]> Sergey Matveev's repositories - public-inbox.git/blob - t/check-www-inbox.perl
lei: no Perl FileHandle for `undef' w/ ECONNRESET
[public-inbox.git] / t / check-www-inbox.perl
1 #!/usr/bin/perl -w
2 # Copyright (C) 2016-2021 all contributors <meta@public-inbox.org>
3 # License: AGPL-3.0+ <https://www.gnu.org/licenses/agpl-3.0.txt>
4 # Parallel WWW checker
5 my $usage = "$0 [-j JOBS] [-s SLOW_THRESHOLD] URL_OF_INBOX\n";
6 use strict;
7 use warnings;
8 use File::Temp qw(tempfile);
9 use GDBM_File;
10 use Getopt::Long qw(:config gnu_getopt no_ignore_case auto_abbrev);
11 use IO::Socket;
12 use LWP::ConnCache;
13 use POSIX qw(:sys_wait_h);
14 use Time::HiRes qw(gettimeofday tv_interval);
15 use WWW::Mechanize;
16 use Data::Dumper;
17
18 # we want to use vfork+exec with spawn, WWW::Mechanize can use too much
19 # memory and fork(2) fails
20 use PublicInbox::Spawn qw(spawn which);
21 $ENV{PERL_INLINE_DIRECTORY} or warn "PERL_INLINE_DIRECTORY unset, may OOM\n";
22
23 our $tmp_owner = $$;
24 my $nproc = 4;
25 my $slow = 0.5;
26 my %opts = (
27         '-j|jobs=i' => \$nproc,
28         '-s|slow-threshold=f' => \$slow,
29 );
30 GetOptions(%opts) or die "bad command-line args\n$usage";
31 my $root_url = shift or die $usage;
32
33 chomp(my $xmlstarlet = which('xmlstarlet'));
34 my $atom_check = eval {
35         my $cmd = [ qw(xmlstarlet val -e -) ];
36         sub {
37                 my ($in, $out, $err) = @_;
38                 use autodie;
39                 open my $in_fh, '+>', undef;
40                 open my $out_fh, '+>', undef;
41                 open my $err_fh, '+>', undef;
42                 print $in_fh $$in;
43                 $in_fh->flush;
44                 sysseek($in_fh, 0, 0);
45                 my $rdr = {
46                         0 => fileno($in_fh),
47                         1 => fileno($out_fh),
48                         2 => fileno($err_fh),
49                 };
50                 my $pid = spawn($cmd, undef, $rdr);
51                 while (waitpid($pid, 0) != $pid) {
52                         next if $!{EINTR};
53                         warn "waitpid(xmlstarlet, $pid) $!";
54                         return $!;
55                 }
56                 sysseek($out_fh, 0, 0);
57                 sysread($out_fh, $$out, -s $out_fh);
58                 sysseek($err_fh, 0, 0);
59                 sysread($err_fh, $$err, -s $err_fh);
60                 $?
61         }
62 } if $xmlstarlet;
63
64 my %workers;
65 $SIG{INT} = sub { exit 130 };
66 $SIG{TERM} = sub { exit 0 };
67 $SIG{CHLD} = sub {
68         while (1) {
69                 my $pid = waitpid(-1, WNOHANG);
70                 return if !defined $pid || $pid <= 0;
71                 my $p = delete $workers{$pid} || '(unknown)';
72                 warn("$pid [$p] exited with $?\n") if $?;
73         }
74 };
75
76 my @todo = IO::Socket->socketpair(AF_UNIX, SOCK_SEQPACKET, 0);
77 die "socketpair failed: $!" unless $todo[1];
78 my @done = IO::Socket->socketpair(AF_UNIX, SOCK_SEQPACKET, 0);
79 die "socketpair failed: $!" unless $done[1];
80 $| = 1;
81
82 foreach my $p (1..$nproc) {
83         my $pid = fork;
84         die "fork failed: $!\n" unless defined $pid;
85         if ($pid) {
86                 $workers{$pid} = $p;
87         } else {
88                 $todo[1]->close;
89                 $done[0]->close;
90                 worker_loop($todo[0], $done[1]);
91         }
92 }
93
94 my ($fh, $tmp) = tempfile('www-check-XXXX',
95                         SUFFIX => '.gdbm', UNLINK => 1, TMPDIR => 1);
96 my $gdbm = tie my %seen, 'GDBM_File', $tmp, &GDBM_WRCREAT, 0600;
97 defined $gdbm or die "gdbm open failed: $!\n";
98 $todo[0]->close;
99 $done[1]->close;
100
101 my ($rvec, $wvec);
102 $todo[1]->blocking(0);
103 $done[0]->blocking(0);
104 $seen{$root_url} = 1;
105 my $ndone = 0;
106 my $nsent = 1;
107 my @queue = ($root_url);
108 my $timeout = $slow * 4;
109 while (keys %workers) { # reacts to SIGCHLD
110         $wvec = $rvec = '';
111         my $u;
112         vec($rvec, fileno($done[0]), 1) = 1;
113         if (@queue) {
114                 vec($wvec, fileno($todo[1]), 1) = 1;
115         } elsif ($ndone == $nsent) {
116                 kill 'TERM', keys %workers;
117                 exit;
118         }
119         if (!select($rvec, $wvec, undef, $timeout)) {
120                 while (my ($k, $v) = each %seen) {
121                         next if $v == 2;
122                         print "WAIT ($ndone/$nsent) <$k>\n";
123                 }
124         }
125         while ($u = shift @queue) {
126                 my $s = $todo[1]->send($u, MSG_EOR);
127                 if ($!{EAGAIN}) {
128                         unshift @queue, $u;
129                         last;
130                 }
131         }
132         my $r;
133         do {
134                 $r = $done[0]->recv($u, 65535, 0);
135         } while (!defined $r && $!{EINTR});
136         next unless $u;
137         if ($u =~ s/\ADONE\t//) {
138                 $ndone++;
139                 $seen{$u} = 2;
140         } else {
141                 next if $seen{$u};
142                 $seen{$u} = 1;
143                 $nsent++;
144                 push @queue, $u;
145         }
146 }
147
148 sub worker_loop {
149         my ($todo_rd, $done_wr) = @_;
150         $SIG{CHLD} = 'DEFAULT';
151         my $m = WWW::Mechanize->new(autocheck => 0);
152         my $cc = LWP::ConnCache->new;
153         $m->stack_depth(0); # no history
154         $m->conn_cache($cc);
155         while (1) {
156                 $todo_rd->recv(my $u, 65535, 0);
157                 next unless $u;
158
159                 my $t = [ gettimeofday ];
160                 my $r = $m->get($u);
161                 $t = tv_interval($t);
162                 printf "SLOW %0.06f % 5d %s\n", $t, $$, $u if $t > $slow;
163                 my @links;
164                 if ($r->is_success) {
165                         my %links = map {
166                                 (split('#', $_->URI->abs->as_string))[0] => 1;
167                         } grep {
168                                 $_->tag && $_->url !~ /:/
169                         } $m->links;
170                         @links = keys %links;
171                 } elsif ($r->code != 300) {
172                         warn "W: ".$r->code . " $u\n"
173                 }
174
175                 my $s;
176                 # blocking
177                 foreach my $l (@links, "DONE\t$u") {
178                         next if $l eq '' || $l =~ /\.mbox(?:\.gz)\z/;
179                         do {
180                                 $s = $done_wr->send($l, MSG_EOR);
181                         } while (!defined $s && $!{EINTR});
182                         die "$$ send $!\n" unless defined $s;
183                         my $n = length($l);
184                         die "$$ send truncated $s < $n\n" if $s != $n;
185                 }
186
187                 # make sure the HTML source doesn't screw up terminals
188                 # when people curl the source (not remotely an expert
189                 # on languages or encodings, here).
190                 my $ct = $r->header('Content-Type') || '';
191                 warn "no Content-Type: $u\n" if $ct eq '';
192
193                 if ($atom_check && $ct =~ m!\bapplication/atom\+xml\b!) {
194                         my $raw = $r->decoded_content;
195                         my ($out, $err) = ('', '');
196                         my $fail = $atom_check->(\$raw, \$out, \$err);
197                         warn "Atom ($fail) - $u - <1:$out> <2:$err>\n" if $fail;
198                 }
199
200                 next if $ct !~ m!\btext/html\b!;
201                 my $dc = $r->decoded_content;
202                 if ($dc =~ /([\x00-\x08\x0d-\x1f\x7f-\x{99999999}]+)/s) {
203                         my $o = $1;
204                         my $c = Dumper($o);
205                         warn "bad: $u $c\n";
206                 }
207         }
208 }