]> Sergey Matveev's repositories - public-inbox.git/blobdiff - lib/PublicInbox/LeiXSearch.pm
lei q: start wiring up saved search
[public-inbox.git] / lib / PublicInbox / LeiXSearch.pm
index d95a218e0d1878c283d8e8738c7a5c80f7345840..e15383915283715987b97d118066f64517b52f7c 100644 (file)
@@ -18,6 +18,7 @@ use PublicInbox::MID qw(mids);
 use PublicInbox::Smsg;
 use PublicInbox::Eml;
 use Fcntl qw(SEEK_SET F_SETFL O_APPEND O_RDWR);
+use PublicInbox::ContentHash qw(git_sha);
 
 sub new {
        my ($class) = @_;
@@ -68,9 +69,13 @@ sub xdb_shards_flat { @{$_[0]->{shards_flat} // []} }
 
 sub mitem_kw ($$;$) {
        my ($smsg, $mitem, $flagged) = @_;
-       my $kw = xap_terms('K', $mitem->get_document);
+       my $kw = xap_terms('K', my $doc = $mitem->get_document);
        $kw->{flagged} = 1 if $flagged;
+       # we keep the empty {kw} array here to prevent expensive work in
+       # ->xsmsg_vmd, _unbless_smsg will clobber it iff it's empty
        $smsg->{kw} = [ sort keys %$kw ];
+       my $L = xap_terms('L', $doc);
+       $smsg->{L} = [ sort keys %$L ] if scalar(keys %$L);
 }
 
 # like over->get_art
@@ -83,8 +88,10 @@ sub smsg_for {
        my $num = int(($docid - 1) / $nshard) + 1;
        my $ibx = $self->{shard2ibx}->[$shard];
        my $smsg = $ibx->over->get_art($num);
-       mitem_kw($smsg, $mitem) if $ibx->can('msg_keywords');
-       $smsg->{docid} = $docid;
+       return if $smsg->{bytes} == 0; # external message
+       if ($ibx->can('msg_keywords')) {
+               mitem_kw($smsg, $mitem);
+       }
        $smsg;
 }
 
@@ -97,11 +104,6 @@ sub recent {
 
 sub over {}
 
-sub overs_all { # for xids_for
-       my ($self) = @_;
-       grep(defined, map { $_->over } locals($self))
-}
-
 sub _mset_more ($$) {
        my ($mset, $mo) = @_;
        my $size = $mset->size;
@@ -109,7 +111,7 @@ sub _mset_more ($$) {
 }
 
 # $startq will EOF when do_augment is done augmenting and allow
-# query_mset and query_thread_mset to proceed.
+# query_combined_mset and query_thread_mset to proceed.
 sub wait_startq ($) {
        my ($lei) = @_;
        my $startq = delete $lei->{startq} or return;
@@ -142,77 +144,115 @@ sub mset_progress {
        }
 }
 
-sub query_thread_mset { # for --threads
+sub query_one_mset { # for --threads and l2m w/o sort
        my ($self, $ibxish) = @_;
-       local $0 = "$0 query_thread_mset";
+       local $0 = "$0 query_one_mset";
        my $lei = $self->{lei};
        my ($srch, $over) = ($ibxish->search, $ibxish->over);
-       my $desc = $ibxish->{inboxdir} // $ibxish->{topdir};
-       return warn("$desc not indexed by Xapian\n") unless ($srch && $over);
-       my $mo = { %{$lei->{mset_opt}} };
+       my $dir = $ibxish->{inboxdir} // $ibxish->{topdir};
+       return warn("$dir not indexed by Xapian\n") unless ($srch && $over);
+       my $mo = { %{$lei->{mset_opt}} }; # copy
        my $mset;
-       my $each_smsg = $lei->{ovv}->ovv_each_smsg_cb($lei, $ibxish);
+       my $each_smsg = $lei->{ovv}->ovv_each_smsg_cb($lei);
        my $can_kw = !!$ibxish->can('msg_keywords');
-       my $fl = $lei->{opt}->{threads} > 1 ? [ 'flagged' ] : undef;
+       my $threads = $lei->{opt}->{threads} // 0;
+       my $fl = $threads > 1 ? 1 : undef;
+       my $lss = $lei->{dedupe};
+       $lss = undef unless $lss && $lss->can('cfg_set'); # saved search
+       my $maxk = "external.$dir.maxuid";
+       my $stop_at = $lss ? $lss->{-cfg}->{$maxk} : undef;
+       if (defined $stop_at) {
+               die "$maxk=$stop_at has multiple values" if ref $stop_at;
+               my @e;
+               local $SIG{__WARN__} = sub { push @e, @_ };
+               $stop_at += 0;
+               return warn("$maxk=$stop_at: @e") if @e;
+       }
+       my $first_ids;
        do {
                $mset = $srch->mset($mo->{qstr}, $mo);
-               mset_progress($lei, $desc, $mset->size,
+               mset_progress($lei, $dir, $mset->size,
                                $mset->get_matches_estimated);
+               wait_startq($lei); # wait for keyword updates
                my $ids = $srch->mset_to_artnums($mset, $mo);
-               my $ctx = { ids => $ids };
+               @$ids = grep { $_ > $stop_at } @$ids if defined($stop_at);
                my $i = 0;
-               my %n2item = map { ($ids->[$i++], $_) } $mset->items;
-               while ($over->expand_thread($ctx)) {
-                       for my $n (@{$ctx->{xids}}) {
-                               my $smsg = $over->get_art($n) or next;
-                               wait_startq($lei);
-                               my $mitem = delete $n2item{$smsg->{num}};
-                               if ($mitem) {
-                                       if ($can_kw) {
+               if ($threads) {
+                       # copy $ids if $lss since over->expand_thread
+                       # shifts @{$ctx->{ids}}
+                       $first_ids = [ @$ids ] if $lss;
+                       my $ctx = { ids => $ids };
+                       my %n2item = map { ($ids->[$i++], $_) } $mset->items;
+                       while ($over->expand_thread($ctx)) {
+                               for my $n (@{$ctx->{xids}}) {
+                                       my $smsg = $over->get_art($n) or next;
+                                       my $mitem = delete $n2item{$n};
+                                       next if $smsg->{bytes} == 0;
+                                       if ($mitem && $can_kw) {
                                                mitem_kw($smsg, $mitem, $fl);
-                                       } elsif ($fl) {
-                                               $smsg->{kw} = $fl;
+                                       } elsif ($mitem && $fl) {
+                                               # call ->xsmsg_vmd, later
+                                               $smsg->{lei_q_tt_flagged} = 1;
                                        }
+                                       $each_smsg->($smsg, $mitem);
                                }
+                               @{$ctx->{xids}} = ();
+                       }
+               } else {
+                       $first_ids = $ids;
+                       my @items = $mset->items;
+                       for my $n (@$ids) {
+                               my $mitem = $items[$i++];
+                               my $smsg = $over->get_art($n) or next;
+                               next if $smsg->{bytes} == 0;
+                               mitem_kw($smsg, $mitem, $fl) if $can_kw;
                                $each_smsg->($smsg, $mitem);
                        }
-                       @{$ctx->{xids}} = ();
                }
        } while (_mset_more($mset, $mo));
-       undef $each_smsg; # drops @io for l2m->{each_smsg_done}
+       if ($lss && scalar(@$first_ids)) {
+               undef $stop_at;
+               my $max = $first_ids->[0];
+               $lss->cfg_set($maxk, $max);
+               undef $lss;
+       }
+       undef $each_smsg; # may commit
        $lei->{ovv}->ovv_atexit_child($lei);
 }
 
-sub query_mset { # non-parallel for non-"--threads" users
+sub query_combined_mset { # non-parallel for non-"--threads" users
        my ($self) = @_;
-       local $0 = "$0 query_mset";
+       local $0 = "$0 query_combined_mset";
        my $lei = $self->{lei};
        my $mo = { %{$lei->{mset_opt}} };
        my $mset;
        for my $loc (locals($self)) {
                attach_external($self, $loc);
        }
-       my $each_smsg = $lei->{ovv}->ovv_each_smsg_cb($lei, $self);
+       my $each_smsg = $lei->{ovv}->ovv_each_smsg_cb($lei);
        do {
                $mset = $self->mset($mo->{qstr}, $mo);
                mset_progress($lei, 'xsearch', $mset->size,
                                $mset->size, $mset->get_matches_estimated);
+               wait_startq($lei); # wait for keyword updates
                for my $mitem ($mset->items) {
                        my $smsg = smsg_for($self, $mitem) or next;
-                       wait_startq($lei);
                        $each_smsg->($smsg, $mitem);
                }
        } while (_mset_more($mset, $mo));
-       undef $each_smsg; # drops @io for l2m->{each_smsg_done}
+       undef $each_smsg; # may commit
        $lei->{ovv}->ovv_atexit_child($lei);
 }
 
 sub each_remote_eml { # callback for MboxReader->mboxrd
        my ($eml, $self, $lei, $each_smsg) = @_;
-       if (my $sto = $self->{import_sto}) {
-               $sto->ipc_do('add_eml_maybe', $eml);
+       my $xoids = $lei->{ale}->xoids_for($eml, 1);
+       if ($self->{import_sto} && !$xoids) {
+               $self->{import_sto}->ipc_do('add_eml', $eml);
        }
        my $smsg = bless {}, 'PublicInbox::Smsg';
+       $smsg->{blob} = $xoids ? (keys(%$xoids))[0]
+                               : git_sha(1, $eml)->hexdigest;
        $smsg->populate($eml);
        $smsg->parse_references($eml, mids($eml));
        $smsg->{$_} //= '' for qw(from to cc ds subject references mid);
@@ -225,7 +265,7 @@ sub each_remote_eml { # callback for MboxReader->mboxrd
                if ($now > $next) {
                        $lei->{-next_progress} = $now + 1;
                        my $nr = $lei->{-nr_remote_eml};
-                       $lei->err("# $lei->{-current_url} $nr/?");
+                       mset_progress($lei, $lei->{-current_url}, $nr, '?');
                }
        }
        $each_smsg->($smsg, undef, $eml);
@@ -265,7 +305,7 @@ sub query_remote_mboxrd {
                $lei->qerr("# $cmd");
                my ($fh, $pid) = popen_rd($cmd, undef, $rdr);
                $reap_curl = PublicInbox::OnDestroy->new($sigint_reap, $pid);
-               $fh = IO::Uncompress::Gunzip->new($fh);
+               $fh = IO::Uncompress::Gunzip->new($fh, MultiStream => 1);
                PublicInbox::MboxReader->mboxrd($fh, \&each_remote_eml, $self,
                                                $lei, $each_smsg);
                my $err = waitpid($pid, 0) == $pid ? undef
@@ -297,27 +337,7 @@ sub query_remote_mboxrd {
        $lei->{ovv}->ovv_atexit_child($lei);
 }
 
-# called by LeiOverview::each_smsg_cb
-sub git { $_[0]->{git_tmp} // die 'BUG: caller did not set {git_tmp}' }
-
-sub git_tmp ($) {
-       my ($self) = @_;
-       my (%seen, @dirs);
-       my $tmp = File::Temp->newdir("lei_xsearch_git.$$-XXXX", TMPDIR => 1);
-       for my $ibxish (locals($self)) {
-               my $d = File::Spec->canonpath($ibxish->git->{git_dir});
-               $seen{$d} //= push @dirs, "$d/objects\n"
-       }
-       my $git_dir = $tmp->dirname;
-       PublicInbox::Import::init_bare($git_dir);
-       my $f = "$git_dir/objects/info/alternates";
-       open my $alt, '>', $f or die "open($f): $!";
-       print $alt @dirs or die "print $f: $!";
-       close $alt or die "close $f: $!";
-       my $git = PublicInbox::Git->new($git_dir);
-       $git->{-tmp} = $tmp;
-       $git;
-}
+sub git { $_[0]->{git} // die 'BUG: git uninitialized' }
 
 sub xsearch_done_wait { # dwaitpid callback
        my ($arg, $pid) = @_;
@@ -332,6 +352,7 @@ sub query_done { # EOF callback for main daemon
        if (my $lxs = delete $lei->{lxs}) {
                $lxs->wq_wait_old(\&xsearch_done_wait, $lei);
        }
+       my $wait = $lei->{sto} ? $lei->{sto}->ipc_do('done') : undef;
        $lei->{ovv}->ovv_end($lei);
        if ($l2m) { # close() calls LeiToMail reap_compress
                if (my $out = delete $lei->{old_1}) {
@@ -391,14 +412,14 @@ sub concurrency {
        $nl + $nr;
 }
 
-sub start_query { # always runs in main (lei-daemon) process
-       my ($self) = @_;
-       if ($self->{threads}) {
+sub start_query ($;$) { # always runs in main (lei-daemon) process
+       my ($self, $l2m) = @_;
+       if ($self->{opt_threads} || ($l2m && !$self->{opt_sort})) {
                for my $ibxish (locals($self)) {
-                       $self->wq_io_do('query_thread_mset', [], $ibxish);
+                       $self->wq_io_do('query_one_mset', [], $ibxish);
                }
        } elsif (locals($self)) {
-               $self->wq_io_do('query_mset', []);
+               $self->wq_io_do('query_combined_mset', []);
        }
        my $i = 0;
        my $q = [];
@@ -414,21 +435,16 @@ sub start_query { # always runs in main (lei-daemon) process
 sub incr_start_query { # called whenever an l2m shard starts do_post_auth
        my ($self, $l2m) = @_;
        return if ++$self->{nr_start_query} != $l2m->{-wq_nr_workers};
-       start_query($self);
+       start_query($self, $l2m);
 }
 
 sub ipc_atfork_child {
        my ($self) = @_;
-       $self->{lei}->lei_atfork_child;
+       $self->{lei}->_lei_atfork_child;
        $SIG{__WARN__} = PublicInbox::Eml::warn_ignore_cb();
        $self->SUPER::ipc_atfork_child;
 }
 
-sub delete_pkt_op { # OnDestroy callback
-       my $unclosed_after_die = delete($_[0])->{pkt_op_p} or return;
-       close $unclosed_after_die;
-}
-
 sub do_query {
        my ($self, $lei) = @_;
        my $l2m = $lei->{l2m};
@@ -444,11 +460,11 @@ sub do_query {
                'incr_start_query' => [ \&incr_start_query, $self, $l2m ],
        };
        $lei->{auth}->op_merge($ops, $l2m) if $l2m && $lei->{auth};
-       my $od = PublicInbox::OnDestroy->new($$, \&delete_pkt_op, $lei);
-       ($lei->{pkt_op_c}, $lei->{pkt_op_p}) = PublicInbox::PktOp->pair($ops);
+       my $end = $lei->pkt_op_pair;
        $lei->{1}->autoflush(1);
        $lei->start_pager if delete $lei->{need_pager};
        $lei->{ovv}->ovv_begin($lei);
+       die 'BUG: xdb|over open' if $lei->{lse}->{xdb} || $lei->{lse}->{over};
        if ($l2m) {
                $l2m->pre_augment($lei);
                if ($lei->{opt}->{augment} && delete $lei->{early_mua}) {
@@ -460,25 +476,20 @@ sub do_query {
                # 1031: F_SETPIPE_SZ
                fcntl($lei->{startq}, 1031, 4096) if $^O eq 'linux';
        }
-       if (!$lei->{opt}->{threads} && locals($self)) { # for query_mset
-               # lei->{git_tmp} is set for wq_wait_old so we don't
-               # delete until all lei2mail + lei_xsearch workers are reaped
-               $lei->{git_tmp} = $self->{git_tmp} = git_tmp($self);
-       }
        $self->wq_workers_start('lei_xsearch', undef,
                                $lei->oldset, { lei => $lei });
-       my $op = delete $lei->{pkt_op_c};
+       my $op_c = delete $lei->{pkt_op_c};
        delete $lei->{pkt_op_p};
-       $self->{threads} = $lei->{opt}->{threads};
+       @$end = ();
+       $self->{opt_threads} = $lei->{opt}->{threads};
+       $self->{opt_sort} = $lei->{opt}->{'sort'};
        if ($l2m) {
                $l2m->net_merge_complete unless $lei->{auth};
        } else {
                start_query($self);
        }
        $lei->event_step_init; # wait for shutdowns
-       if ($lei->{oneshot}) {
-               while ($op->{sock}) { $op->event_step }
-       }
+       $op_c->op_wait_event($ops);
 }
 
 sub add_uri {