]> Sergey Matveev's repositories - public-inbox.git/commitdiff
v2writable: implement ->replace call
authorEric Wong (Contractor, The Linux Foundation) <e@80x24.org>
Sun, 9 Jun 2019 02:51:40 +0000 (02:51 +0000)
committerEric Wong <e@80x24.org>
Sun, 9 Jun 2019 04:33:16 +0000 (04:33 +0000)
Much of the existing purge code is repurposed to a general
"replace" functionality.

->purge is simpler because it can just drop the information.
Unlike ->purge, ->replace needs to edit existing git commits (in
case of From: and Subject: headers) and reindex the modified
message.

We currently disallow editing of References:, In-Reply-To: and
Message-ID headers because it can cause bad side effects with
our threading (and our lack of rethreading support to deal with
excessive matching from incorrect/invalid References).

MANIFEST
lib/PublicInbox/Import.pm
lib/PublicInbox/V2Writable.pm
t/replace.t [new file with mode: 0644]

index 5085bff818383ee1c1ae7a0dfc794e7db69e8385..321da033bbf94de91e7ba6af409b9c9b4536bc39 100644 (file)
--- a/MANIFEST
+++ b/MANIFEST
@@ -236,6 +236,7 @@ t/psgi_text.t
 t/psgi_v2.t
 t/purge.t
 t/qspawn.t
+t/replace.t
 t/reply.t
 t/search-thr-index.t
 t/search.t
index 2c8fe848fc606c0461b5b5d349015daeb239d55b..137b2b7800c403c188db050f0dd1df3a5583b28a 100644 (file)
@@ -484,26 +484,38 @@ sub digest2mid ($$) {
        "$dt.$b64" . '@z';
 }
 
-sub clean_purge_buffer {
-       my ($oids, $buf) = @_;
-       my $cmt_msg = 'purged '.join(' ',@$oids)."\n";
+sub rewrite_commit ($$$$) {
+       my ($self, $oids, $buf, $mime) = @_;
+       my ($name, $email, $at, $ct, $subject);
+       if ($mime) {
+               ($name, $email, $at, $ct, $subject) = extract_cmt_info($mime);
+       } else {
+               $name = $email = '';
+               $subject = 'purged '.join(' ', @$oids);
+       }
        @$oids = ();
-
+       $subject .= "\n";
        foreach my $i (0..$#$buf) {
                my $l = $buf->[$i];
                if ($l =~ /^author .* ([0-9]+ [\+-]?[0-9]+)$/) {
-                       $buf->[$i] = "author <> $1\n";
+                       $at //= $1;
+                       $buf->[$i] = "author $name <$email> $at\n";
+               } elsif ($l =~ /^committer .* ([0-9]+ [\+-]?[0-9]+)$/) {
+                       $ct //= $1;
+                       $buf->[$i] = "committer $self->{ident} $ct\n";
                } elsif ($l =~ /^data ([0-9]+)/) {
-                       $buf->[$i++] = "data " . length($cmt_msg) . "\n";
-                       $buf->[$i] = $cmt_msg;
+                       $buf->[$i++] = "data " . length($subject) . "\n";
+                       $buf->[$i] = $subject;
                        last;
                }
        }
 }
 
+# returns the new commit OID if a replacement was done
+# returns undef if nothing was done
 sub replace_oids {
-       my ($self, $replace) = @_; # oid => raw string
-       my $tmp = "refs/heads/replace-".((keys %$replace)[0]);
+       my ($self, $mime, $replace_map) = @_; # oid => raw string
+       my $tmp = "refs/heads/replace-".((keys %$replace_map)[0]);
        my $old = $self->{'ref'};
        my $git = $self->{git};
        my @export = (qw(fast-export --no-data --use-done-feature), $old);
@@ -533,7 +545,7 @@ sub replace_oids {
                } elsif (/^M 100644 ([a-f0-9]+) (\w+)/) {
                        my ($oid, $path) = ($1, $2);
                        $tree->{$path} = 1;
-                       my $sref = $replace->{$oid};
+                       my $sref = $replace_map->{$oid};
                        if (defined $sref) {
                                push @oids, $oid;
                                my $n = length($$sref);
@@ -548,10 +560,12 @@ sub replace_oids {
                        push @buf, $_ if $tree->{$path};
                } elsif ($_ eq "\n") {
                        if (@oids) {
-                               my $out = join('', @buf);
-                               $out =~ s/^/# /sgm;
-                               warn "purge rewriting\n", $out, "\n";
-                               clean_purge_buffer(\@oids, \@buf);
+                               if (!$mime) {
+                                       my $out = join('', @buf);
+                                       $out =~ s/^/# /sgm;
+                                       warn "purge rewriting\n", $out, "\n";
+                               }
+                               rewrite_commit($self, \@oids, \@buf, $mime);
                                $nreplace++;
                        }
                        $w->print(@buf, "\n") or wfail;
@@ -585,7 +599,7 @@ sub replace_oids {
 
        # check that old OIDs are gone
        my $err = 0;
-       foreach my $oid (keys %$replace) {
+       foreach my $oid (keys %$replace_map) {
                my @info = $git->check($oid);
                if (@info) {
                        warn "$oid not replaced\n";
index d6f72b07e756f7b5b2206e6e5fa1f05be77b4a04..3484807b325e6e48aba42a4014ea1b20b24a67bb 100644 (file)
@@ -11,7 +11,7 @@ use PublicInbox::SearchIdxPart;
 use PublicInbox::MIME;
 use PublicInbox::Git;
 use PublicInbox::Import;
-use PublicInbox::MID qw(mids);
+use PublicInbox::MID qw(mids references);
 use PublicInbox::ContentId qw(content_id content_digest);
 use PublicInbox::Inbox;
 use PublicInbox::OverIdx;
@@ -297,26 +297,30 @@ sub idx_init {
        });
 }
 
-sub purge_oids ($$) {
-       my ($self, $purge) = @_; # $purge = { $object_id => \'', ... }
+# returns an array mapping [ epoch => latest_commit ]
+# latest_commit may be undef if nothing was done to that epoch
+# $replace_map = { $object_id => $strref, ... }
+sub _replace_oids ($$$) {
+       my ($self, $mime, $replace_map) = @_;
        $self->done;
        my $pfx = "$self->{-inbox}->{mainrepo}/git";
-       my $purges = [];
+       my $rewrites = []; # epoch => commit
        my $max = $self->{epoch_max};
 
        unless (defined($max)) {
                defined(my $latest = git_dir_latest($self, \$max)) or return;
                $self->{epoch_max} = $max;
        }
+
        foreach my $i (0..$max) {
                my $git_dir = "$pfx/$i.git";
                -d $git_dir or next;
                my $git = PublicInbox::Git->new($git_dir);
                my $im = $self->import_init($git, 0, 1);
-               $purges->[$i] = $im->replace_oids($purge);
+               $rewrites->[$i] = $im->replace_oids($mime, $replace_map);
                $im->done;
        }
-       $purges;
+       $rewrites;
 }
 
 sub content_ids ($) {
@@ -339,25 +343,31 @@ sub content_matches ($$) {
        0
 }
 
-sub remove_internal ($$$$) {
-       my ($self, $mime, $cmt_msg, $purge) = @_;
+# used for removing or replacing (purging)
+sub rewrite_internal ($$;$$$) {
+       my ($self, $old_mime, $cmt_msg, $new_mime, $sref) = @_;
        $self->idx_init;
-       my $im = $self->importer unless $purge;
+       my ($im, $need_reindex, $replace_map);
+       if ($sref) {
+               $replace_map = {}; # oid => sref
+               $need_reindex = [] if $new_mime;
+       } else {
+               $im = $self->importer;
+       }
        my $over = $self->{over};
-       my $cids = content_ids($mime);
+       my $cids = content_ids($old_mime);
        my $parts = $self->{idx_parts};
-       my $mm = $self->{mm};
        my $removed;
-       my $mids = mids($mime->header_obj);
+       my $mids = mids($old_mime->header_obj);
 
        # We avoid introducing new blobs into git since the raw content
        # can be slightly different, so we do not need the user-supplied
        # message now that we have the mids and content_id
-       $mime = undef;
+       $old_mime = undef;
        my $mark;
 
        foreach my $mid (@$mids) {
-               my %gone;
+               my %gone; # num => [ smsg, raw ]
                my ($id, $prev);
                while (my $smsg = $over->next_by_mid($mid, \$id, \$prev)) {
                        my $msg = get_blob($self, $smsg);
@@ -380,17 +390,21 @@ sub remove_internal ($$$$) {
                }
                foreach my $num (keys %gone) {
                        my ($smsg, $orig) = @{$gone{$num}};
-                       $mm->num_delete($num);
                        # $removed should only be set once assuming
                        # no bugs in our deduplication code:
                        $removed = $smsg;
                        my $oid = $smsg->{blob};
-                       if ($purge) {
-                               $purge->{$oid} = \'';
+                       if ($replace_map) {
+                               $replace_map->{$oid} = $sref;
                        } else {
                                ($mark, undef) = $im->remove($orig, $cmt_msg);
                        }
                        $orig = undef;
+                       if ($need_reindex) { # ->replace
+                               push @$need_reindex, $smsg;
+                       } else { # ->purge or ->remove
+                               $self->{mm}->num_delete($num);
+                       }
                        unindex_oid_remote($self, $oid, $mid);
                }
        }
@@ -399,8 +413,9 @@ sub remove_internal ($$$$) {
                my $cmt = $im->get_mark($mark);
                $self->{last_commit}->[$self->{epoch_max}] = $cmt;
        }
-       if ($purge && scalar keys %$purge) {
-               return purge_oids($self, $purge);
+       if ($replace_map && scalar keys %$replace_map) {
+               my $rewrites = _replace_oids($self, $new_mime, $replace_map);
+               return { rewrites => $rewrites, need_reindex => $need_reindex };
        }
        $removed;
 }
@@ -409,22 +424,122 @@ sub remove_internal ($$$$) {
 sub remove {
        my ($self, $mime, $cmt_msg) = @_;
        $self->{-inbox}->with_umask(sub {
-               remove_internal($self, $mime, $cmt_msg, undef);
+               rewrite_internal($self, $mime, $cmt_msg);
        });
 }
 
+sub _replace ($$;$$) {
+       my ($self, $old_mime, $new_mime, $sref) = @_;
+       my $rewritten = $self->{-inbox}->with_umask(sub {
+               rewrite_internal($self, $old_mime, undef, $new_mime, $sref);
+       }) or return;
+
+       my $rewrites = $rewritten->{rewrites};
+       # ->done is called if there are rewrites since we gc+prune from git
+       $self->idx_init if @$rewrites;
+
+       for my $i (0..$#$rewrites) {
+               defined(my $cmt = $rewrites->[$i]) or next;
+               $self->{last_commit}->[$i] = $cmt;
+       }
+       $rewritten;
+}
+
 # public
 sub purge {
        my ($self, $mime) = @_;
-       my $purges = $self->{-inbox}->with_umask(sub {
-               remove_internal($self, $mime, undef, {});
-       }) or return;
-       $self->idx_init if @$purges; # ->done is called on purges
-       for my $i (0..$#$purges) {
-               defined(my $cmt = $purges->[$i]) or next;
-               $self->{last_commit}->[$i] = $cmt;
+       my $rewritten = _replace($self, $mime, undef, \'') or return;
+       $rewritten->{rewrites}
+}
+
+# returns the git object_id of $fh, does not write the object to FS
+sub git_hash_raw ($$) {
+       my ($self, $raw) = @_;
+       # grab the expected OID we have to reindex:
+       open my $tmp_fh, '+>', undef or die "failed to open tmp: $!";
+       $tmp_fh->autoflush(1);
+       print $tmp_fh $$raw or die "print \$tmp_fh: $!";
+       sysseek($tmp_fh, 0, 0) or die "seek failed: $!";
+
+       my ($r, $w);
+       pipe($r, $w) or die "failed to create pipe: $!";
+       my $rdr = { 0 => fileno($tmp_fh), 1 => fileno($w) };
+       my $git_dir = $self->{-inbox}->git->{git_dir};
+       my $cmd = ['git', "--git-dir=$git_dir", qw(hash-object --stdin)];
+       my $pid = spawn($cmd, undef, $rdr);
+       close $w;
+       local $/ = "\n";
+       chomp(my $oid = <$r>);
+       waitpid($pid, 0) == $pid or die "git hash-object did not finish";
+       die "git hash-object failed: $?" if $?;
+       $oid =~ /\A[a-f0-9]{40}\z/ or die "OID not expected: $oid";
+       $oid;
+}
+
+sub _check_mids_match ($$$) {
+       my ($old_list, $new_list, $hdrs) = @_;
+       my %old_mids = map { $_ => 1 } @$old_list;
+       my %new_mids = map { $_ => 1 } @$new_list;
+       my @old = keys %old_mids;
+       my @new = keys %new_mids;
+       my $err = "$hdrs may not be changed when replacing\n";
+       die $err if scalar(@old) != scalar(@new);
+       delete @new_mids{@old};
+       delete @old_mids{@new};
+       die $err if (scalar(keys %old_mids) || scalar(keys %new_mids));
+}
+
+# Changing Message-IDs or References with ->replace isn't supported.
+# The rules for dealing with messages with multiple or conflicting
+# Message-IDs are pretty complex and rethreading hasn't been fully
+# implemented, yet.
+sub check_mids_match ($$) {
+       my ($old_mime, $new_mime) = @_;
+       my $old = $old_mime->header_obj;
+       my $new = $new_mime->header_obj;
+       _check_mids_match(mids($old), mids($new), 'Message-ID(s)');
+       _check_mids_match(references($old), references($new),
+                       'References/In-Reply-To');
+}
+
+# public
+sub replace ($$$) {
+       my ($self, $old_mime, $new_mime) = @_;
+
+       check_mids_match($old_mime, $new_mime);
+
+       # mutt will always add Content-Length:, Status:, Lines: when editing
+       PublicInbox::Import::drop_unwanted_headers($new_mime);
+
+       my $raw = $new_mime->as_string;
+       my $expect_oid = git_hash_raw($self, \$raw);
+       my $rewritten = _replace($self, $old_mime, $new_mime, \$raw) or return;
+       my $need_reindex = $rewritten->{need_reindex};
+
+       # just in case we have bugs in deduplication code:
+       my $n = scalar(@$need_reindex);
+       if ($n > 1) {
+               my $list = join(', ', map {
+                                       "$_->{num}: <$_->{mid}>"
+                               } @$need_reindex);
+               warn <<"";
+W: rewritten $n messages matching content of original message (expected: 1).
+W: possible bug in public-inbox, NNTP article IDs and Message-IDs follow:
+W: $list
+
+       }
+
+       # make sure we really got the OID:
+       my ($oid, $type, $len) = $self->{-inbox}->git->check($expect_oid);
+       $oid eq $expect_oid or die "BUG: $expect_oid not found after replace";
+
+       # reindex modified messages:
+       for my $smsg (@$need_reindex) {
+               my $num = $smsg->{num};
+               my $mid0 = $smsg->{mid};
+               do_idx($self, \$raw, $new_mime, $len, $num, $oid, $mid0);
        }
-       $purges;
+       $rewritten->{rewrites};
 }
 
 sub last_commit_part ($$;$) {
diff --git a/t/replace.t b/t/replace.t
new file mode 100644 (file)
index 0000000..6fae551
--- /dev/null
@@ -0,0 +1,199 @@
+# Copyright (C) 2019 all contributors <meta@public-inbox.org>
+# License: AGPL-3.0+ <https://www.gnu.org/licenses/agpl-3.0.txt>
+use strict;
+use warnings;
+use Test::More;
+use PublicInbox::MIME;
+use PublicInbox::InboxWritable;
+use File::Temp qw/tempdir/;
+require './t/common.perl';
+require_git(2.6); # replace is v2 only, for now...
+foreach my $mod (qw(DBD::SQLite)) {
+       eval "require $mod";
+       plan skip_all => "$mod missing for $0" if $@;
+}
+
+sub test_replace ($$$) {
+       my ($v, $level, $opt) = @_;
+       diag "v$v $level replace";
+       my $this = "pi-$v-$level-replace";
+       my $tmpdir = tempdir("$this-tmp-XXXXXX", TMPDIR => 1, CLEANUP => 1);
+       my $ibx = PublicInbox::Inbox->new({
+               mainrepo => "$tmpdir/testbox",
+               name => $this,
+               version => $v,
+               -primary_address => 'test@example.com',
+               indexlevel => $level,
+       });
+
+       my $orig = PublicInbox::MIME->new(<<'EOF');
+From: Barbra Streisand <effect@example.com>
+To: test@example.com
+Subject: confidential
+Message-ID: <replace@example.com>
+Date: Fri, 02 Oct 1993 00:00:00 +0000
+
+Top secret info about my house in Malibu...
+EOF
+       my $im = PublicInbox::InboxWritable->new($ibx, {nproc=>1})->importer;
+       # fake a bunch of epochs
+       $im->{rotate_bytes} = $opt->{rotate_bytes} if $opt->{rotate_bytes};
+
+       if ($opt->{pre}) {
+               $opt->{pre}->($im, 1, 2);
+               $orig->header_set('References', '<1@example.com>');
+       }
+       ok($im->add($orig), 'add message to be replaced');
+       if ($opt->{post}) {
+               $opt->{post}->($im, 3, { 4 => 'replace@example.com' });
+       }
+       $im->done;
+       my $thread_a = $ibx->over->get_thread('replace@example.com');
+
+       my %before = map {; delete($_->{blob}) => $_ } @{$ibx->recent};
+       my $reject = PublicInbox::MIME->new($orig->as_string);
+       foreach my $mid (['<replace@example.com>', '<extra@example.com>'],
+                               [], ['<replaced@example.com>']) {
+               $reject->header_set('Message-ID', @$mid);
+               my $ok = eval { $im->replace($orig, $reject) };
+               like($@, qr/Message-ID.*may not be changed/,
+                       '->replace died on Message-ID change');
+               ok(!$ok, 'no replacement happened');
+       }
+
+       # prepare the replacement
+       my $expect = "Move along, nothing to see here\n";
+       my $repl = PublicInbox::MIME->new($orig->as_string);
+       $repl->header_set('From', '<redactor@example.com>');
+       $repl->header_set('Subject', 'redacted');
+       $repl->header_set('Date', 'Sat, 02 Oct 2010 00:00:00 +0000');
+       $repl->body_str_set($expect);
+
+       my @warn;
+       local $SIG{__WARN__} = sub { push @warn, @_ };
+       ok(my $cmts = $im->replace($orig, $repl), 'replaced message');
+       my $changed_epochs = 0;
+       for my $tip (@$cmts) {
+               next if !defined $tip;
+               $changed_epochs++;
+               like($tip, qr/\A[a-f0-9]{40}\z/,
+                       'replace returned current commit');
+       }
+       is($changed_epochs, 1, 'only one epoch changed');
+
+       $im->done;
+       my $m = PublicInbox::MIME->new($ibx->msg_by_mid('replace@example.com'));
+       is($m->body, $expect, 'replaced message');
+       is_deeply(\@warn, [], 'no warnings on noop');
+
+       my @cat = qw(cat-file --buffer --batch --batch-all-objects);
+       my $git = $ibx->git;
+       my @all = $git->qx(@cat);
+       is_deeply([grep(/confidential/, @all)], [], 'nothing confidential');
+       is_deeply([grep(/Streisand/, @all)], [], 'Streisand who?');
+       is_deeply([grep(/\bOct 1993\b/, @all)], [], 'nothing from Oct 1993');
+       my $t19931002 = qr/ 749520000 /;
+       is_deeply([grep(/$t19931002/, @all)], [], "nothing matches $t19931002");
+
+       for my $dir (glob("$ibx->{mainrepo}/git/*.git")) {
+               my ($bn) = ($dir =~ m!([^/]+)\z!);
+               is(system(qw(git --git-dir), $dir, qw(fsck --strict)), 0,
+                       "git fsck is clean in epoch $bn");
+       }
+
+       my $thread_b = $ibx->over->get_thread('replace@example.com');
+       is_deeply([sort map { $_->{mid} } @$thread_b],
+               [sort map { $_->{mid} } @$thread_a], 'threading preserved');
+
+       if (my $srch = $ibx->search) {
+               for my $q ('f:streisand', 's:confidential', 'malibu') {
+                       my $msgs = $srch->query($q);
+                       is_deeply($msgs, [], "no match for $q");
+               }
+               my @ok = ('f:redactor', 's:redacted', 'nothing to see');
+               if ($opt->{pre}) {
+                       push @ok, 'm:1@example.com', 'm:2@example.com',
+                               's:message2', 's:message1';
+               }
+               if ($opt->{post}) {
+                       push @ok, 'm:3@example.com', 'm:4@example.com',
+                               's:message3', 's:message4';
+               }
+               for my $q (@ok) {
+                       my $msgs = $srch->query($q);
+                       ok($msgs->[0], "got match for $q");
+               }
+       }
+
+       # check overview matches:
+       my %after = map {; delete($_->{blob}) => $_ } @{$ibx->recent};
+       my @before_blobs = keys %before;
+       foreach my $blob (@before_blobs) {
+               delete $before{$blob} if delete $after{$blob};
+       }
+
+       is(scalar keys %before, 1, 'one unique blob from before left');
+       is(scalar keys %after, 1, 'one unique blob from after left');
+       foreach my $blob (keys %before) {
+               is($git->check($blob), undef, 'old blob not found');
+               my $smsg = $before{$blob};
+               is($smsg->{subject}, 'confidential', 'before subject');
+               is($smsg->{mid}, 'replace@example.com', 'before MID');
+       }
+       foreach my $blob (keys %after) {
+               ok($git->check($blob), 'new blob found');
+               my $smsg = $after{$blob};
+               is($smsg->{subject}, 'redacted', 'after subject');
+               is($smsg->{mid}, 'replace@example.com', 'before MID');
+       }
+       @warn = ();
+       is($im->replace($orig, $repl), undef, 'no-op replace returns undef');
+       is($im->purge($orig), undef, 'no-op purge returns undef');
+       is_deeply(\@warn, [], 'no warnings on noop');
+}
+
+sub pad_msgs {
+       my ($im, @range) = @_;
+       for my $i (@range) {
+               my $irt;
+               if (ref($i) eq 'HASH') {
+                       ($i, $irt) = each %$i;
+               }
+               my $sec = sprintf('%0d', $i);
+               my $mime = PublicInbox::MIME->new(<<EOF);
+From: foo\@example.com
+To: test\@example.com
+Message-ID: <$i\@example.com>
+Date: Fri, 02, Jan 1970 00:00:$sec +0000
+Subject: message$i
+
+message number$i
+EOF
+
+               if (defined($irt)) {
+                       $mime->header_set('References', "<$irt>");
+               }
+
+               $im->add($mime);
+       }
+}
+
+my $opt = { pre => *pad_msgs };
+test_replace(2, 'basic', {});
+test_replace(2, 'basic', $opt);
+test_replace(2, 'basic', $opt = { %$opt, post => *pad_msgs });
+test_replace(2, 'basic', $opt = { %$opt, rotate_bytes => 1 });
+
+SKIP: if ('test xapian') {
+       require PublicInbox::Search;
+       PublicInbox::Search::load_xapian() or skip 'Search::Xapian missing', 8;
+       for my $l (qw(medium)) {
+               test_replace(2, $l, {});
+               $opt = { pre => *pad_msgs };
+               test_replace(2, $l, $opt);
+               test_replace(2, $l, $opt = { %$opt, post => *pad_msgs });
+               test_replace(2, $l, $opt = { %$opt, rotate_bytes => 1 });
+       }
+};
+
+done_testing();