]> Sergey Matveev's repositories - public-inbox.git/commitdiff
mbox: split header and body processing
authorEric Wong <e@80x24.org>
Thu, 27 Jun 2019 09:23:39 +0000 (09:23 +0000)
committerEric Wong <e@80x24.org>
Thu, 27 Jun 2019 17:08:51 +0000 (17:08 +0000)
When dealing with ~30MB messages, we can save another ~30MB by
splitting the header and body processing and not appending the
body string back to the header.

We'll rely on buffering in gzip or kernel (via MSG_MORE)
to prevent silly packet sizes.

lib/PublicInbox/Mbox.pm

index 1bf71c60f0aad511293a7ffae2ca25f4bf4e16b5..0c3e52fe42367382d922b01c0e2f77f6b0ee84d1 100644 (file)
@@ -16,8 +16,8 @@ use Email::Simple;
 use Email::MIME::Encode;
 
 sub subject_fn ($) {
-       my ($simple) = @_;
-       my $fn = $simple->header('Subject');
+       my ($hdr) = @_;
+       my $fn = $hdr->header('Subject');
        return 'no-subject' unless defined($fn);
 
        # no need for full Email::MIME, here
@@ -36,20 +36,26 @@ sub mb_stream {
 }
 
 # called by PSGI server as body response
+# this gets called twice for every message, once to return the header,
+# once to retrieve the body
 sub getline {
        my ($more) = @_; # self
-       my ($ctx, $id, $prev, $next, $cur, $mref) = @$more;
-       if ($mref) { # first
-               pop @$more;
-               pop @$more;
-               return msg_str($ctx, $cur, $mref);
+       my ($ctx, $id, $prev, $next, $mref, $hdr) = @$more;
+       if ($hdr) { # first message hits this, only
+               pop @$more; # $hdr
+               return msg_hdr($ctx, $hdr);
        }
-       $cur = $next or return;
+       if ($mref) { # all messages hit this
+               pop @$more; # $mref
+               return msg_body($$mref);
+       }
+       my $cur = $next or return;
        my $ibx = $ctx->{-inbox};
        $next = $ibx->over->next_by_mid($ctx->{mid}, \$id, \$prev);
-       @$more = ($ctx, $id, $prev, $next); # $next may be undef, here
        $mref = $ibx->msg_by_smsg($cur) or return;
-       msg_str($ctx, Email::Simple->new($mref), $mref);
+       $hdr = Email::Simple->new($mref)->header_obj;
+       @$more = ($ctx, $id, $prev, $next, $mref); # $next may be undef, here
+       msg_hdr($ctx, $hdr); # all but first message hits this
 }
 
 sub close {} # noop
@@ -58,21 +64,17 @@ sub emit_raw {
        my ($ctx) = @_;
        my $mid = $ctx->{mid};
        my $ibx = $ctx->{-inbox};
-       my ($first, $mref, $more);
+       my ($mref, $more, $id, $prev, $next);
        if (my $over = $ibx->over) {
-               my ($id, $prev);
                my $smsg = $over->next_by_mid($mid, \$id, \$prev) or return;
                $mref = $ibx->msg_by_smsg($smsg) or return;
-               $first = Email::Simple->new($mref);
-               my $next = $over->next_by_mid($mid, \$id, \$prev);
-               # $more is for ->getline
-               $more = [ $ctx, $id, $prev, $next, $first, $mref ] if $next;
+               $next = $over->next_by_mid($mid, \$id, \$prev);
        } else {
                $mref = $ibx->msg_by_mid($mid) or return;
-               $first = Email::Simple->new($mref);
        }
-       return unless defined $first;
-       my $fn = subject_fn($first);
+       my $hdr = Email::Simple->new($mref)->header_obj;
+       $more = [ $ctx, $id, $prev, $next, $mref, $hdr ]; # for ->getline
+       my $fn = subject_fn($hdr);
        my @hdr = ('Content-Type');
        if ($ibx->{obfuscate}) {
                # obfuscation is stupid, but maybe scrapers are, too...
@@ -83,13 +85,11 @@ sub emit_raw {
                $fn .= '.txt';
        }
        push @hdr, 'Content-Disposition', "inline; filename=$fn";
-       [ 200, \@hdr,
-               $more ? mb_stream($more) : [ msg_str($ctx, $first, $mref) ] ];
+       [ 200, \@hdr, mb_stream($more) ];
 }
 
-sub msg_str {
-       my ($ctx, $simple, $mref, $mid) = @_; # simple - Email::Simple object
-       my $header_obj = $simple->header_obj;
+sub msg_hdr ($$;$) {
+       my ($ctx, $header_obj, $mid) = @_;
 
        # drop potentially confusing headers, ssoma already should've dropped
        # Lines and Content-Length
@@ -121,12 +121,13 @@ sub msg_str {
                $buf .= "$k: $v$crlf" if defined $v;
        }
        $buf .= $crlf;
+}
 
+sub msg_body ($) {
        # mboxrd quoting style
        # ref: http://www.qmail.org/man/man5/mbox.html
-       $$mref =~ s/^(>*From )/>$1/gm;
-       $buf .= $$mref;
-       $buf .= "\n";
+       $_[0] =~ s/^(>*From )/>$1/gm;
+       $_[0] .= "\n";
 }
 
 sub thread_mbox {
@@ -267,11 +268,13 @@ sub response {
 sub getline {
        my ($self) = @_;
        my $ctx = $self->{ctx} or return;
+       my $gz = $self->{gz};
        while (my $smsg = $self->{cb}->()) {
                my $mref = $ctx->{-inbox}->msg_by_smsg($smsg) or next;
-               my $s = Email::Simple->new($mref);
-               $self->{gz}->write(PublicInbox::Mbox::msg_str($ctx, $s, $mref,
-                               $smsg->{mid}));
+               my $h = Email::Simple->new($mref)->header_obj;
+               $gz->write(PublicInbox::Mbox::msg_hdr($ctx, $h, $smsg->{mid}));
+               $gz->write(PublicInbox::Mbox::msg_body($$mref));
+
                my $bref = $self->{buf};
                if (length($$bref) >= 8192) {
                        my $ret = $$bref; # copy :<