "$DBDIR/filelists_${suite}_${arch}.db";
  55         next unless -f $filename;
  56         my $ftime = (stat $filename)[10]; # Note: ctime, because mtime is set back via rsync
  57         my $dbtime = (stat $filelist_db)[9];
  58         next if defined $dbtime and $dbtime > $ftime;
  59         print "Reading $archive/$suite/$arch...\n";
  60
  61         my %packages_contents = ();
  62         my %packages_contents_nr = ();
  63         my %packages_contents_lastword = ();
  64
  65         my $extra = "";
  66         $extra = "|sort" if $SORT_REVERSE_CONCURRENTLY;
  67
  68         open REVERSED, "$extra>$DBDIR/reverse.tmp"
  69                 or die "Failed to open output reverse file: $!";
  70
  71         open CONT, "zcat $filename|$what"
  72                 or die $!;
  73         while (<CONT>) {last if /^FILE/mo;}
  74         while (<CONT>) {
  75                 my $data = "";
  76                 my %data = ();
  77                 chomp;
  78                 print "Doing line ".($./1000)."k (out of approx 1.5M)\n" if $. % 250000 == 0;
  79                 /^(.+?)\s+(\S+)$/o;
  80                 my ($file, $value) = ($1, $2);
  81                 $value =~ s#[^,/]+/##og;
  82                 my @packages = split /,/, $value;
  83                 for (@packages) {
  84                         $packages_contents_nr{$_}++;
  85                         my $lw = $packages_contents_lastword{$_} || "\0";
  86                         my $i=0;
  87                         while (substr($file,$i,1) eq substr($lw,$i++,1)) {}
  88                         $i--;
  89                         $i = 255 if $i > 255;
  90                         $packages_contents{$_} .= pack "CC/a*", ($i, substr($file, $i));
  91                         $packages_contents_lastword{$_} = "$file\0";
  92                 }
  93                 # Searches are case-insensitive
  94                 $file =~ tr [A-Z] [a-z];
  95
  96                 print REVERSED (reverse $file)."\0".(join ":$arch\0", @packages).":$arch\n";
  97         }
  98         close CONT;
  99         close REVERSED;
 100
 101         print "Sorting reverse list if needed\n";
 102         system("cd $DBDIR && sort reverse.tmp > reverse.sorted && mv reverse.{sorted,tmp}") == 0
 103                 or die "Failed to sort reverse"
 104                 unless $SORT_REVERSE_CONCURRENTLY;
 105
 106         print "Writing filelist db\n";
 107         tie my %packages_contents_db, "DB_File", "$filelist_db.new",
 108                 O_RDWR|O_CREAT, 0666, $DB_BTREE
 109                 or die "Error creating DB: $!";
 110         while (my ($k, $v) = each(%packages_contents)) {
 111                 $packages_contents_db{$k} = (pack "L", $packages_contents_nr{$k})
 112                         . $v;
 113         }
 114         untie %packages_contents_db;
 115
 116         rename("$DBDIR/reverse.tmp", "$DBDIR/reverse_${suite}_${arch}.txt");
 117
 118         rename("$filelist_db.new", $filelist_db);
 119         system("ln -sf $filelist_db $DBDIR/filelists_${suite}_all.db") == 0
 120                 or die "Oops";
 121   }
 122
 123
 124   my $go = 0;
 125   my $suite_mtime = (stat "$DBDIR/reverse_$suite.db")[9];
 126   for my $file (glob "$DBDIR/reverse_${suite}_*.txt") {
 127           $go = 1 if not defined $suite_mtime
 128                   or $suite_mtime < (stat $file)[9];
 129   }
 130   next unless $go;
 131
 132   print "Merging reverse path lists for ${suite}...\n";
 133
 134   open MERGED, "sort -m $DBDIR/reverse_${suite}_*.txt |"
 135         or die "Failed to open merged list";
 136   open FILENAMES, "> $DBDIR/filenames_$suite.txt.new"
 137         or die "Failed to open filenames list";
 138   tie my %reverse_path_db, "DB_File", "$DBDIR/reverse_${suite}.db.new",
 139           O_RDWR|O_CREAT, 0666, $DB_BTREE
 140           or die "Error creating DB: $!";
 141
 142   my $lastpath = "";
 143   my $lastfile = "";
 144   my @matches = ();
 145   while (<MERGED>) {
 146         print "Doing line ".($./1000000)."M (out of approx. 16M)\n" if $. % 1000000 == 0;
 147         chomp;
 148         my @line = split /\0/o, $_;
 149         my $revpath = shift @line;
 150         if ($revpath ne $lastpath) {
 151       # Wrap: Do useful stuff with this ($lastpath, @matches)
 152           $reverse_path_db{$lastpath} = join "\0", @matches if $lastpath ne "";
 153           $lastpath =~ s,/.*,,o;
 154           if ($lastfile ne $lastpath) {
 155                 $lastfile = $lastpath;
 156                 print FILENAMES (reverse $lastfile)."\n";
 157           }
 158           #
 159           $lastpath = $revpath;
 160           @matches = @line;
 161           next;
 162         }
 163         push @matches, @line
 164   }
 165   # Note: do useful stuff here too, for out last entry. Maybe prevent this by
 166   # adding a fake ultimate entry?
 167   $reverse_path_db{$lastpath} = join "\0", @matches;
 168
 169   untie %reverse_path_db;
 170   close FILENAMES;
 171   close MERGED;
 172
 173   rename "$DBDIR/filenames_$suite.txt.new", "$DBDIR/filenames_$suite.txt";
 174   rename "$DBDIR/reverse_$suite.db.new", "$DBDIR/reverse_$suite.db";
 175 }}
 176
 177 # vim: set ts=4