]> Sergey Matveev's repositories - public-inbox.git/blobdiff - lib/PublicInbox/WatchMaildir.pm
watch: improve fairness during full rescans
[public-inbox.git] / lib / PublicInbox / WatchMaildir.pm
index f1a21b9b42d6cdaa9d7702305ba481c0410347a2..0e2a6d2c3c5d6f6ea50580b5ad8e25eb9314278f 100644 (file)
@@ -1,19 +1,58 @@
 # Copyright (C) 2016 all contributors <meta@public-inbox.org>
 # License: AGPL-3.0+ <https://www.gnu.org/licenses/agpl-3.0.txt>
+#
+# ref: https://cr.yp.to/proto/maildir.html
+#      http://wiki2.dovecot.org/MailboxFormat/Maildir
 package PublicInbox::WatchMaildir;
 use strict;
 use warnings;
-use Email::MIME;
+use PublicInbox::MIME;
 use Email::MIME::ContentType;
 $Email::MIME::ContentType::STRICT_PARAMS = 0; # user input is imperfect
 use PublicInbox::Git;
 use PublicInbox::Import;
 use PublicInbox::MDA;
+use PublicInbox::Spawn qw(spawn);
+use File::Temp qw//;
 
 sub new {
        my ($class, $config) = @_;
-       my (%mdmap, @mdir);
-       foreach my $k (keys %$config) {
+       my (%mdmap, @mdir, $spamc, $spamdir);
+
+       # "publicinboxwatch" is the documented namespace
+       # "publicinboxlearn" is legacy but may be supported
+       # indefinitely...
+       foreach my $pfx (qw(publicinboxwatch publicinboxlearn)) {
+               my $k = "$pfx.watchspam";
+               if (my $dir = $config->{$k}) {
+                       if ($dir =~ s/\Amaildir://) {
+                               $dir =~ s!/+\z!!;
+                               # skip "new", no MUA has seen it, yet.
+                               my $cur = "$dir/cur";
+                               $spamdir = $cur;
+                               push @mdir, $cur;
+                               $mdmap{$cur} = 'watchspam';
+                       } else {
+                               warn "unsupported $k=$dir\n";
+                       }
+               }
+       }
+
+       my $k = 'publicinboxwatch.spamcheck';
+       my $spamcheck = $config->{$k};
+       if ($spamcheck) {
+               if ($spamcheck eq 'spamc') {
+                       $spamcheck = 'PublicInbox::Spamcheck::Spamc';
+               }
+               if ($spamcheck =~ /::/) {
+                       eval "require $spamcheck";
+                       $spamcheck = _spamcheck_cb($spamcheck->new);
+               } else {
+                       warn "unsupported $k=$spamcheck\n";
+                       $spamcheck = undef;
+               }
+       }
+       foreach $k (keys %$config) {
                $k =~ /\Apublicinbox\.([^\.]+)\.watch\z/ or next;
                my $name = $1;
                my $watch = $config->{$k};
@@ -27,8 +66,9 @@ sub new {
                        my $new = "$watch/new";
                        my $cur = "$watch/cur";
                        push @mdir, $new, $cur;
-                       $mdmap{$new} = $inbox;
-                       $mdmap{$cur} = $inbox;
+                       die "$new already in use\n" if $mdmap{$new};
+                       die "$cur already in use\n" if $mdmap{$cur};
+                       $mdmap{$new} = $mdmap{$cur} = $inbox;
                } else {
                        warn "watch unsupported: $k=$watch\n";
                }
@@ -38,25 +78,99 @@ sub new {
        my $mdre = join('|', map { quotemeta($_) } @mdir);
        $mdre = qr!\A($mdre)/!;
        bless {
+               spamcheck => $spamcheck,
+               spamdir => $spamdir,
                mdmap => \%mdmap,
                mdir => \@mdir,
                mdre => $mdre,
+               config => $config,
                importers => {},
+               opendirs => {}, # dirname => dirhandle (in progress scans)
        }, $class;
 }
 
 sub _done_for_now {
-       $_->done foreach values %{$_[0]->{importers}};
+       my ($self) = @_;
+       my $opendirs = $self->{opendirs};
+
+       # spamdir scanning means every importer remains open
+       my $spamdir = $self->{spamdir};
+       return if defined($spamdir) && $opendirs->{$spamdir};
+
+       foreach my $im (values %{$self->{importers}}) {
+               # not done if we're scanning
+               next if $opendirs->{$im->{git}->{git_dir}};
+               $im->done;
+       }
 }
 
 sub _try_fsn_paths {
-       my ($self, $paths) = @_;
-       _try_path($self, $_->{path}) foreach @$paths;
+       my ($self, $scan_re, $paths) = @_;
+       foreach (@$paths) {
+               my $path = $_->{path};
+               if ($path =~ $scan_re) {
+                       scan($self, $path);
+               } else {
+                       _try_path($self, $path);
+               }
+       }
        _done_for_now($self);
 }
 
+sub _remove_spam {
+       my ($self, $path) = @_;
+       # path must be marked as (S)een
+       $path =~ /:2,[A-R]*S[T-Za-z]*\z/ or return;
+       my $mime = _path_to_mime($path) or return;
+       _force_mid($mime);
+       $self->{config}->each_inbox(sub {
+               my ($ibx) = @_;
+               eval {
+                       my $im = _importer_for($self, $ibx);
+                       $im->remove($mime);
+                       if (my $scrub = _scrubber_for($ibx)) {
+                               my $scrubbed = $scrub->scrub($mime) or return;
+                               $scrubbed == 100 and return;
+                               $im->remove($scrubbed);
+                       }
+               };
+               if ($@) {
+                       warn "error removing spam at: ", $path,
+                               " from ", $ibx->{name}, ': ', $@, "\n";
+               }
+       })
+}
+
+# used to hash the relevant portions of a message when there are conflicts
+sub _hash_mime2 {
+       my ($mime) = @_;
+       require Digest::SHA;
+       my $dig = Digest::SHA->new('SHA-1');
+       $dig->add($mime->header_obj->header_raw('Subject'));
+       $dig->add($mime->body_raw);
+       $dig->hexdigest;
+}
+
+sub _force_mid {
+       my ($mime) = @_;
+       # probably a bad idea, but we inject a Message-Id if
+       # one is missing, here..
+       my $mid = $mime->header_obj->header_raw('Message-Id');
+       if (!defined $mid || $mid =~ /\A\s*\z/) {
+               $mid = '<' . _hash_mime2($mime) . '@generated>';
+               $mime->header_set('Message-Id', $mid);
+       }
+}
+
 sub _try_path {
        my ($self, $path) = @_;
+       my @p = split(m!/+!, $path);
+       return if $p[-1] !~ /\A[a-zA-Z0-9][\w:,=\.]+\z/;
+       if ($p[-1] =~ /:2,([A-Z]+)\z/i) {
+               my $flags = $1;
+               return if $flags =~ /[DT]/; # no [D]rafts or [T]rashed mail
+       }
+       return unless -f $path;
        if ($path !~ $self->{mdre}) {
                warn "unrecognized path: $path\n";
                return;
@@ -66,78 +180,152 @@ sub _try_path {
                warn "unmappable dir: $1\n";
                return;
        }
-       my $im = $inbox->{-import} ||= eval {
-               my $git = $inbox->git;
-               my $name = $inbox->{name};
-               my $addr = $inbox->{-primary_address};
-               PublicInbox::Import->new($git, $name, $addr);
-       };
-       $self->{importers}->{"$im"} = $im;
-       my $mime;
+       if (!ref($inbox) && $inbox eq 'watchspam') {
+               return _remove_spam($self, $path);
+       }
+       my $im = _importer_for($self, $inbox);
+       my $mime = _path_to_mime($path) or return;
+       $mime->header_set($_) foreach @PublicInbox::MDA::BAD_HEADERS;
+       my $wm = $inbox->{-watchheader};
+       if ($wm) {
+               my $v = $mime->header_obj->header_raw($wm->[0]);
+               return unless ($v && $v =~ $wm->[1]);
+       }
+       if (my $scrub = _scrubber_for($inbox)) {
+               my $ret = $scrub->scrub($mime) or return;
+               $ret == 100 and return;
+               $mime = $ret;
+       }
+
+       _force_mid($mime);
+       $im->add($mime, $self->{spamcheck});
+}
+
+sub quit { $_[0]->{quit} = 1 }
+
+sub watch {
+       my ($self) = @_;
+       my $scan = File::Temp->newdir("public-inbox-watch.$$.scan.XXXXXX",
+                                       TMPDIR => 1);
+       my $scandir = $self->{scandir} = $scan->dirname;
+       my $re = qr!\A$scandir/!;
+       my $cb = sub { _try_fsn_paths($self, $re, \@_) };
+
+       # lazy load here, we may support watching via IMAP IDLE
+       # in the future...
+       require Filesys::Notify::Simple;
+       my $fsn = Filesys::Notify::Simple->new([@{$self->{mdir}}, $scandir]);
+       $fsn->wait($cb) until ($self->{quit});
+}
+
+sub trigger_scan {
+       my ($self, $base) = @_;
+       my $dir = $self->{scandir} or die "not watch-ing, yet\n";
+       open my $fh, '>', "$dir/$base" or die "open $dir/$base failed: $!\n";
+       close $fh or die "close $dir/$base failed: $!\n";
+}
+
+sub scan {
+       my ($self, $path) = @_;
+       my $max = 10;
+       my $opendirs = $self->{opendirs};
+       my @dirnames = keys %$opendirs;
+       foreach my $dir (@dirnames) {
+               my $dh = delete $opendirs->{$dir};
+               my $n = $max;
+               while (my $fn = readdir($dh)) {
+                       _try_path($self, "$dir/$fn");
+                       last if --$n < 0;
+               }
+               $opendirs->{$dir} = $dh if $n < 0;
+       }
+       if ($path =~ /full\z/) {
+               foreach my $dir (@{$self->{mdir}}) {
+                       next if $opendirs->{$dir}; # already in progress
+                       my $ok = opendir(my $dh, $dir);
+                       unless ($ok) {
+                               warn "failed to open $dir: $!\n";
+                               next;
+                       }
+                       my $n = $max;
+                       while (my $fn = readdir($dh)) {
+                               _try_path($self, "$dir/$fn");
+                               last if --$n < 0;
+                       }
+                       $opendirs->{$dir} = $dh if $n < 0;
+               }
+       }
+       if (keys %$opendirs) { # do we have more work to do?
+               trigger_scan($self, 'cont');
+       } else {
+               _done_for_now($self);
+       }
+}
+
+sub _path_to_mime {
+       my ($path) = @_;
        if (open my $fh, '<', $path) {
                local $/;
                my $str = <$fh>;
                $str or return;
-               $mime = Email::MIME->new(\$str);
+               return PublicInbox::MIME->new(\$str);
        } elsif ($!{ENOENT}) {
                return;
        } else {
                warn "failed to open $path: $!\n";
                return;
        }
+}
 
-       $mime->header_set($_) foreach @PublicInbox::MDA::BAD_HEADERS;
-       my $wm = $inbox->{-watchheader};
-       if ($wm) {
-               my $v = $mime->header_obj->header_raw($wm->[0]);
-               return unless ($v && $v =~ $wm->[1]);
+sub _importer_for {
+       my ($self, $inbox) = @_;
+       my $im = $inbox->{-import} ||= eval {
+               my $git = $inbox->git;
+               my $name = $inbox->{name};
+               my $addr = $inbox->{-primary_address};
+               PublicInbox::Import->new($git, $name, $addr, $inbox);
+       };
+
+       my $importers = $self->{importers};
+       if (scalar(keys(%$importers)) > 2) {
+               delete $importers->{"$im"};
+               _done_for_now($self);
        }
+
+       $importers->{"$im"} = $im;
+}
+
+sub _scrubber_for {
+       my ($inbox) = @_;
        my $f = $inbox->{filter};
        if ($f && $f =~ /::/) {
+               my @args = (-inbox => $inbox);
+               # basic line splitting, only
+               # Perhaps we can have proper quote splitting one day...
+               ($f, @args) = split(/\s+/, $f) if $f =~ /\s+/;
+
                eval "require $f";
                if ($@) {
                        warn $@;
                } else {
-                       $f = $f->new;
-                       $mime = $f->scrub($mime);
+                       # e.g: PublicInbox::Filter::Vger->new(@args)
+                       return $f->new(@args);
                }
        }
-       $mime or return;
-       my $mid = $mime->header_obj->header_raw('Message-Id');
-       $im->add($mime);
-}
-
-sub watch {
-       my ($self) = @_;
-       my $cb = sub { _try_fsn_paths($self, \@_) };
-       my $mdir = $self->{mdir};
-
-       require Filesys::Notify::Simple;
-       my $watcher = Filesys::Notify::Simple->new($mdir);
-       $watcher->wait($cb) while (1);
+       undef;
 }
 
-sub scan {
-       my ($self) = @_;
-       my $mdir = $self->{mdir};
-       foreach my $dir (@$mdir) {
-               my $ok = opendir(my $dh, $dir);
-               unless ($ok) {
-                       warn "failed to open $dir: $!\n";
-                       next;
-               }
-               while (my $fn = readdir($dh)) {
-                       next unless $fn =~ /\A[a-zA-Z0-9][\w:,=\.]+\z/;
-                       $fn = "$dir/$fn";
-                       if (-f $fn) {
-                               _try_path($self, $fn);
-                       } else {
-                               warn "not a file: $fn\n";
-                       }
+sub _spamcheck_cb {
+       my ($sc) = @_;
+       sub {
+               my ($mime) = @_;
+               my $tmp = '';
+               if ($sc->spamcheck($mime, \$tmp)) {
+                       return PublicInbox::MIME->new(\$tmp);
                }
-               closedir $dh;
+               warn $mime->header('Message-ID')." failed spam check\n";
+               undef;
        }
-       _done_for_now($self);
 }
 
 1;