]> Sergey Matveev's repositories - public-inbox.git/commitdiff
imap: wire up Xapian, MSN SEARCH and multi sequence-sets
authorEric Wong <e@yhbt.net>
Wed, 10 Jun 2020 07:05:14 +0000 (07:05 +0000)
committerEric Wong <e@yhbt.net>
Sat, 13 Jun 2020 07:55:45 +0000 (07:55 +0000)
Simple queries work, more complex queries involving parentheses,
"OR", "NOT" don't work, yet.

Tested with "=b", "=B", and "=H" search and limits in mutt
on both v1 and v2 with multiple Xapian shards.

lib/PublicInbox/IMAP.pm
lib/PublicInbox/Search.pm
t/imapd.t

index f6106a1e80629a99a3e352b8336ad70b2b43bd2f..67bc32ab59b5088111e8947888b9882b92c7299c 100644 (file)
@@ -24,6 +24,8 @@ use Errno qw(EAGAIN);
 use Time::Local qw(timegm);
 use POSIX qw(strftime);
 use Hash::Util qw(unlock_hash); # dependency of fields for perl 5.10+, anyways
+use PublicInbox::Search;
+*mdocid = \&PublicInbox::Search::mdocid;
 
 my $Address;
 for my $mod (qw(Email::Address::XS Mail::Address)) {
@@ -592,22 +594,26 @@ sub range_step ($$) {
                $range = $$range_csv;
                $$range_csv = undef;
        }
+       my $uid_base = $self->{uid_base};
+       my $uid_end = $uid_base + UID_BLOCK;
        if ($range =~ /\A([0-9]+):([0-9]+)\z/) {
                ($beg, $end) = ($1 + 0, $2 + 0);
+               uid_clamp($self, \$beg, \$end);
        } elsif ($range =~ /\A([0-9]+):\*\z/) {
                $beg = $1 + 0;
                $end = $self->{ibx}->over->max;
-               my $uid_end = $self->{uid_base} + UID_BLOCK;
                $end = $uid_end if $end > $uid_end;
                $beg = $end if $beg > $end;
+               uid_clamp($self, \$beg, \$end);
        } elsif ($range =~ /\A[0-9]+\z/) {
                $beg = $end = $range + 0;
-               undef $range;
+               # just let the caller do an out-of-range query if a single
+               # UID is out-of-range
+               ++$beg if ($beg <= $uid_base || $end > $uid_end);
        } else {
                return 'BAD fetch range';
        }
-       uid_clamp($self, \$beg, \$end) if defined($range);
-       my $msn = $beg - $self->{uid_base};
+       my $msn = $beg - $uid_base;
        [ $beg, $end, $$range_csv, \$msn ];
 }
 
@@ -971,15 +977,22 @@ sub parse_date ($) { # 02-Oct-1993
        timegm(0, 0, 0, $dd, $mm, $yyyy);
 }
 
-sub uid_search_uid_range { # long_response
-       my ($self, $tag, $uids, $sql, $range_info) = @_;
+sub msn_convert ($$) {
+       my ($self, $uids) = @_;
+       my $adj = $self->{uid_base};
+       $_ -= $adj for @$uids;
+}
+
+sub search_uid_range { # long_response
+       my ($self, $tag, $sql, $range_info, $want_msn) = @_;
+       my $uids = [];
        if (defined(my $err = refill_uids($self, $uids, $range_info, $sql))) {
                $err ||= 'OK Search done';
                $self->write("\r\n$tag $err\r\n");
                return;
        }
+       msn_convert($self, $uids) if $want_msn;
        $self->msg_more(join(' ', '', @$uids));
-       @$uids = ();
        1; # more
 }
 
@@ -1029,6 +1042,21 @@ my %I2X = (
        # KEYWORD # TODO ? dfpre,dfpost,...
 );
 
+# IMAP allows searching arbitrary headers via "HEADER $HDR_NAME $HDR_VAL"
+# which gets silly expensive.  We only allow the headers we already index.
+my %H2X = (%I2X, 'MESSAGE-ID' => 'm:', 'LIST-ID' => 'l:');
+
+sub xap_append ($$$$) {
+       my ($q, $rest, $k, $xk) = @_;
+       delete $q->{sql}; # can't use over.sqlite3
+       defined(my $arg = shift @$rest) or return "BAD $k no arg";
+
+       # AFAIK Xapian can't handle [*"] in probabilistic terms
+       $arg =~ tr/*"//d;
+       ${$q->{xap}} .= qq[ $xk"$arg"];
+       undef;
+}
+
 sub parse_query {
        my ($self, $rest) = @_;
        if (uc($rest->[0]) eq 'CHARSET') {
@@ -1038,7 +1066,8 @@ sub parse_query {
        }
 
        my $sql = ''; # date conditions, {sql} deleted if Xapian is needed
-       my $q = { xap => '', sql => \$sql };
+       my $xap = '';
+       my $q = { sql => \$sql, xap => \$xap };
        while (@$rest) {
                my $k = uc(shift @$rest);
                # default criteria
@@ -1059,17 +1088,18 @@ sub parse_query {
                        delete $q->{sql}; # can't use over.sqlite3
                        my $bytes = shift(@$rest) // '';
                        $bytes =~ /\A[0-9]+\z/ or return "BAD $k not a number";
-                       $q->{xap} .= ' bytes:' . ($k eq 'SMALLER' ?
+                       $xap .= ' bytes:' . ($k eq 'SMALLER' ?
                                                        '..'.(--$bytes) :
                                                        (++$bytes).'..');
+               } elsif ($k eq 'HEADER') {
+                       $k = uc(shift(@$rest) // '');
+                       my $xk = $H2X{$k} or
+                               return "BAD HEADER $k not supported";
+                       my $err = xap_append($q, $rest, $k, $xk);
+                       return $err if $err;
                } elsif (defined(my $xk = $I2X{$k})) {
-                       delete $q->{sql}; # can't use over.sqlite3
-                       my $arg = shift @$rest;
-                       defined($arg) or return "BAD $k no arg";
-
-                       # Xapian can't handle [*"] in probabilistic terms
-                       $arg =~ tr/*"//d;
-                       $q->{xap} .= qq[ $xk:"$arg"];
+                       my $err = xap_append($q, $rest, $k, $xk);
+                       return $err if $err;
                } else {
                        # TODO: parentheses, OR, NOT ...
                        return "BAD $k not supported (yet?)";
@@ -1083,31 +1113,87 @@ sub parse_query {
        } elsif (!$self->{ibx}->search) {
                return 'BAD Xapian not configured for mailbox';
        }
-
+       my $max = $self->{ibx}->over->max;
        if (my $uid = delete $q->{uid}) {
-               $q->{uid} = join(',', @$uid);
+               my $range_csv = join(',', @$uid);
+               do {
+                       my $nxt = range_step($self, \$range_csv);
+                       my ($beg, $end) = @$nxt;
+                       if ($xap) {
+                               $xap .= " uid:$beg..$end";
+                       } elsif ($beg == $end) {
+                               $sql .= " AND num = $beg";
+                       } else {
+                               $sql .= " AND num >= $beg AND num <= $end";
+                       }
+               } while ($range_csv);
        }
+       my $beg = 1;
+       uid_clamp($self, \$beg, \$max);
+       $q->{range_info} = [ $beg, $max ];
        $q;
 }
 
-sub cmd_uid_search ($$$;) {
-       my ($self, $tag) = splice(@_, 0, 2);
+sub refill_xap ($$$$) {
+       my ($self, $uids, $range_info, $q) = @_;
+       my ($beg, $end) = @$range_info;
+       my $srch = $self->{ibx}->search;
+       my $opt = { mset => 2, limit => 1000 };
+       my $nshard = $srch->{nshard} // 1;
+       while (1) {
+               my $mset = $srch->query("$$q uid:$beg..$end", $opt);
+               @$uids = map { mdocid($nshard, $_) } $mset->items;
+               if (@$uids) {
+                       $range_info->[0] = $uids->[-1] + 1; # update $beg
+                       return;
+               } else { # all done
+                       return 0;
+               }
+       }
+}
+
+sub search_xap_range { # long_response
+       my ($self, $tag, $q, $range_info, $want_msn) = @_;
+       my $uids = [];
+       if (defined(my $err = refill_xap($self, $uids, $range_info, $q))) {
+               $err ||= 'OK Search done';
+               $self->write("\r\n$tag $err\r\n");
+               return;
+       }
+       msn_convert($self, $uids) if $want_msn;
+       $self->msg_more(join(' ', '', @$uids));
+       1; # more
+}
+
+sub search_common {
+       my ($self, $tag, $rest, $want_msn) = @_;
        my $ibx = $self->{ibx} or return "$tag BAD No mailbox selected\r\n";
-       my $q = parse_query($self, \@_);
+       my $q = parse_query($self, $rest);
        return "$tag $q\r\n" if !ref($q);
-       my $sql = delete $q->{sql};
-       my $range_csv = delete $q->{uid} // '1:*';
-       my $range_info = range_step($self, \$range_csv);
-       return "$tag $range_info\r\n" if !ref($range_info);
-       if (!scalar(keys %$q)) {
+       my ($sql, $range_info) = delete @$q{qw(sql range_info)};
+       if (!scalar(keys %$q)) { # overview.sqlite3
+               $self->msg_more('* SEARCH');
+               long_response($self, \&search_uid_range,
+                               $tag, $sql, $range_info, $want_msn);
+       } elsif ($q = $q->{xap}) {
                $self->msg_more('* SEARCH');
-               long_response($self, \&uid_search_uid_range,
-                               $tag, [], $sql, $range_info);
+               long_response($self, \&search_xap_range,
+                               $tag, $q, $range_info, $want_msn);
        } else {
                "$tag BAD Error\r\n";
        }
 }
 
+sub cmd_uid_search ($$$;) {
+       my ($self, $tag) = splice(@_, 0, 2);
+       search_common($self, $tag, \@_);
+}
+
+sub cmd_search ($$$;) {
+       my ($self, $tag) = splice(@_, 0, 2);
+       search_common($self, $tag, \@_, 1);
+}
+
 sub args_ok ($$) { # duplicated from PublicInbox::NNTP
        my ($cb, $argc) = @_;
        my $tot = prototype $cb;
index c54cf7b9911affce9680e7160b1fdecbb3aad20f..55eee41ca4a88c43594e9e0899c3dba25e77771e 100644 (file)
@@ -182,6 +182,7 @@ sub _xdb ($) {
        my ($xdb, $slow_phrase);
        my $qpf = \($self->{qp_flags} ||= $QP_FLAGS);
        if ($self->{ibx_ver} >= 2) {
+               my $n = 0;
                foreach my $shard (<$dir/*>) {
                        -d $shard && $shard =~ m!/[0-9]+\z! or next;
                        my $sub = $X{Database}->new($shard);
@@ -191,7 +192,9 @@ sub _xdb ($) {
                                $xdb = $sub;
                        }
                        $slow_phrase ||= -f "$shard/iamchert";
+                       ++$n;
                }
+               $self->{nshard} = $n;
        } else {
                $slow_phrase = -f "$dir/iamchert";
                $xdb = $X{Database}->new($dir);
@@ -200,6 +203,15 @@ sub _xdb ($) {
        $xdb;
 }
 
+# v2 Xapian docids don't conflict, so they're identical to
+# NNTP article numbers and IMAP UIDs.
+# https://trac.xapian.org/wiki/FAQ/MultiDatabaseDocumentID
+sub mdocid {
+       my ($nshard, $mitem) = @_;
+       my $docid = $mitem->get_docid;
+       int(($docid - 1) / $nshard) + 1;
+}
+
 sub xdb ($) {
        my ($self) = @_;
        $self->{xdb} ||= do {
@@ -283,7 +295,7 @@ sub _enquire_once { # retry_reopen callback
        $enquire->set_query($query);
        $opts ||= {};
         my $desc = !$opts->{asc};
-       if (($opts->{mset} || 0) == 2) {
+       if (($opts->{mset} || 0) == 2) { # mset == 2: ORDER BY docid/UID
                $enquire->set_docid_order($ENQ_ASCENDING);
                $enquire->set_weighting_scheme($X{BoolWeight}->new);
        } elsif ($opts->{relevance}) {
@@ -322,6 +334,11 @@ sub qp {
        $qp->add_valuerangeprocessor($nvrp->new(YYYYMMDD, 'd:'));
        $qp->add_valuerangeprocessor($nvrp->new(DT, 'dt:'));
 
+       # for IMAP, undocumented for WWW and may be split off go away
+       $qp->add_valuerangeprocessor($nvrp->new(BYTES, 'bytes:'));
+       $qp->add_valuerangeprocessor($nvrp->new(TS, 'ts:'));
+       $qp->add_valuerangeprocessor($nvrp->new(UID, 'uid:'));
+
        while (my ($name, $prefix) = each %bool_pfx_external) {
                $qp->add_boolean_prefix($name, $_) foreach split(/ /, $prefix);
        }
index fdab074a249f292936bc952bfb473fd7601f3180..e3cce2d30f07ee9aa4339e93b475a2a33a755a40 100644 (file)
--- a/t/imapd.t
+++ b/t/imapd.t
@@ -19,10 +19,10 @@ if ($can_compress) { # hope this gets fixed upstream, soon
 require_ok 'PublicInbox::IMAP';
 my $first_range = '0';
 
-my $level = '-Lbasic';
+my $level = 'basic';
 SKIP: {
        require_mods('Search::Xapian', 1);
-       $level = '-Lmedium';
+       $level = 'medium';
 };
 
 my @V = (1);
@@ -38,7 +38,7 @@ for my $V (@V) {
        my $url = "http://example.com/i$V";
        my $inboxdir = "$tmpdir/$name";
        my $folder = "inbox.i$V";
-       my $cmd = ['-init', "-V$V", $level, $name, $inboxdir, $url, $addr];
+       my $cmd = ['-init', "-V$V", "-L$level", $name, $inboxdir, $url, $addr];
        run_script($cmd) or BAIL_OUT("init $name");
        xsys(qw(git config), "--file=$ENV{HOME}/.public-inbox/config",
                        "publicinbox.$name.newsgroup", $folder) == 0 or
@@ -120,6 +120,24 @@ is_deeply($ret, [ 1 ], 'search UID 1:1 works');
 $ret = $mic->search('uid 1:*') or BAIL_OUT "SEARCH FAIL $@";
 is_deeply($ret, [ 1 ], 'search UID 1:* works');
 
+SKIP: {
+       skip 'Xapian missing', 6 if $level eq 'basic';
+       my $x = $mic->search(qw(smaller 99999));
+       is_deeply($x, [1], 'SMALLER works with Xapian (hit)');
+       $x = $mic->search(qw(smaller 9));
+       is_deeply($x, [], 'SMALLER works with Xapian (miss)');
+
+       $x = $mic->search(qw(larger 99999));
+       is_deeply($x, [], 'LARGER works with Xapian (miss)');
+       $x = $mic->search(qw(larger 9));
+       is_deeply($x, [1], 'LARGER works with Xapian (hit)');
+
+       $x = $mic->search(qw(HEADER Message-ID testmessage@example.com));
+       is_deeply($x, [1], 'HEADER Message-ID works');
+       $x = $mic->search(qw(HEADER Message-ID miss));
+       is_deeply($x, [], 'HEADER Message-ID can miss');
+}
+
 is_deeply(scalar $mic->flags('1'), [], '->flags works');
 {
        # RFC 3501 section 6.4.8 states:
@@ -341,12 +359,34 @@ $ret = $mic->fetch_hash('1,2:3', 'RFC822') or BAIL_OUT "FETCH $@";
 is(scalar keys %$ret, 3, 'got all 3 messages with comma-separated sequence');
 $ret = $mic->fetch_hash('1:*', 'RFC822') or BAIL_OUT "FETCH $@";
 is(scalar keys %$ret, 3, 'got all 3 messages');
+
+SKIP: {
+       # do any clients use non-UID IMAP SEARCH?
+       skip 'Xapian missing', 2 if $level eq 'basic';
+       my $x = $mic->search('all');
+       is_deeply($x, [1, 2, 3], 'MSN SEARCH works before rm');
+       $x = $mic->search(qw(header subject embedded));
+       is_deeply($x, [2], 'MSN SEARCH on Subject works before rm');
+}
+
 {
        my $rdr = { 0 => \($ret->{1}->{RFC822}) };
        my $env = { HOME => $ENV{HOME} };
        my @cmd = qw(-learn rm --all);
        run_script(\@cmd, $env, $rdr) or BAIL_OUT('-learn rm');
 }
+
+SKIP: {
+       # do any clients use non-UID IMAP SEARCH?  We only ensure
+       # MSN "SEARCH" can return a result which can be retrieved
+       # via MSN "FETCH"
+       skip 'Xapian missing', 3 if $level eq 'basic';
+       my $x = $mic->search(qw(header subject embedded));
+       is(scalar(@$x), 1, 'MSN SEARCH on Subject works after rm');
+       $x = $mic->message_string($x->[0]);
+       is($x, $ret->{2}->{RFC822}, 'message 2 unchanged');
+}
+
 my $r2 = $mic->fetch_hash('1:*', 'BODY.PEEK[]') or BAIL_OUT "FETCH $@";
 is(scalar keys %$r2, 2, 'did not get all 3 messages');
 is($r2->{1}->{'BODY[]'}, $ret->{2}->{RFC822}, 'message 2 unchanged');