]> Sergey Matveev's repositories - public-inbox.git/blobdiff - lib/PublicInbox/LeiXSearch.pm
lei up: automatically use dt: for remote externals
[public-inbox.git] / lib / PublicInbox / LeiXSearch.pm
index 760f9718ce7bfda89bad1265873c694b3530211a..1d49da3d3a4df1f0ef84bf70687f86523262b87f 100644 (file)
@@ -9,7 +9,6 @@ use strict;
 use v5.10.1;
 use parent qw(PublicInbox::LeiSearch PublicInbox::IPC);
 use PublicInbox::DS qw(now);
-use PublicInbox::PktOp qw(pkt_do);
 use File::Temp 0.19 (); # 0.19 for ->newdir
 use File::Spec ();
 use PublicInbox::Search qw(xap_terms);
@@ -19,6 +18,7 @@ use PublicInbox::Smsg;
 use PublicInbox::Eml;
 use Fcntl qw(SEEK_SET F_SETFL O_APPEND O_RDWR);
 use PublicInbox::ContentHash qw(git_sha);
+use POSIX qw(strftime);
 
 sub new {
        my ($class) = @_;
@@ -33,7 +33,7 @@ sub attach_external {
        my ($self, $ibxish) = @_; # ibxish = ExtSearch or Inbox
        my $desc = $ibxish->{inboxdir} // $ibxish->{topdir};
        my $srch = $ibxish->search or
-               return warn("$desc not indexed for Xapian\n");
+               return warn("$desc not indexed for Xapian ($@ $!)\n");
        my @shards = $srch->xdb_shards_flat or
                return warn("$desc has no Xapian shards\n");
 
@@ -67,15 +67,21 @@ sub remotes { @{$_[0]->{remotes} // []} }
 # called by PublicInbox::Search::xdb (usually via ->mset)
 sub xdb_shards_flat { @{$_[0]->{shards_flat} // []} }
 
-sub mitem_kw ($$;$) {
-       my ($smsg, $mitem, $flagged) = @_;
-       my $kw = xap_terms('K', my $doc = $mitem->get_document);
+sub _mitem_kw { # retry_reopen callback
+       my ($srch, $smsg, $mitem, $flagged) = @_;
+       my $doc = $mitem->get_document;
+       my $kw = xap_terms('K', $doc);
        $kw->{flagged} = 1 if $flagged;
+       my @L = xap_terms('L', $doc);
        # we keep the empty {kw} array here to prevent expensive work in
        # ->xsmsg_vmd, _unbless_smsg will clobber it iff it's empty
        $smsg->{kw} = [ sort keys %$kw ];
-       my $L = xap_terms('L', $doc);
-       $smsg->{L} = [ sort keys %$L ] if scalar(keys %$L);
+       $smsg->{L} = \@L if scalar(@L);
+}
+
+sub mitem_kw ($$$;$) {
+       my ($srch, $smsg, $mitem, $flagged) = @_;
+       $srch->retry_reopen(\&_mitem_kw, $smsg, $mitem, $flagged);
 }
 
 # like over->get_art
@@ -90,7 +96,7 @@ sub smsg_for {
        my $smsg = $ibx->over->get_art($num);
        return if $smsg->{bytes} == 0; # external message
        if ($ibx->can('msg_keywords')) {
-               mitem_kw($smsg, $mitem);
+               mitem_kw($self, $smsg, $mitem);
        }
        $smsg;
 }
@@ -136,7 +142,7 @@ sub mset_progress {
        my $lei = shift;
        return if $lei->{early_mua} || !$lei->{-progress};
        if ($lei->{pkt_op_p}) {
-               pkt_do($lei->{pkt_op_p}, 'mset_progress', @_);
+               $lei->{pkt_op_p}->pkt_do('mset_progress', @_);
        } else { # single lei-daemon consumer
                my ($desc, $mset_size, $mset_total_est) = @_;
                $lei->{-mset_total} += $mset_size if $mset_total_est ne '?';
@@ -156,14 +162,14 @@ sub query_one_mset { # for --threads and l2m w/o sort
        my ($srch, $over) = ($ibxish->search, $ibxish->over);
        my $dir = $ibxish->{inboxdir} // $ibxish->{topdir};
        return warn("$dir not indexed by Xapian\n") unless ($srch && $over);
+       bless $srch, 'PublicInbox::LeiSearch'; # for ->qparse_new
        my $mo = { %{$lei->{mset_opt}} }; # copy
        my $mset;
        my $each_smsg = $lei->{ovv}->ovv_each_smsg_cb($lei);
        my $can_kw = !!$ibxish->can('msg_keywords');
        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 $lss = $lei->{lss};
        my $maxk = "external.$dir.maxuid";
        my $stop_at = $lss ? $lss->{-cfg}->{$maxk} : undef;
        if (defined $stop_at) {
@@ -194,7 +200,8 @@ sub query_one_mset { # for --threads and l2m w/o sort
                                        my $mitem = delete $n2item{$n};
                                        next if $smsg->{bytes} == 0;
                                        if ($mitem && $can_kw) {
-                                               mitem_kw($smsg, $mitem, $fl);
+                                               mitem_kw($srch, $smsg, $mitem,
+                                                       $fl);
                                        } elsif ($mitem && $fl) {
                                                # call ->xsmsg_vmd, later
                                                $smsg->{lei_q_tt_flagged} = 1;
@@ -210,7 +217,7 @@ sub query_one_mset { # for --threads and l2m w/o sort
                                my $mitem = $items[$i++];
                                my $smsg = $over->get_art($n) or next;
                                next if $smsg->{bytes} == 0;
-                               mitem_kw($smsg, $mitem, $fl) if $can_kw;
+                               mitem_kw($srch, $smsg, $mitem, $fl) if $can_kw;
                                $each_smsg->($smsg, $mitem);
                        }
                }
@@ -249,19 +256,28 @@ sub query_combined_mset { # non-parallel for non-"--threads" users
        $lei->{ovv}->ovv_atexit_child($lei);
 }
 
+sub _smsg_fill ($$) {
+       my ($smsg, $eml) = @_;
+       $smsg->populate($eml);
+       $smsg->parse_references($eml, mids($eml));
+       $smsg->{$_} //= '' for qw(from to cc ds subject references mid);
+       delete @$smsg{qw(From Subject -ds -ts)};
+}
+
 sub each_remote_eml { # callback for MboxReader->mboxrd
        my ($eml, $self, $lei, $each_smsg) = @_;
        my $xoids = $lei->{ale}->xoids_for($eml, 1);
+       my $smsg = bless {}, 'PublicInbox::Smsg';
        if ($self->{import_sto} && !$xoids) {
-               $self->{import_sto}->ipc_do('add_eml', $eml);
+               my $res = $self->{import_sto}->ipc_do('add_eml', $eml);
+               if (ref($res) eq ref($smsg)) { # totally new message
+                       $smsg = $res;
+                       $smsg->{kw} = []; # short-circuit xsmsg_vmd
+               }
        }
-       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);
-       delete @$smsg{qw(From Subject -ds -ts)};
+       $smsg->{blob} //= $xoids ? (keys(%$xoids))[0]
+                               : $lei->git_oid($eml)->hexdigest;
+       _smsg_fill($smsg, $eml);
        wait_startq($lei);
        if ($lei->{-progress}) {
                ++$lei->{-nr_remote_eml};
@@ -276,13 +292,46 @@ sub each_remote_eml { # callback for MboxReader->mboxrd
        $each_smsg->($smsg, undef, $eml);
 }
 
+sub fudge_qstr_time ($$$) {
+       my ($lei, $uri, $qstr) = @_;
+       return ($qstr, undef) unless $lei->{lss};
+       my $cfg = $lei->{lss}->{-cfg} // die 'BUG: no lss->{-cfg}';
+       my $cfg_key = "external.$uri.lastresult";
+       my $lr = $cfg->{$cfg_key} or return ($qstr, $cfg_key);
+       if ($lr !~ /\A\-?[0-9]+\z/) {
+               $lei->child_error(0,
+                       "$cfg->{-f}: $cfg_key=$lr not an integer, ignoring");
+               return ($qstr, $cfg_key);
+       }
+       my $rft = $lei->{opt}->{'remote-fudge-time'};
+       if ($rft && $rft !~ /\A-?[0-9]+\z/) {
+               my @t = $lei->{lss}->git->date_parse($rft);
+               my $diff = time - $t[0];
+               $lei->qerr("# $rft => $diff seconds");
+               $rft = $diff;
+       }
+       $lr -= ($rft || (48 * 60 * 60));
+       $lei->qerr("# $uri limiting to ".
+               strftime('%Y-%m-%d %k:%M', gmtime($lr)). ' and newer');
+       # this should really be rt: (received-time), but no stable
+       # public-inbox releases support it, yet.
+       my $dt = 'dt:'.strftime('%Y%m%d%H%M%S', gmtime($lr)).'..';
+       if ($qstr =~ /\S/) {
+               substr($qstr, 0, 0, '(');
+               $qstr .= ') AND ';
+       }
+       ($qstr .= $dt, $cfg_key);
+}
+
 sub query_remote_mboxrd {
        my ($self, $uris) = @_;
        local $0 = "$0 query_remote_mboxrd";
        local $SIG{TERM} = sub { exit(0) }; # for DESTROY (File::Temp, $reap)
        my $lei = $self->{lei};
        my $opt = $lei->{opt};
-       my @qform = (q => $lei->{mset_opt}->{qstr}, x => 'm');
+       my $qstr = $lei->{mset_opt}->{qstr};
+       $qstr =~ s/[ \n\t]+/ /sg; # make URLs less ugly
+       my @qform = (x => 'm');
        push(@qform, t => 1) if $opt->{threads};
        my $verbose = $opt->{verbose};
        my ($reap_tail, $reap_curl);
@@ -305,7 +354,9 @@ sub query_remote_mboxrd {
        for my $uri (@$uris) {
                $lei->{-current_url} = $uri->as_string;
                $lei->{-nr_remote_eml} = 0;
-               $uri->query_form(@qform);
+               my $start = time;
+               my ($q, $key) = fudge_qstr_time($lei, $uri, $qstr);
+               $uri->query_form(@qform, q => $q);
                my $cmd = $curl->for_uri($lei, $uri);
                $lei->qerr("# $cmd");
                my ($fh, $pid) = popen_rd($cmd, undef, $rdr);
@@ -318,10 +369,11 @@ sub query_remote_mboxrd {
                @$reap_curl = (); # cancel OnDestroy
                die $err if $err;
                my $nr = $lei->{-nr_remote_eml};
-               if ($nr && $lei->{sto}) {
-                       my $wait = $lei->{sto}->ipc_do('done');
-               }
+               my $wait = $lei->{sto}->ipc_do('done') if $nr && $lei->{sto};
                if ($? == 0) {
+                       # don't update if no results, maybe MTA is down
+                       $key && $nr and
+                               $lei->{lss}->cfg_set($key, $start);
                        mset_progress($lei, $lei->{-current_url}, $nr, $nr);
                        next;
                }
@@ -335,7 +387,7 @@ sub query_remote_mboxrd {
                                        $lei->err("truncate($cmd stderr): $!");
                }
                next if (($? >> 8) == 22 && $err =~ /\b404\b/);
-               $uri->query_form(q => $lei->{mset_opt}->{qstr});
+               $uri->query_form(q => $qstr);
                $lei->child_error($?, "E: <$uri> $err");
        }
        undef $each_smsg;
@@ -360,7 +412,8 @@ sub query_done { # EOF callback for main daemon
        if ($lei->{opt}->{'mail-sync'} && !$lei->{sto}) {
                warn "BUG: {sto} missing with --mail-sync";
        }
-       my $wait = $lei->{sto} ? $lei->{sto}->ipc_do('done') : undef;
+       $lei->sto_done_request if $lei->{sto};
+       my $wait = $lei->{v2w} ? $lei->{v2w}->ipc_do('done') : undef;
        $lei->{ovv}->ovv_end($lei);
        my $start_mua;
        if ($l2m) { # close() calls LeiToMail reap_compress
@@ -383,9 +436,13 @@ Error closing $lei->{ovv}->{dst}: $!
        if ($lei->{-progress}) {
                my $tot = $lei->{-mset_total} // 0;
                my $nr = $lei->{-nr_write} // 0;
-               $lei->qerr($l2m ?
-                       "# $nr written to $lei->{ovv}->{dst} ($tot matches)" :
-                       "# $tot matches");
+               if ($l2m) {
+                       my $m = "# $nr written to " .
+                               "$lei->{ovv}->{dst} ($tot matches)";
+                       $nr ? $lei->qfin($m) : $lei->qerr($m);
+               } else {
+                       $lei->qerr("# $tot matches");
+               }
        }
        $lei->start_mua if $start_mua;
        $lei->dclose;
@@ -445,6 +502,9 @@ sub start_query ($;$) { # always runs in main (lei-daemon) process
        for my $uris (@$q) {
                $self->wq_io_do('query_remote_mboxrd', [], $uris);
        }
+       if ($self->{-do_lcat}) {
+               $self->wq_io_do('lcat_dump', []);
+       }
        $self->wq_close(1); # lei_xsearch workers stop when done
 }
 
@@ -489,7 +549,7 @@ sub do_query {
                my $F_SETPIPE_SZ = $^O eq 'linux' ? 1031 : undef;
                if ($l2m->{-wq_nr_workers} > 1 &&
                                $l2m->{base_type} =~ /\A(?:maildir|mbox)\z/) {
-                       # setup two barriers to coordinate dedupe_nr
+                       # setup two barriers to coordinate ->has_entries
                        # between l2m workers
                        pipe(my ($a_r, $a_w)) or die "pipe: $!";
                        fcntl($a_r, $F_SETPIPE_SZ, 4096) if $F_SETPIPE_SZ;
@@ -510,13 +570,14 @@ sub do_query {
        @$end = ();
        $self->{opt_threads} = $lei->{opt}->{threads};
        $self->{opt_sort} = $lei->{opt}->{'sort'};
+       $self->{-do_lcat} = $lei->{lcat_blob} // $lei->{lcat_fid};
        if ($l2m) {
                $l2m->net_merge_all_done unless $lei->{auth};
        } else {
                start_query($self);
        }
        $lei->event_step_init; # wait for shutdowns
-       $op_c->op_wait_event($ops);
+       $lei->wait_wq_events($op_c, $ops);
 }
 
 sub add_uri {
@@ -546,12 +607,58 @@ sub prepare_external {
                die "`\\n' not allowed in `$loc'\n" if index($loc, "\n") >= 0;
                require PublicInbox::Inbox; # v2, v1
                $loc = bless { inboxdir => $loc }, 'PublicInbox::Inbox';
+       } elsif (!-e $loc) {
+               warn "W: $loc gone, perhaps run: lei forget-external $loc\n";
+               return;
        } else {
-               warn "W: ignoring $loc, unable to determine type\n";
+               warn "W: $loc ignored, unable to determine external type\n";
                return;
        }
        push @{$self->{locals}}, $loc;
 }
 
+sub _lcat_i { # LeiMailSync->each_src iterator callback
+       my ($oidbin, $id, $each_smsg) = @_;
+       $each_smsg->({blob => unpack('H*', $oidbin), pct => 100});
+}
+
+sub _lcat2smsg { # git->cat_async callback
+       my ($bref, $oid, $type, $size, $smsg) = @_;
+       if ($bref) {
+               my $eml = PublicInbox::Eml->new($bref);
+               my $json_dump = delete $smsg->{-json_dump};
+               bless $smsg, 'PublicInbox::Smsg';
+               _smsg_fill($smsg, $eml);
+               $json_dump->($smsg, undef, $eml);
+       }
+}
+
+sub lcat_dump {
+       my ($self) = @_;
+       my $lei = $self->{lei};
+       my $each_smsg = $lei->{ovv}->ovv_each_smsg_cb($lei);
+       my $git = $lei->{ale}->git;
+       if (!$lei->{l2m}) {
+               my $json_dump = $each_smsg;
+               $each_smsg = sub {
+                       my ($smsg) = @_;
+                       use Data::Dumper;
+                       $smsg->{-json_dump} = $json_dump;
+                       $git->cat_async($smsg->{blob}, \&_lcat2smsg, $smsg);
+               };
+       }
+       for my $oid (@{$lei->{lcat_blob} // []}) {
+               $each_smsg->({ blob => $oid, pct => 100 });
+       }
+       if (my $fids = delete $lei->{lcat_fid}) {
+               my $lms = $lei->{lse}->lms;
+               for my $fid (@$fids) {
+                       $lms->each_src({fid => $fid}, \&_lcat_i, $each_smsg);
+               }
+       }
+       $git->async_wait_all;
+       undef $each_smsg; # may commit
+       $lei->{ovv}->ovv_atexit_child($lei);
+}
 
 1;